阿里云服务器centos7.3下搭建hadoop伪分布式环境

一、软硬件环境

CentOS 7.2 64位

OpenJDK-1.8.0

Hadoop-2.7

二、安装SSH客户端

安装ssh:

yum install openssh-clients openssh-server

(如果系统中没有yum命令使用 sudo apt install yum安装 如有lock问题参看如下解决方法)

当我的Ubuntu  install某个东西时，给出下面提示
E: Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource temporarly unavailable)
E: Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend), is an other process using it?
删除锁定文件，行了
sudo rm /var/lib/dpkg/lock-frontend       
sudo rm /var/lib/dpkg/lock

安装完成后，使用以下命令测试：

①查看是否安装成功：

rpm -qa | grep ssh

②启动SSH服务。

 

重启SSH服务。

systemctl restart  sshd 

　　命令：systemctl start sshd 启动服务 |  命令：systemctl stop sshd 停止服务 

　　重启后可输入：netstat -antp | grep sshd 查看是否启动22端口（可略）。

　　ssh localhost

输入 root 账户的密码，如果可以正常登录，则说明SSH安装没有问题。

配置SSH免key登陆 

hadoop是一个分布式系统,节点间通过ssh通信,为了避免在连接过程中人工输入密码,需要进行ssh免key登陆的配置,由于本例是在单机上模拟分布式过程,因此需要针对本机(localhost)进行免key登陆的配置。 依此输入如下命令进行配置: 

ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa 

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 

chmod 0600 ~/.ssh/authorized_keys 

完成后尝试用SSH连接本机,如果不需要输入密码就能登陆,说明配置成功: ssh localhost 
结果显示：

 

三、配置Java环境

安装jdk

使用 yum 来安装1.8版本 OpenJDK：

yum install java-1.8.0-openjdk java-1.8.0-openjdk-devel

（如果之前已经安装了jdk，可以通过which java找到安装的路径,我之前已经安装好了）

安装完成后，键入java和javac,如果能输出对应的命令帮助，则表明jdk已正确安装。

配置java环境变量

执行命令：

 vim ~/.bashrc

在结尾追加：（jvm中java-1.8.0.？？？具体是多少自己看一下可能版本换了）

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.252.b09-2.el7_8.x86_64

保存文件后执行下面命令使 JAVA_HOME 环境变量生效:

source ~/.bashrc

为了检测系统中java环境是否已经正确配置并生效，可以分别执行以下命令：

java -version

$JAVA_HOME/bin/java -version

若两条命令输出的结果一致，且都为我们前面安装的 openjdk-1.8.0 的版本，则表明 JDK 环境已经正确安装并配置。

四.安装hadoop

下载 Hadoop

本教程使用 hadoop-2.7 版本，使用 wget 工具在线下载

wget http://archive.apache.org/dist/hadoop/core/hadoop-2.7.5/hadoop-2.7.5.tar.gz

（这种下载方式可能比较慢）

 建议从别处（百度云或者其他镜像）下载好了拷贝过来

安装 Hadoop

将 Hadoop 安装到 /usr/local 目录下:

tar -zxf hadoop-2.7.5.tar.gz -C /usr/local

　

对安装的目录进行重命名，便于后续操作方便:

mv ./hadoop-2.7.5/ ./hadoop

提示No such file or directory：需要先切换到local路径下再执行

在hadoop中配置环境变量

检查Hadoop是否已经正确安装:

/usr/local/hadoop/bin/hadoop version

Error：

JAVA_HOME is not set and could not be found.

echo $java_home 为空

注意区分大小写：echo $JAVA_HOME即可输出正确路径

 

如果成功输出hadoop的版本信息，表明hadoop已经成功安装。

五.hadoop伪分布式环境配置

（1）设置 Hadoop 的环境变量

编辑 ~/.bashrc，在结尾追加如下内容：

vim  ~/.bashrc

　　

export HADOOP_HOME=/usr/local/hadoop

export HADOOP_INSTALL=$HADOOP_HOME

export HADOOP_MAPRED_HOME=$HADOOP_HOME

export HADOOP_COMMON_HOME=$HADOOP_HOME

export HADOOP_HDFS_HOME=$HADOOP_HOME

export YARN_HOME=$HADOOP_HOME

exportHADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

 使Hadoop环境变量配置生效:

source ~/.bashrc

修改 Hadoop 的配置文件

Hadoop的配置文件位于安装目录的 /etc/hadoop目录下，在本教程中即位于 /usr/local/hadoop/etc/hadoop 目录下，需要修改的配置文件为如下两个:

/usr/local/hadoop/etc/hadoop/hdfs-site.xml

　　

（2）编辑core-site.xml，修改<configuration></configuration>节点的内容为如下所示：

<configuration>
	<property>
		<name>hadoop.tmp.dir</name>
		<value>file:/usr/local/hadoop/tmp</value>
		<description>location to store temporary files</description>
	</property>
	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://localhost:9000</value>
	</property>
</configuration>

　　

（3）配置HDFS文件，编辑 hdfs-site.xml，修改<configuration></configuration>节点的内容为如下所示：

<configuration>
　　　　//设置HDFS文件副本数
	<property>
		<name>dfs.replication</name>
		<value>1</value>
	</property>
　　　　//设置HDFS元数据文件存放路径
	<property>
		<name>dfs.namenode.name.dir</name>
		<value>file:/usr/local/hadoop/tmp/dfs/name</value>
	</property>
	<property>
		<name>dfs.datanode.data.dir</name>
		<value>file:/usr/local/hodoop/tmp/dfs/data</value>
	</property>
　　　　//设置其他用户执行操作是会提醒没有权限的问题
　　　　<property>
　　　　　　<name>dfs.permissions</name>
　　　　　　<value>false</value>
　　　　</property>

</configuration>

（4）（5）的xml位置没找到，未进行配置

（4）配置MapReduce文件mapred-site.xml

<property>
<name>mapreduce.framework</name>
<value>yarn</value>
</property>

（5）配置YARN文件yarn-site.xml

<property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

(6)从节点配置文件slaves

hadoop000 

格式化NameNode:

/usr/local/hadoop/bin/hdfs namenode -format

　　

输出以下信息表示格式化成功：

 启动NameNode和DataNode进程：

/usr/local/hadoop/sbin/start-dfs.sh

执行过程中会提示输入用户密码，输入 root 用户密码即可。另外，启动时ssh会显示警告提示是否继续连接，输入 yes 即可

检查NameNode和DateNode是否正常启动。

jps

如果NameNode和DataNode已经正常启动，会显示NameNode、DataNode和SecondaryNameNode的进程信息:

如果jps命令后只显示jps的进程无其余三个进程信息，处理措施：

 检查xml文件修改的是否正确

六、运行伪分布式实例

查看Hadoop自带的例子

Hadoop附带了丰富的例子，执行以下命令查看：

cd /usr/local/hadoop

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar

　　

在HDFS中创建用户目录hadoop：

准备实验数据

本教程中，我们将以 Hadoop 所有的 xml 配置文件作为输入数据来完成实验。执行下面命令在 HDFS 中新建一个 input 文件夹并将 hadoop 配置文件上传到该文件夹下：

/usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop

此时会出现警告：

 原因：

Apache提供的hadoop本地库是32位的，而在64位的服务器上就会有问题，因此需要自己编译64位的版本。

1、首先找到对应自己hadoop版本的64位的lib包，可以自己手动去编译，但比较麻烦，也可以去网上找，好多都有已经编译好了的。

2、可以去网站：http://dl.bintray.com/sequenceiq/sequenceiq-bin/ 下载对应的编译版本

3、将准备好的64位的lib包解压到已经安装好的hadoop安装目录的lib/native 和 lib目录下：

下载hadoop版本2.7.5对应的64位的lib包：

[root@izwz963wlhi02sl69o3i1dz hadoop]# 

wget http://dl.bintray.com/sequenceiq/sequenceiq-bin/hadoop-native-64-2.7.0.tar

解压到已经安装好的hadoop安装目录的lib/native 和 lib目录下：

[root@izwz963wlhi02sl69o3i1dz hadoop]# tar -xvfhadoop-native-64-2.7.0.tar -C /usr/local/hadoop/lib/native

[root@izwz963wlhi02sl69o3i1dz hadoop]# tar -xvfhadoop-native-64-2.7.0.tar -C /usr/local/hadoop/lib

　　

4、添加环境变量

[root@izwz963wlhi02sl69o3i1dz hadoop]# vim /etc/profile

　　

5、添加以下内容

export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

　　

6、让环境变量生效

[root@izwz963wlhi02sl69o3i1dz hadoop]# source /etc/profile 

source 后边有空格

　　

7、自检hadoop checknative –a 指令检查

再次在HDFS 中创建用户目录 hadoop：

/usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop

不再出现警告。

准备实验数据

本教程中，我们将以 Hadoop 所有的 xml 配置文件作为输入数据来完成实验。执行下面命令在 HDFS 中新建一个 input 文件夹并将 hadoop 配置文件上传到该文件夹下：

[root@izwz963wlhi02sl69o3i1dz hadoop]# cd /usr/local/hadoop

[root@izwz963wlhi02sl69o3i1dz hadoop]# ./bin/hdfs dfs -mkdir /user/hadoop/input

[root@izwz963wlhi02sl69o3i1dz hadoop]# ./bin/hdfs dfs -put ./etc/hadoop/*.xml /user/hadoop/input

使用下面命令可以查看刚刚上传到 HDFS 的文件:

/usr/local/hadoop/bin/hdfs dfs -ls /user/hadoop/input

运行实验：

[root@izwz963wlhi02sl69o3i1dz hadoop]# cd /usr/local/hadoop

[root@izwz963wlhi02sl69o3i1dz hadoop]# ./bin/hadoopjar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar grep/user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'

[root@izwz963wlhi02sl69o3i1dz hadoop]# cd/usr/local/hadoop

[root@izwz963wlhi02sl69o3i1dz hadoop]# ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar grep /user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'

上述命令以 HDFS 文件系统中的 input 为输入数据来运行 Hadoop 自带的 grep 程序，提取其中符合正则表达式 dfs[a-z.]+ 的数据并进行次数统计，将结果输出到 HDFS 文件系统的 output 文件夹下。

查看运行结果

上述例子完成后的结果保存在 HDFS 中，通过下面命令查看结果:

红色圈出的部分是运行成功的结果：

/usr/local/hadoop/bin/hdfs dfs -cat /user/hadoop/output/*

　　

删除HDFS 中的结果目录:

/usr/local/hadoop/bin/hdfs dfs -rm -r /user/hadoop/output

　　

 

运行Hadoop 程序时，为了防止覆盖结果，程序指定的输出目录不能存在，否则会提示错误，因此在下次运行前需要先删除输出目录。

 （一）HDFS操作

关闭Hadoop进程：

/usr/local/hadoop/sbin/stop-dfs.sh

 再次启动Hadoop进程的命令：

①一次性启动所有进程：

[root@izwz963wlhi02sl69o3i1dz hadoop]#/usr/local/hadoop/sbin/start-dfs.sh

②单独启动某个进程

hadoop-daemon.sh start namenode/datanode/secondarynode

　七、部署完成

参考：

官方文档

https://blog.csdn.net/feng_zhiyu/article/details/81018869