Hadoop单机模式和伪分布式搭建教程CentOS

ゝ一世哀愁。 2022-07-05 15:27 264阅读 0赞

首先说明一下：采用的是新装的CentOS的环境，利用xshell进行远程操作来搭建[Hadoop][]单机模式，伪分布式和完全分布式的文档。环节都是一环套一环，有先后顺序存在。本人是在win8.1 64位系统环境下，并且安装的Cent OS也是64位，故所有相关软件都是64位的。此教程只要照着做，都可以完成，祝大家成功！

系统和软件以及版本说明：

<table style="color:rgb(85,85,85); font-family:&quot;microsoft yahei&quot;; font-size:15px"> 
 <tbody> 
  <tr> 
   <td> <p style="margin-top:0px; margin-bottom:0px; padding-top:0px; padding-bottom:0px"> 系统和软件</p> </td> 
  </tr> 
  <tr> 
   <td> <p style="margin-top:0px; margin-bottom:0px; padding-top:0px; padding-bottom:0px"> VMWare&nbsp;Workstation11</p> </td> 
  </tr> 
  <tr> 
   <td> <p style="margin-top:0px; margin-bottom:0px; padding-top:0px; padding-bottom:0px"> XShell5</p> </td> 
  </tr> 
  <tr> 
   <td> <p style="margin-top:0px; margin-bottom:0px; padding-top:0px; padding-bottom:0px"> Cent&nbsp;OS&nbsp;6.5&nbsp;<span style="font-family:楷体">（</span><span style="font-family:Consolas">64</span><span style="font-family:楷体">位）</span></p> </td> 
  </tr> 
  <tr> 
   <td> <p style="margin-top:0px; margin-bottom:0px; padding-top:0px; padding-bottom:0px"> Hadoop&nbsp;2.6.0</p> </td> 
  </tr> 
  <tr> 
   <td> <p style="margin-top:0px; margin-bottom:0px; padding-top:0px; padding-bottom:0px"> Openjdk&nbsp;1.7</p> </td> 
  </tr> 
 </tbody> 
</table>

# 1. 准备工作 #

## 1.1. 软件准备 ##

1、安装VMWare

2、在VMWare上安装CentOS6.5[操作系统][Link 1]

3、安装XShell5，用来远程登录系统

![Center][]

4、通过rpm -qa | grep ssh 检查cent os 是否安装了ssh server和ssh client ，然后使用ssh localhost[测试][Link 2]一下SSH是否可用。

![Center 1][]

![Center 2][]

如果没有安装那么使用下面的命令安装：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  yum install openssh-clients  
2.  yum install openssh-server

5、使用XShell远程登录服务器，接下来的操作就在XShell上通过命令行来执行了。虚拟机中的服务器可以过ifconfig这个命令来获取分配的ip地址（这个地址可能随着虚拟机的重启会发生变化）。

![Center 3][]

## 1.2. 创建hadoop用户 ##

当前虚拟机中没有安装任何软件，那么我们的目的是搭建一个Hadoop单机模式，那么首先需要在集群中建立一个hadoop用户，用来启动Hadoop的进程，这样避免使用root用户启动进程，这也是比较规范的服务器用户管理，所以下面先创建hadoop用户：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  useradd -m hadoop -s /bin/bash   
2.  passwd hadoop    \#为hadoop用户设置密码，我们设置为hadoop，方便

![Center 4][]

接下来的安装过程中会涉及到root用户和hadoop用户的切换，请大家注意！！！

## 1.3. 配置SSH无密码访问 ##

在准备工作中我们已经安装配置了SSH客户端和服务器，集群和单节点模式都需要到SSH，Hadoop中namenode需要启动集群中的所有机器的Hadoop守护进程，而这个过程需要通过SSH登录来实现。而Hadoop并没有提供SSH输入密码的登录形式，因此为了保证可以顺利登录每台机器，需要将所有机器配置为namenode可以无密码登录它们。实际中配置失败也可以运行，但是每次输入密码是非常麻烦的，所以我们需要配置SSH的无密码访问（注意无密码访问是为hadoop用户配置的，故以下操作需要在hadoop用户下完成）：

1. 首先我们需要进入/home/hadoop/.ssh目录下，如果这个目录不存在，需要执行一下ssh localhost   这样就会生成这个目录。

![Center 5][]

2. 执行以下命令，创建密钥并且将密钥加入授权：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  cd ~/.ssh/                       \# 若没有该目录，请先执行一次ssh localhost  
2.  ssh-keygen -t dsa                 \# 会有提示，都按回车就可以  
3.  cat id\_dsa.pub **>****>** authorized\_keys   \# 加入授权  
4.  chmod 600 ./authorized\_keys       \# 修改文件权限，如果不改，无法通过，原因好像是cent os的权限验证比较严格

3. 在root用户下修改/etc/ssh/sshd\_config文件（取消以下三个变量的注释）

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  vim /etc/ssh/sshd\_config

![Center 6][]

重启sshd服务：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  service sshd restart

4. 切换到hdoop用户，接下来，输入ssh localhost测试一下无密码登录，直接enter就可以，无需密码

![Center 7][]

## 1.4. 安装JAVA环境 ##

[Java][] 环境可选择 [Oracle][] 的 JDK，或是 OpenJDK，现在一般 [Linux][] 系统默认安装的基本是 OpenJDK，如 CentOS 6.4 就默认安装了 OpenJDK 1.7。按 [http://wiki.apache.org/hadoop/HadoopJavaVersions][http_wiki.apache.org_hadoop_HadoopJavaVersions] 中说的，Hadoop 在 OpenJDK 1.7 下运行是没问题的。需要注意的是，CentOS 6.4 中默认安装的只是 Java JRE，而不是 JDK，为了开发方便，我们还是需要通过 yum 进行安装 JDK，安装过程中会让输入 \[y/N\]，输入 y 即可：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  yum install java-1.7.0-openjdk java-1.7.0-openjdk-devel

通过上述命令安装 OpenJDK，默认安装位置为 /usr/lib/jvm/java-1.7.0-openjdk（该路径可以通过执行 rpm -ql java-1.7.0-openjdk-devel | grep '/bin/javac' 命令确定，执行后会输出一个路径，除去路径末尾的 “/bin/javac”，剩下的就是正确的路径了）。OpenJDK 安装后就可以直接使用 java、javac 等命令了。为了方便，我们配置一下环境变量。

设置全局环境变量：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  vim /etc/profile

再最后加入以下语句，设置JAVA\_HOME

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  export JAVA\_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.85.x86\_64  
2.  export PATH=$JAVA\_HOME/bin:$PATH  
3.  export CLASSPATH=.:$JAVA\_HOME/lib/dt.jar:$JAVA\_HOME/lib/tools.jar  
4.    
5.  source /etc/profile  \#使变量生效  
6.  echo $JAVA\_HOME  \#检验设置是否正确

这样我们就可以在任意目录下使用java 、javac命令了。

# 2. 单机模式安装 #

1) 通过xftp将本地hadoop安装包和mds文件发送到服务器/home/hadoop目录下，然后验证tar包的完整性；若文件不完整则这两个值一般差别很大，可以简单对比下前几个字符跟后几个字符是否相等即可，如下图所示，如果两个值不一样，请务必重新下载。

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  **<****span** style="font-size:18px;"**>**cat hadoop-2.6.0.tar.gz.mds | grep 'MD5'  
2.  md5sum hadoop-2.6.0.tar.gz | tr "a-z" "A-Z"**</****span****>**

![Center 8][]

Hadoop下载地址：

[http://archive.apache.org/dist/hadoop/core/][http_archive.apache.org_dist_hadoop_core]

2) 使用root账号，进入/home/hadoop目录下，解压安装文件到/usr/local/hadoop下

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  tar -zxvf hadoop-2.6.0.tar.gz -C /usr/local

3) 修改权限

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  mv hadoop-2.6.0/ hadoop/   \#更改文件夹名称  
2.  chown -R hadoop:hadoop ./hadoop   \#修改权限

4) 验证单机模式是否安装成功，进入/usr/local/hadoop/bin目录下，执行./hadoop -version

![Center 9][]

5) 执行一个小例子

Hadoop 默认模式为非分布式模式，无需进行其他配置即可运行。非分布式即单 Java 进程，方便进行调试。

现在我们可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 可以看到所有例子），包括 wordcount、terasort、join、grep 等。

在此我们选择运行 grep 例子，我们将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs\[a-z.\]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中。

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  cd /usr/local/hadoop  
2.  mkdir ./input  
3.  cp ./etc/hadoop/\*.xml ./input   \# 将配置文件作为输入文件  
4.  ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-\*.jar grep ./input ./output 'dfs\[a-z.\]+'  
5.  cat ./output/\*          \# 查看运行结果

执行过程中报错：

![Center 10][]

这是由于找不到这个主机，是因为我们的主机叫host1，而/etc/hosts文件中并没有这个主机名的映射，添加一下然后再运行上述命令：

![Center 11][]

执行成功后如下所示，输出了作业的相关信息，输出的结果是符合正则的单词 dfsadmin 出现了1次。

![Center 12][]

6) 为了便于Hadoop的操作，我们在为hadoop用户添加环境变量，让用户可以在任何地方执行hadoop命令，我们修改~/.bashrc文件配置，在最后添加以下命令，并且使生效（source ~/.bashrc）：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  export HADOOP\_HOME=/usr/local/hadoop  
2.  export HADOOP\_INSTALL=$HADOOP\_HOME  
3.  export HADOOP\_MAPRED\_HOME=$HADOOP\_HOME  
4.  export HADOOP\_COMMON\_HOME=$HADOOP\_HOME  
5.  export HADOOP\_HDFS\_HOME=$HADOOP\_HOME  
6.  export YARN\_HOME=$HADOOP\_HOME  
7.  export HADOOP\_COMMON\_LIB\_NATIVE\_DIR=$HADOOP\_HOME/lib/native  
8.  export PATH=$PATH:$HADOOP\_HOME/sbin:$HADOOP\_HOME/bin

# 3. 伪分布式安装 #

前提：已经安装完成单机模式。

伪分布式只需要在单机模式的基础上改两个配置文件并且格式化namenode即可。

vim /usr/local/hadoop/etc/hadoop/core-site.xml

(core-site.xml的配置项可以在这里查找：[http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-common/core-default.xml][http_hadoop.apache.org_docs_r2.6.0_hadoop-project-dist_hadoop-common_core-default.xml])

添加如下配置：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  **<****property****>**  
2.      **<****name****>**hadoop.tmp.dir**</****name****>**  
3.      **<****value****>**file:/usr/local/hadoop/tmp**</****value****>**  
4.  **</****property****>**  
5.  **<****property****>**  
6.      **<****name****>**fs.defaultFS**</****name****>**  
7.      **<****value****>**hdfs://host1:9000**</****value****>**  
8.  **</****property****>**

Hdfs-site.xml可以在这里查找（http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml）

![Center 13][]

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  **<****property****>**  
2.          **<****name****>**dfs.replication**</****name****>**  
3.          **<****value****>**1**</****value****>**  
4.      **</****property****>**  
5.      **<****property****>**  
6.          **<****name****>**dfs.namenode.name.dir**</****name****>**  
7.          **<****value****>**file:/usr/local/hadoop/tmp/dfs/name**</****value****>**  
8.      **</****property****>**  
9.      **<****property****>**  
10.         **<****name****>**dfs.datanode.data.dir**</****name****>**  
11.         **<****value****>**file:/usr/local/hadoop/tmp/dfs/data**</****value****>**  
12.     **</****property****>**

![Center 14][]

分别修改/usr/local/hadoop/etc/hadoop下的hadoop-env.sh和yarn-env.sh：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  export JAVA\_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.85.x86\_64  
2.  export HADOOP\_COMMON\_LIB\_NATIVE\_DIR=$HADOOP\_HOME/lib/native  
3.  export HADOOP\_OPTS="-Djava.library.path=$HADOOP\_HOME/lib"

![Center 15][]

格式化namenode：

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  hdfs namenode -format

成功的话，会看到 successfully formatted 的提示，且倒数第5行的提示如下，Exitting with status 0 表示成功，若为 Exitting with status 1 则是出错。若出错，请仔细检查之前步骤。

![Center 16][]

**\[html\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain]

1.  start-dfs.sh   \#启动hdfs

必须看到namenode和datanode都启动了才行！！！！

![Center 17][]

本地的伪分布式环境搭建完成！！！

![Center 18][]

[Hadoop]: http://lib.csdn.net/base/hadoop
[Link 1]: http://lib.csdn.net/base/operatingsystem
[Center]: /images/20220705/5c960b24862d4d98806987e389295d36.png
[Link 2]: http://lib.csdn.net/base/softwaretest
[Center 1]: /images/20220705/30018ae4fdb24b058a87b5a24c5e46b3.png
[Center 2]: /images/20220705/00b060bda3a247429bbf9be153a34916.png
[view plain]: http://blog.csdn.net/zhshulin/article/details/50410403#
[Center 3]: /images/20220705/92f23ed4e96d4c26b1d1a3ced37e412b.png
[Center 4]: /images/20220705/74f993ea02194bc58b7ff1a57b7de511.png
[Center 5]: /images/20220705/915bc526d6c349beb3e249812061b924.png
[Center 6]: /images/20220705/b71b46f53cef460b8bbacb1878166f20.png
[Center 7]: /images/20220705/4995ae88691747a3aaf4c699c577b36a.png
[Java]: http://lib.csdn.net/base/javase
[Oracle]: http://lib.csdn.net/base/oracle
[Linux]: http://lib.csdn.net/base/linux
[http_wiki.apache.org_hadoop_HadoopJavaVersions]: http://wiki.apache.org/hadoop/HadoopJavaVersions
[Center 8]: /images/20220705/f3c3213bc8ba4de58a97bc684fb8d528.png
[http_archive.apache.org_dist_hadoop_core]: http://archive.apache.org/dist/hadoop/core/
[Center 9]: /images/20220705/612ed009bedf41d8840fcd42b29d000e.png
[Center 10]: /images/20220705/4dc3a82d537946309ae50ed05699f102.png
[Center 11]: /images/20220705/82a43da82bdc4d09aefba162bdc21714.png
[Center 12]: /images/20220705/4046dbbc103a417a8d63d7c32e160d0a.png
[http_hadoop.apache.org_docs_r2.6.0_hadoop-project-dist_hadoop-common_core-default.xml]: http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-common/core-default.xml
[Center 13]: /images/20220705/50993ccda50640ceb3b84a445594e770.png
[Center 14]: /images/20220705/f108d14be39a498e93a2d63b217c1885.png
[Center 15]: /images/20220705/7ef52f81a1e44ce2b845d70df364b0c3.png
[Center 16]: /images/20220705/7b7fa2d0df324cd29972995b9d3b8a93.png
[Center 17]: /images/20220705/2ac1a496cc774250987f1697fcdd9d51.png
[Center 18]: /images/20220705/e707b40b5bda4ea3b268a0d0adfceb89.png