ubuntu安装伪分布式Hadoop3.1.2

本文是基于已经安装好的ubuntu环境上搭建伪分布式hadoop，在virtualbox安装ubuntu可以参考小编的

”virtualbox安装ubuntu16.04 LTS及其配置“

一、Hadoop的三种运行模式（启动模式）

1.1、单机模式（独立模式）（Local或Standalone  Mode）

　　-默认情况下，Hadoop即处于该模式，用于开发和调式。

　　-不对配置文件进行修改。
　　-使用本地文件系统，而不是分布式文件系统。
　　-Hadoop不会启动NameNode、DataNode、JobTracker、TaskTracker等守护进程，Map()和Reduce()任务作为同一个进程的不同部分来执行的。
　　-用于对MapReduce程序的逻辑进行调试，确保程序的正确。

1.2、伪分布式模式（Pseudo-Distrubuted Mode）

　　-Hadoop的守护进程运行在本机机器，模拟一个小规模的集群　

　　-在一台主机模拟多主机。
　　-Hadoop启动NameNode、DataNode、JobTracker、TaskTracker这些守护进程都在同一台机器上运行，是相互独立的Java进程。
　　-在这种模式下，Hadoop使用的是分布式文件系统，各个作业也是由JobTraker服务，来管理的独立进程。在单机模式之上增加了代码调试功能，允许检查内存使用情况，HDFS输入输出，

　　　　以及其他的守护进程交互。类似于完全分布式模式，因此，这种模式常用来开发测试Hadoop程序的执行是否正确。
　　-修改3个配置文件：core-site.xml（Hadoop集群的特性，作用于全部进程及客户端）、hdfs-site.xml（配置HDFS集群的工作属性）、mapred-site.xml（配置MapReduce集群的属性）
　　-格式化文件系统

1.3、全分布式集群模式（Full-Distributed Mode）

　　-Hadoop的守护进程运行在一个集群上　

　　-Hadoop的守护进程运行在由多台主机搭建的集群上，是真正的生产环境。
　　-在所有的主机上安装JDK和Hadoop，组成相互连通的网络。
　　-在主机间设置SSH免密码登录，把各从节点生成的公钥添加到主节点的信任列表。
　　-修改3个配置文件：core-site.xml、hdfs-site.xml、mapred-site.xml，指定NameNode和JobTraker的位置和端口，设置文件的副本等参数
　　-格式化文件系统

 

二、准备系统环境

2.1、运行虚拟机，进行静态网络配置：

　　在终端上输入ifconfig -a命令查看网卡名，我的主机有三个网络接口，分别是enp0s3(桥接网卡)，enp0s8(NAT)，lo(动态获取ip)

# ifconfig -a

　　对/etc/network/interfaces文件进行编辑，以下是在终端上执行的命令：

sudo vim /etc/network/interfaces

　　上图是ubuntu的/etc/network/interfaces文件默认的内容，默认动态获取方法的配置。

　　但是在业务上需要给ubuntu主机配置静态ip网络，在这里我只对enp0s3进行修改，以下是静态分配的配置方法（根据自己的需求改）：

auto enp0s3
iface enp0s3 inet static
address 192.168.87.138
netmask 255.255.255.0
gateway 192.168.87.254

　　接下来需要添加域名服务器，编辑/etc/resolv.conf文件，添加域名服务器，在这里我选择了全球通用的DNS域名服务器，国内用户推荐使用，速度较快！

sudo vim /etc/resolv.conf

nameserver 114.114.114.114
或者
nameserver 8.8.8.8

　　配置已经完成了，接下来需要重启网络，网络重启有多种方法，在这里只列出两种方法，二选一即可。

　　1. 重启网卡

/etc/init.d/networking restart

　　2. 这两条命令是重启某个网络接口，一个系统可能有多个网络接口

# ifdown enp0s3
# ifup enp0s3

　　检查网络配置参数是否正确：

# ifconfig

 　　检查是否能ping通：

ping www.qq.com

 　　已成功ping通，静态网络已配置好了。

2.2、修改主机名与IP地址的对应关系

　　查看主机名：

# hostname

　　修改/etc/hosts文件：

# vim /etc/hosts

　　

　　/etc/hosts文件默认是上图所示，修改文件为以下内容，注释127.0.1.1，添加主机静态地址与主机名：

2.3、配置本机ssh免密码登录

　　单机配置ssh免密登陆的话，输入以下的命令即可：

　　提示输入信息，一直回车按默认即可。

# ssh-keygen -t rsa
# cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
# chmod 600 ~/.ssh/authorized_keys

　　

　　完成之后，以 root 用户登录，修改 ssh 配置文件：

vim /etc/ssh/sshd_config

　　把文件中的下面几条信息的注释去掉，如图所示：

RSAAuthentication yes # 启用RSA认证
PubkeyAuthentication yes # 启用公钥私钥配对认证方式
AuthorizedKeysFile .ssh/authorized_keys #公钥文件路径（和上面生成的文件同）

　　然后重启服务：

# service sshd restart

　

　　输入ssh localhost验证出现如下界面，中间不需要输入密码，即配置完成。

# ssh localhost

2.4、 安装Oracle Java，并配置环境变量

　　1. 从官网下载oracle jdk1.8

　　2. 解压tar包，指定解压/usr/local/目录

# tar -zxvf jdk-8u211-linux-x64.tar.gz -C /usr/local/

　　3. 配置环境变量

# vim /etc/profile

　　然后添加以下配置在文件尾：

export JAVA_HOME=/usr/local/jdk1.8.0_211
export PATH=$PATH:$JAVA_HOME/bin
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib

　　保存退出即可。

　　4. 测试jdk配置成功否

　　刷新环境变量：

# source /etc/profile

　　输入java -verion，如配置成功，有下图的java版本在终端上显示：

　　到此，hadoop需要的系统环境已经搭建完毕了，接下来开始搭建伪分布式hadoop集群~

三、搭建伪分布式hadoop集群

3.1 安装hadoop

　　从官网下载hadoop3.1.2，解压hadoop安装包到/usr/local/目录下：

# tar -zxvf hadoop-3.1.2.tar.gz -C /usr/local　　

　　在环境变量配置hadoop:

# vim /etc/profile

　　然后添加以下配置在文件尾：

export HADOOP_HOME=/usr/local/hadoop-3.1.2
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_HDFS_HOME=/usr/local/hadoop-3.1.2
export HADOOP_CONF_DIR=/usr/local/hadoop-3.1.2/etc/hadoop

　　使用source /etc/profile刷新环境变量后，用hadoop version命令测试是否安装成功：

# source /etc/profile
# hadoop version

3.2 伪分布式hadoop配置

　　hadoop的配置文件统一放在$HADOOP_HOME/etc/hadoop目录下，在这里我们只需要修改5个文件，分别是hadoop-env.sh，core-site.xml，mapred-site.xml，yarn-site.xml，yarn-site.xml。

　　1. hadoop-env.sh

　　在文件中修改如下：

export JAVA_HOME=/usr/local/jdk1.8.0_211
export HADOOP_HOME=/usr/local/hadoop-3.1.2

　　2. core-site.xml

<configuration>
　　<property>
   　　 <name>fs.defaultFS</name>
   　　 <value>hdfs://localhost:9000/</value>
　　</property>

　　  <property>
　　　　　 <name>hadoop.tmp.dir</name>
　　　　　 <value>/usr/local/hadoop/data/</value>
　　  </property>

　　  <property>
　　　　　　<name>fs.checkpoint.dir</name>
　　　　　　<value>file:///usr/local/hadoop/data/dfs/namesecondary</value>
　　　</property>

</configuration>

　　3. hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.http.address</name>
        <value>luengmingbiao:50070</value>
    </property>
　　 <property> 
　　　　 <name>dfs.namenode.name.dir</name> 
　　　　 <value>file:///usr/local/hadoop/data/dfs/name</value> 
    </property>
    <property>
　　　　 <name>dfs.datanode.data.dir</name> 
　　　　 <value>file:///usr/local/hadoop/data/dfs/data</value> 
　　 </property>

</configuration>

　　4. mapred-site.xml

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

　　5. yarn-site.xml

<configuraion>
　　<property>
　　　　<name>yarn.resourcemanager.hostname</name>
　　　　<value>luengmingbiao</value>
　　</property>
　　<property>
　　　　<name>yarn.nodemanager.aux-services</name>
　　　　<value>mapreduce_shuffle</value>
　　</property>
　　<property>
        <name>yarn.application.classpath</name>
  　　　　<value>/usr/local/hadoop-3.1.2/etc/hadoop:/usr/local/hadoop-3.1.2/share/hadoop/common/lib/*:/usr/local/hadoop-3.1.2/share/hadoop/common/*:/usr/local/hadoop-3.1.2/share/hadoop/hdfs:/usr/local/hadoop-3.1.2/share/hadoop/hdfs/lib/*:/usr/local/hadoop-3.1.2/share/hadoop/hdfs/*:/usr/local/hadoop-3.1.2/share/hadoop/mapreduce/lib/*:/usr/local/hadoop-3.1.2/share/hadoop/mapreduce/*:/usr/local/hadoop-3.1.2/share/hadoop/yarn:/usr/local/hadoop-3.1.2/share/hadoop/yarn/lib/*:/usr/local/hadoop-3.1.2/share/hadoop/yarn/*</value>
　　</property>
</configuraion>

注： “yarn.application.classpath“可以通过在终端上输入如下命令获取：

# hadoop classpath

　　对hdfs（Hadoop Distributed File System）进行格式化，hdfs是用来存储数据的分布式文件系统。

# hdfs namenode -format

　　出现上述图所示，代表成功格式化。

　　Hadoop3.x以上版本在启动上有一个坑，不添加以下配置启动进程的时候会报以下的错并打印到终端上：

　　解决方案(可以只针对ERROR出现的变量进行定义，如果不行再配置全部)：

# vim $HADOOP_HOME/sbin/start-dfs.sh

# vim $HADOOP_HOME/sbin/stop-dfs.sh

# vim $HADOOP_HOME/sbin/start-yarn.sh

 

# vim $HADOOP_HOME/sbin/stop-yarn.sh

3.3 启动Hadoop

　　1. 启动HDFS

# hdfs --daemon start namenode    
# hdfs --daemon start datanode   
# hdfs --daemon start secondarynamenode

　　或

# start-dfs.sh

　　2. 启动YARN集群

# yarn --daemon start resourcemanager
# yarn --daemon start nodemanager

　　或

# start-yarn.sh

　　3. jps命令查看是否启动成功

　　4. HDFS和YARN集群都有默认的Web可视化页面

　　　　HDFS： http://主机ip:50070

　　　　YARN：http://主机ip:8088

 3.4 测试Hadoop

　　建立测试文件：

# vim test.txt

　　然后输入如下数据：

hello hadoop
hello World
Hello Java
Hey man
i am a programmer

　　将测试文件放到测试目录中：

# hdfs dfs -mkdir hdfs:///hadoop
# hdfs dfs -mkdir hdfs:///hadoop/input
# hdfs dfs -put ./test.txt hdfs:///hadoop/input

　　执行hadoop自带的wordcount程序：

# hadoop jar /usr/local/hadoop-3.1.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.2.jar wordcount hdfs:///hadoop/input hdfs:///output

　　然后在命令行输入 hdfs dfs -cat hdfs:///output/part-r-00000 查看词频统计结果：

# hdfs dfs -cat hdfs:///output/part-r-00000

 　　到此，伪分布式Hadoop已经搭建成功了~