Hadoop 伪分布式模式安装

Hadoop简介

Hadoop由Apache基金会开发的分布式系统基础架构，是利用集群对大量数据进行分布式处理和存储的软件框架。用户可以轻松地在Hadoop集群上开发和运行处理海量数据的应用程序。Hadoop有高可靠，高扩展，高效性，高容错等优点。Hadoop 框架最核心的设计就是HDFS和MapReduce。HDFS为海量的数据提供了存储，MapReduce为海量的数据提供了计算。此外，Hadoop还包括了Hive，Hbase，ZooKeeper，Pig，Avro，Sqoop，Flume，Mahout等项目。

Hadoop的运行模式分为3种：本地运行模式，伪分布运行模式，完全分布运行模式。

1. 本地模式（local mode）

   这种运行模式在一台单机上运行，没有HDFS分布式文件系统，而是直接读写本地操作系统中的文件系统。在本地运行模式（local mode）中不存在守护进程，所有进程都运行在一个JVM上。单机模式适用于开发阶段运行MapReduce程序，这也是最少使用的一个模式。

2. 伪分布模式

   这种运行模式是在单台服务器上模拟Hadoop的完全分布模式，单机上的分布式并不是真正的分布式，而是使用线程模拟的分布式。在这个模式中，所有守护进程(NameNode，DataNode，ResourceManager，NodeManager，SecondaryNameNode)都在同一台机器上运行。因为伪分布运行模式的Hadoop集群只有一个节点，所以HDFS中的块复制将限制为单个副本，其secondary-master和slave也都将运行于本地主机。此种模式除了并非真正意义的分布式之外，其程序执行逻辑完全类似于完全分布式，因此，常用于开发人员测试程序的执行。本次实验就是在一台服务器上进行伪分布运行模式的搭建。

3. 完全分布模式

   这种模式通常被用于生产环境，使用N台主机组成一个Hadoop集群，Hadoop守护进程运行在每台主机之上。这里会存在Namenode运行的主机，Datanode运行的主机，以及SecondaryNameNode运行的主机。在完全分布式环境下，主节点和从节点会分开。

实验环境

Linux Ubuntu 14.04

安装步骤

创建一个新用户及用户组

此步为可选项，建议用户创建一个新用户及用户组，后续的操作基本都是在此用户下来操作。但是用户亦可在自己当前非root用户下进行操作。

1. 创建一个用户，名为zhangyu，并为此用户创建home目录，此时会默认创建一个与zhangyu同名的用户组。

   sudo useradd -d /home/zhangyu -m zhangyu
   

2. 为zhangyu用户设置密码

   sudo passwd zhangyu
   

3. 将zhangyu用户的权限，提升到sudo超级用户级别

   sudo usermod -G sudo zhangyu
   

4. 切换到zhangyu用户完成后续操作

   su zhangyu
   

配置SSH免密码登陆

SSH免密码登陆需要在服务器执行以下命令，生成公钥和私钥对

注意：此时会有多处提醒输入在冒号后输入文本，这里主要是要求输入ssh密码以及密码的放置位置。在这里，只需要使用默认值，按回车即可。

ssh-keygen -t rsa

此时ssh公钥和私钥已经生成完毕，且放置在_{/.ssh目录下。切换到}/.ssh目录下；在~/.ssh目录下，创建一个空文本，名为authorized_keys；并将存储公钥文件的id_rsa.pub里的内容，追加到authorized_keys中。

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

下面执行ssh localhost测试ssh配置是否正确（一次使用ssh访问，会提醒是否继续连接 ）

ssh localhost

如果控制台打印出欢迎语句说明ssh免密码登录配置成功，后续再执行ssh localhost时，就不用输入密码了。

Hadoop 的安装

安装前的准备工作

首先创建两个目录：apps和data。两个目录的作用分别为：/apps目录用来存放安装的框架，/data目录用来存放临时数据、HDFS数据、程序代码或脚本。

sudo mkdir /apps
sudo mkdir /data

并为/apps和/data目录切换所属的用户为zhangyu及用户组为zhangyu

sudo chown -R zhangyu:zhangyu /apps
sudo chown -R zhangyu:zhangyu /data

在根目录执行ls -l命令，如果看到根目录下/apps和/data目录所属用户及用户组已切换为zhangyu:zhangyu，说明用户和用户组切换成功。

配置java和Hadoop环境

1. 创建/data/hadoop1目录，用来存放相关安装工具，如jdk安装包jdk-7u75-linux-x64.tar.gz及hadoop安装包hadoop-2.6.0-cdh5.4.5.tar.gz。

   mkdir -p /data/hadoop1
   

2. 切换目录到/data/hadoop1目录，使用wget命令，下载所需的hadoop安装包jdk-7u75-linux-x64.tar.gz及hadoop-2.6.0-cdh5.4.5.tar.gz。

   cd /data/hadoop1
   wget http://59.64.78.41:60000/allfiles/hadoop1/jdk-7u75-linux-x64.tar.gz  
   wget http://59.64.78.41:60000/allfiles/hadoop1/hadoop-2.6.0-cdh5.4.5.tar.gz
   

3. 安装jdk。将/data/hadoop1目录下jdk-7u75-linux-x64.tar.gz 解压缩到/apps目录下。（其中，tar -xzvf 对文件进行解压缩，-C 指定解压后，将文件放到/apps目录下）

   tar -xzvf /data/hadoop1/jdk-7u75-linux-x64.tar.gz -C /apps
   

   切换到/apps目录下， 将jdk1.7.0_75目录重命名为java

   mv /apps/jdk1.7.0_75/  /apps/java
   

   下面来修改环境变量：系统环境变量或用户环境变量。我们在这里修改用户环境变量。 打开存储环境变量的文件( .bashrc )。空几行，将java的环境变量，追加进用户环境变量中。

   # java
   export JAVA_HOME=/apps/java
   export PATH=$JAVA_HOME/bin:$PATH
   

   让环境变量立即生效

   source ~/.bashrc
   

   执行source命令，让java环境变量生效。执行完毕后，可以输入java，来测试环境变量是否配置正确。

4. 安装hadoop，切换到/data/hadoop1目录下，将hadoop-2.6.0-cdh5.4.5.tar.gz解压缩到/apps目录下。

   cd /data/hadoop1  
   tar -xzvf /data/hadoop1/hadoop-2.6.0-cdh5.4.5.tar.gz -C /apps/
   

   为了便于操作，我们也将hadoop-2.6.0-cdh5.4.5重命名为hadoop。

   mv /apps/hadoop-2.6.0-cdh5.4.5/ /apps/hadoop
   

   修改用户环境变量，将hadoop的路径添加到path中。先打开用户环境变量文件（.bashrc）,并将Hadoop的环境变量追加到这个环境变量配置文件中。

   sudo vim ~/.bashrc
   

   # 将下列内容写在.bashrc文件中
   #hadoop  
   export HADOOP_HOME=/apps/hadoop  
   export PATH=$HADOOP_HOME/bin:$PATH
   

   让环境变量立即生效

   source ~/.bashrc
   

   验证hadoop环境变量配置是否正常，如果正常打印出Hadoop的版本信息表明配置正确。

   hadoop version
   

修改Hadoop自身的一些配置

编辑hadoop-env.sh 文件

切换到Hadoop的配置目录下，编辑hadoop-env.sh文件

cd /apps/hadoop/etc/hadoop
vim /apps/hadoop/etc/hadoop/hadoop-env.sh

将下面JAVA_HOME追加到hadoop-env.sh文件中。

export JAVA_HOME=/apps/java

编辑core-site.xml文件

打开core-site.xml配置文件

vim /apps/hadoop/etc/hadoop/core-site.xml

添加下面配置到<configuration>与</configuration>标签之间

<property>  
    <name>hadoop.tmp.dir</name>  
    <value>/data/tmp/hadoop/tmp</value>  
</property>  
<property>  
    <name>fs.defaultFS</name>  
    <value>hdfs://0.0.0.0:9000</value>  
</property>

配置项说明：

• hadoop.tmp.dir，配置hadoop处理过程中，临时文件的存储位置。这里的目录/data/tmp/hadoop/tmp需要提前创建
• fs.defaultFS，配置hadoop HDFS文件系统的地址

编辑hdfs-site,xml文件

打开hdfs-site.xml配置文件

vim /apps/hadoop/etc/hadoop/hdfs-site.xml

添加下面配置到<configuration>与</configuration>标签之间

<property>  
    <name>dfs.namenode.name.dir</name>  
    <value>/data/tmp/hadoop/hdfs/name</value>  
</property>  
 <property>  
     <name>dfs.datanode.data.dir</name>  
     <value>/data/tmp/hadoop/hdfs/data</value>  
 </property>  
 <property>  
     <name>dfs.replication</name>  
     <value>1</value>  
 </property>  
 <property>  
     <name>dfs.permissions.enabled</name>  
     <value>false</value>  
 </property>

配置项说明：

• dfs.namenode.name.dir，配置元数据信息存储位置
• dfs.datanode.data.dir，配置具体数据存储位置
• dfs.replication，配置每个数据库备份数，由于目前我们使用1台节点，所以，设置为1，如果设置为2的话，运行会报错
• dfs.replications.enabled，配置hdfs是否启用权限认证

另外/data/tmp/hadoop/hdfs路径，需要提前创建，所以我们需要执行

mkdir -p /data/tmp/hadoop/hdfs

编辑slaves文件

打开slaves配置文件

vim /apps/hadoop/etc/hadoop/slaves

将集群中slave角色的节点的主机名，添加进slaves文件中。目前只有一台节点，所以slaves文件内容为：

localhost

下面格式化HDFS文件系统 ,执行：

hadoop namenode -format

切换目录到/apps/hadoop/sbin目录下，启动Hadoop的hdfs相关进程

cd /apps/hadoop/sbin/
./start-dfs.sh

在终端中输入jps命令查看HDFS相关进程是否启动，如果出现Datanode,NameNode,SecondaryNameNode,Jps这些字眼，说明HDFS相关进程已经启动。

下面验证HDFS的运行状态

先在HDFS上创建一个目录

hadoop fs -mkdir /myhadoop1

执行下面命令，查看目录是否创建成功

hadoop fs -ls -R /

配置MapReduce

切换到hadoop配置文件目录

cd /apps/hadoop/etc/hadoop

将mapreduce的配置文件mapred-site.xml.template，重命名为mapred-site.xml

mv /apps/hadoop/etc/hadoop/mapred-site.xml.template  /apps/hadoop/etc/hadoop/mapred-site.xml

编辑mapred-site.xml文件

vim /apps/hadoop/etc/hadoop/mapred-site.xml

将mapreduce相关配置，添加到<configuration>标签之间

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

这里指定mapreduce任务处理所使用的框架 --> yarn

编辑yarn-site.xml文件

vim /apps/hadoop/etc/hadoop/yarn-site.xml

将yarn相关配置，添加到<configuration>标签之间

<property>  
    <name>yarn.nodemanager.aux-services</name>  
    <value>mapreduce_shuffle</value>  
</property>

启动yarn

下面来启动计算层面相关进程，切换到hadoop启动目录

cd /apps/hadoop/sbin/

执行命令，启动yarn

./start-yarn.sh

在终端中输入jps命令查看HDFS相关进程是否启动，如果出现Datanode, NameNode,SecondaryNameNode,Jps,ResourceManager,NodeManager这些字眼，说明HDFS相关进程已经启动

测试hadoop的运行

切换到/apps/hadoop/share/hadoop/mapreduce目录下

cd /apps/hadoop/share/hadoop/mapreduce

在该目录下跑一个mapreduce程序，来检测一下hadoop是否能正常运行

hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.4.5.jar pi 3 3

这个程序是计算数学中的pi值。当然暂时先不用考虑数据的准确性。

当程序能计算出Pi的值，说明hadoop已经安装配置完成。