Hadoop从0开始 (安装配置:转) (一)

之前一直在找安装教程 都是0.20版本的 弄了好久没有弄出来..我下载的是0.23.11

后来发现是新版跟旧版有很大的不同.官方文档都不更新简直是丧心病狂..

今天终于找到新版的安装配置方法.多次失败后自己理解并修改了一些步骤添加了一些细节说明。分享出来.

安装环境：

1. 系统：Ubuntu 14   64bit
2. hadoop：0.23.11  
3. jdk：1.8.0_11

安装步骤：

一.安装JDK

安装 jdk，并且配置环境以及设置成默认

检查jdk是否正确安装和配置

在主目录下执行java -version

如果出现下面类似结果则ok

?

hadoop@hanson-ThinkPad-Edge:/opt/hadoop$ java  -version

java version "1.8.0_11"

Java(TM) SE Runtime Environment (build 1.8.0_11-b12)

Java HotSpot(TM) 64-Bit Server VM (build 25.11-b03, mixed mode)

 记得系统中java_home也要设置好

二.安装hadoop

1.下载:

http://mirror.bit.edu.cn/apache/hadoop/common/

选择你要的版本。我选择的是最新的 0.23.11

hadoop是32位的如果是64位系统最好使用源码安装

不然之后也要重新编译64位库 很麻烦

2.安装

ubuntu下解压然后改名为hadoop方便敲命令

再移动到 /opt/下  用sudo mv

 现在hadoop的目录即  /opt/hadoop

以后的命令我都是按这个位置来。

 三.安装ssh server

 这个是ssh的服务

sudo apt-get install openssh-server

 四.添加hadoop用户

为了方便hadoop的管理，最好添加一个单独的用户来管理hadoop，例如添加hadoop用户

执行以下命令

sudo adduser hadoop

然后会提示输入密码，设置好密码就可以了

这时候只要执行

su hadoop

输入密码后就可以切换到hadoop用户下

注：

为了使hadoop帐号下能够sudo，在 /etc/sudousers 里

sudo    ALL=(ALL:ALL) ALL的后面添加
hadoop   ALL=(ALL:ALL) ALL

 五.配置本机ssh无密码登录

hadoop@hanson-ThinkPad-Edge:~$ ssh-keygen -t rsa 
ssh-keygen -t rsa命令会在当前目录下产生一个隐藏.ssh文件夹，以参数 rsa （或者 dsa） 方式在里面产生公钥和密钥，名称为  id_rsa.pub 和id_rsa ，可以把公钥给别的计算机来无密码登录你电脑，相当于通行证。

hadoop@hanson-ThinkPad-Edge:~$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

authorized_keys便是存放别人的公钥的地方。这个命令就是复制到里面。

测试：

hadoop@hanson-ThinkPad-Edge:~$ ssh localhost
Welcome to Ubuntu 14.04.1 LTS (GNU/Linux 3.13.0-32-generic x86_64)

 * Documentation:  https://help.ubuntu.com/

Last login: Wed Aug 13 11:25:32 2014 from localhost

 六.配置Hadoop

chmod -R 777 /opt/hadoop

改变hadoop的权限，使所有人可读可写。

su hadoop

切换到hadoop用户

1. 配置jdk及hadoop环境变量

在~/.bashrc文件里追加（只有当前用户可以使用的配置，切记切换到hadoop）

下面所有因安装而异的配置在我会用粗体标注。

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_11
export JRE_HOME=${JAVA_HOME}/jre
export HADOOP_HOME=/opt/hadoop
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$HADOOP_HOME/bin:$PATH
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop

2. Hadoop文件配置

hadoop@hanson-ThinkPad-Edge:~$ cd /opt/hadoop/etc/hadoop/

hadoop@hanson-ThinkPad-Edge:/opt/hadoop/etc/hadoop$ vi yarn-env.sh

追加以下配置 （下面所有因安装而异的配置在我会用粗体标注。）

export HADOOP_FREFIX=/opt/hadoop
export HADOOP_COMMON_HOME=${HADOOP_FREFIX}
export HADOOP_HDFS_HOME=${HADOOP_FREFIX}
export PATH=$PATH:$HADOOP_FREFIX/bin
export PATH=$PATH:$HADOOP_FREFIX/sbin
export HADOOP_MAPRED_HOME=${HADOOP_FREFIX}
export YARN_HOME=${HADOOP_FREFIX}
export HADOOP_CONF_HOME=${HADOOP_FREFIX}/etc/hadoop
export YARN_CONF_DIR=${HADOOP_FREFIX}/etc/hadoop

下面在 /opt/hadoop/etc/hadoop/ 目录下进行一系列配置（这些文件的模板都在template里面，学到深入的时候再分享。我后面遇到的问题也与此有关。）

vi core-site.xml

?

<configuration>

<property> 

  

    <name>fs.defaultFS</name> 

  

    <value>hdfs://localhost:9000</value> 

  

  </property>

  

  <property>  

  

    <name>hadoop.tmp.dir</name> 

  

    <value>/opt/hadoop/hadoop-root</value> 

  

  </property> 

  

<property>

  

  <name>fs.arionfs.impl</name>

  

  <value>org.apache.hadoop.fs.pvfs2.Pvfs2FileSystem</value>

  

  <description>The FileSystem for arionfs.</description>

  

</property> 

</configuration>

 注意下面配置中的地址，也与安装路径有关。

vi hdfs-site.xml

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

<configuration>  <property>        <name>dfs.namenode.name.dir</name>        <value>file:/opt/hadoop/data/dfs/name</value>        <final>true</final>        </property>        <property>        <name>dfs.namenode.data.dir</name>        <value>file:/opt/hadoop/data/dfs/data</value>        <final>true</final>        </property>        <property>          <name>dfs.replication</name>        <value>1</value>        </property>        <property>        <name>dfs.permission</name>        <value>false</value>        </property> </configuration>

vi mapred-site.xml 这个是新文件

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92

<configuration> <property>        <name>mapreduce.framework.name</name>        <value>yarn</value>        </property>        <property>        <name>mapreduce.job.tracker</name>        <value>hdfs://localhost:9001</value>        <final>true</final>        </property>        <property>        <name>mapreduce.map.memory.mb</name>        <value>1536</value>        </property>        <property>        <name>mapreduce.map.java.opts</name>        <value>-Xmx1024M</value>        </property>        <property>        <name>mapreduce.reduce.memory.mb</name>        <value>3072</value>        </property>        <property>        <name>mapreduce.reduce.java.opts</name>        <value>-Xmx2560M</value>        </property>        <property>        <name>mapreduce.task.io.sort.mb</name>        <value>512</value>        </property>  <property>        <name>mapreduce.task.io.sort.factor</name>        <value>100</value>        </property>            <property>        <name>mapreduce.reduce.shuffle.parallelcopies</name>        <value>50</value>        </property>        <property>        <name>mapreduce.system.dir</name>        <value>file:/opt/hadoop/data/mapred/system</value>        </property>        <property>        <name>mapreduce.local.dir</name>        <value>file:/opt/hadoop/data/mapred/local</value>        <final>true</final>        </property> </configuration>

 vi yarn-site.xml

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82

<configuration>    <!-- Site specific YARN configuration properties --> <property>         <name>yarn.nodemanager.aux-services</name>         <value>mapreduce.shuffle</value>       </property>       <property>         <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>         <value>org.apache.hadoop.mapred.ShuffleHandler</value>       </property>       <property>         <name>mapreduce.framework.name</name>         <value>yarn</value>       </property>       <property>         <name>user.name</name>         <value>hadoop</value>       </property>       <property>         <name>yarn.resourcemanager.address</name>         <value>localhost:54311</value>       </property>       <property>         <name>yarn.resourcemanager.scheduler.address</name>         <value>localhost:54312</value>       </property>  <property>         <name>yarn.resourcemanager.webapp.address</name>         <value>localhost:54313</value>       </property>       <property>         <name>yarn.resourcemanager.resource-tracker.address</name>         <value>localhost:54314</value>       </property>       <property>         <name>yarn.web-proxy.address</name>         <value>localhost:54315</value>       </property>       <property>         <name>mapred.job.tracker</name>         <value>localhost</value>       </property> </configuration>

 配置完成.

七.启动并运行wordcount程序

1. 格式化namenode. 进入 /opt/hadoop/

键入 bin/hadoop namenode -format 

切记若多次格式化，请先清空hdfs-site.xml中dfs.namenode.*.dir设置的文件路径里的文件。不然会冲突。不要把文件夹删了。

2. 启动

于/opt/hadoop/sbin

$ ./start-dfs.sh 

$../start-yarn.sh

 4.检查启动是否成功

hadoop@hanson-ThinkPad-Edge:/opt/hadoop/sbin$ jps 

5036 DataNode 

5246 SecondaryNameNode 

5543 NodeManager 

5369 ResourceManager 

4852 NameNode 

5816 Jps 

 全部存在就成功了。

 5.试着运行wordcount

1)构造输入数据

新建一个文本文件

比如在 ～ 目录下的test.txt中输入一系列字母

hadoop@hanson-ThinkPad-Edge:/opt/hadoop$ cat ~/test.txt
a c b a b d f f e b a c c d g i s a b c d e a b f g e i k m m n a b d g h i j a k j e

记得打空格。这个示例是用来统计单词数量的，不打空格它就只统计一个了。

 2)上传到hdfs

hadoop@hanson-ThinkPad-Edge:/opt/hadoop$  hadoop fs -mkdir /test  （在hdfs中创建一个新文件夹）
hadoop@hanson-ThinkPad-Edge:/opt/hadoop$  hadoop fs -copyFromLocal ~/test.txt /test   (这个指令就是从本地复制到hdfs中)
hadoop@hanson-ThinkPad-Edge:/opt/hadoop$ hadoop fs -ls  /test （查看test中的文件）
Found 1 items
-rw-r--r--   1 hadoop supergroup         86 2013-04-18 07:47 /test/test.txt

3)执行程序

注意版本号。

hadoop@hanson-ThinkPad-Edge:/opt/hadoop$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-0.23.11.jar wordcount /test/test.txt /test/out                

#其中/test/out 为输出目录

4)查看结果

hadoop@hanson-ThinkPad-Edge:/opt/hadoop$ hadoop fs -ls /test
Found 2 items
drwxr-xr-x   - hadoop supergroup          0 2014-08-13 11:42 /test/out
-rw-r--r--   1 hadoop supergroup         86 2014-08-13 13:50 /test/test.txt

hadoop@ubuntu:/opt/hadoop$ hadoop fs -ls /test/out
Found 2 items
-rw-r--r--   1 hadoop supergroup          0 2014-08-13 13:53 /test/out/_SUCCESS
-rw-r--r--   1 hadoop supergroup         76 2014-08-13 13:53 /test/out/part-r-00000

hadoop@ubuntu:/opt/hadoop$ hadoop fs -cat /test/out/part-r-00000
14/08/13 13:55:24 INFO util.NativeCodeLoader: Loaded the native-hadoop library
a    7
b    6
c    4
d    4
e    4
f    3
g    3
h    1
i    3
j    2
k    2
m    2
n    1
s    1

 最后记得

$ ./stop-dfs.sh

$ ./stop-yarn.sh

--------------------

下面说一下我所遇到的问题！

1.第一个错误是碰到说找不到加载类namenode

解决过程: 经过查找发现是xml配置文件写错了 多了一个符号 删去后好了

2.第二个碰到的问题就是datanode始终无法启动

解决过程:经过查找logs目录下的datanode启动的记录

发现抛出 IOException ，大概是 Incompatible clusterIDs  。也就是clusterIDs 有矛盾。最后找到原因是由于总是配置不好，我进行了多次的格式化。所以才会冲突

切记若多次格式化，请先清空hdfs-site.xml中dfs.namenode.*.dir设置的文件路径里的文件。不然会冲突。不要把文件夹删了。

于是有了上面这句忠告。

3.第三个碰到的问题是在最后一步查看输出文档时。结果之前提示如下。

Java HotSpot(TM) 64-Bit Server VM warning: You have loaded library /opt/hadoop/lib/native/libhadoop.so.1.0.0 which might have disabled stack guard. The VM will try to fix the stack guard now.
It's highly recommended that you fix the library with 'execstack -c <libfile>', or link it with '-z noexecstack'.
14/08/13 13:55:24 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
大概就是说我本地库无法加载。

解决方法：查找到原因是因为hadoop用的是32位的库而系统是64位的。

想消除这个warning需要编译一个64位的库。或者一开始就用源码安装。心累。于是去官网下载了 src  （http://mirror.bit.edu.cn/apache/hadoop/common/）

另外还需要安装 maven 和 CMake 还有protobuf （过程略）

最后进入源码目录 敲下 mvn package -Pdist,native -DskipTests 编译

结果出现了另外的问题，报出Error提示不准使用自关闭元素  <p/> 于是我去源码里把所有的<p/>删除了 （不知道是标准改变的原因还是什么）

之后还出现了各种各样的问题。。一般是缺少某个项目造成的 比如  protobuf  这个也得下 过程略。

4.使用hadoop dfsadmin -report 类似的操作时 提示：

DEPRECATED: Use of this script to execute hdfs command is deprecated.
Instead use the hdfs command for it.

解释：新版这样的命令已经由hadoop变成了hdfs

 ----------------------------------------

其他经验：

1.hadoop 命令设置(原始命令过长使用别名简化命令):在~/.bashrc 中添加如下:
#alias for hadoop
alias hls='hadoop fs -ls'
alias hlsr='hadoop fs -lsr'
alias hcp='hadoop fs -cp '
alias hmv='hadoop fs -mv'
alias hget='hadoop fs -get'
alias hput='hadoop fs -put'
alias hrm='hadoop fs -rm'
alias hmkdir='hadoop fs -mkdir'
alias hcat='hadoop fs -cat'
alias hrmr='hadoop fs -rmr'
alias hstat='hadoop fs -stat'
alias htest='hadoop fs -test'
alias htext='hadoop fs -text'
alias htouchz='hadoop fs -touchz'
alias hdu='hadoop fs -du'
alias hdus='hadoop fs -dus'
alias hchmod='hadoop fs -chmod'
alias hchgrp='hadoop fs -chgrp'
alias hchown='hadoop fs -chown'
alias htail='hadoop fs -tail'
alias hjar='hadoop jar'

以后就可以使用这些简化命令来代替了。