Hadoop教程：安装与环境设置
Hadoop支持Windows, Mac, Linux, 但推荐是用Linux环境学习Hadoop。因此，我们必须安装一个Linux操作系统来设置Hadoop环境。如果您的操作系统不是Linux，那么您可以在其中安装一个Virtualbox软件，并在Virtualbox中包含Linux。
安装前配置
在将Hadoop安装到Linux环境之前，我们需要使用ssh(Secure Shell)来设置Linux。按照下面给出的步骤设置Linux环境。
创建用户
首先，建议为Hadoop创建一个单独的用户，以便将Hadoop文件系统与Unix文件系统隔离开来。按照以下步骤创建用户:
- 使用“su”命令打开根目录。
- 使用“useradd username”命令从根帐户创建一个用户。
- 现在您可以使用“su用户名”命令打开一个现有的用户帐户。
打开Linux终端，输入以下命令来创建用户。
$ su
password:
# useradd hadoop
# passwd hadoop
New passwd:
Retype new passwd
SSH设置和密钥生成
在集群上执行操作需要设置SSH，例如启动、停止、分布式守护进程shell操作。为了验证Hadoop的不同用户，需要为Hadoop用户提供公钥/私钥对，并与不同的用户共享。
下面的命令用于使用SSH生成键值对。从id_rsa.pub复制公钥到authorized_keys，并分别向所有者提供authorized_keys文件的读写权限。
$ ssh-keygen -t rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ chmod 0600 ~/.ssh/authorized_keys
安装Java
Hadoop必须安装Java。首先，您应该使用“java -version”命令验证系统中是否存在java。查看java版本命令的语法如下所示。
$ java -version
如果一切正常，它将给出以下输出。
java version "1.7.0_71"
Java(TM) SE Runtime Environment (build 1.7.0_71-b13)
Java HotSpot(TM) Client VM (build 25.0-b02, mixed mode)
如果您的系统中没有安装java，那么按照下面给出的步骤安装java。
Step 1
下载java (JDK <最新版本> - X64.tar.gz)，请访问以下链接http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html。
然后jdk-7u71-linux-x64.tar.gz将被下载到您的系统中。
Step 2
通常您会在下载文件夹中找到下载的java文件。验证它并提取jdk-7u71-linux-x64.gz文件使用以下命令。
$ cd Downloads/
$ ls
jdk-7u71-linux-x64.gz
$ tar zxf jdk-7u71-linux-x64.gz
$ ls
jdk1.7.0_71 jdk-7u71-linux-x64.gz
Step 3
要让所有用户都可以使用java，必须将其移动到“/usr/local/”位置。打开root，并键入以下命令。
$ su
password:
# mv jdk1.7.0_71 /usr/local/
# exit
Step 4
要设置PATH和JAVA_HOME变量，请向~/.bashrc添加以下命令。
export JAVA_HOME=/usr/local/jdk1.7.0_71
export PATH=$PATH:$JAVA_HOME/bin
现在令所有更改生效。
$ source ~/.bashrc
Step 5
使用以下命令配置java替代方案:
# alternatives --install /usr/bin/java java usr/local/java/bin/java 2
# alternatives --install /usr/bin/javac javac usr/local/java/bin/javac 2
# alternatives --install /usr/bin/jar jar usr/local/java/bin/jar 2
# alternatives --set java usr/local/java/bin/java
# alternatives --set javac usr/local/java/bin/javac
# alternatives --set jar usr/local/java/bin/jar
现在验证来自终端的java版本命令，使用之前提到的查看Java版本命令。
下载Hadoop
使用以下命令从Apache software foundation下载并提取Hadoop 2.4.1（根据需要选择版本）。
$ su
password:
# cd /usr/local
# wget http://apache.claz.org/hadoop/common/hadoop-2.4.1/
hadoop-2.4.1.tar.gz
# tar xzf hadoop-2.4.1.tar.gz
# mv hadoop-2.4.1/* to hadoop/
# exit
Hadoop的操作模式
下载Hadoop后，可以使用以下三种支持模式之一来操作Hadoop集群:
- 本地/独立模式: 在您的系统中下载Hadoop之后，默认情况下，它是在独立模式下配置的，可以作为单个java进程运行。
- 伪分布模式: 这是一个模拟在单机上的分布式。每个Hadoop守护进程(如hdfs、yarn、MapReduce等)将作为一个单独的java进程运行。这种模式对开发很有用。
- 全分布模式: 这种模式是完全分布式的，集群中至少有两台或多台机器。我们将在接下来的章节中详细介绍这种模式。
以独立模式安装Hadoop
这里我们将讨论Hadoop 2.4.1在独立模式下的安装。
没有运行守护进程，所有东西都在单个JVM中运行。独立模式适合在开发过程中运行MapReduce程序，因为它易于测试和调试。
Hadoop配置
您可以通过向~/.bashrc文件添加以下命令来设置Hadoop环境变量。
export HADOOP_HOME=/usr/local/hadoop
在继续之前，您需要确保Hadoop工作正常。使用以下命令查看hadoop是否安装成功:
$ hadoop version
如果您的设置一切正常，那么您应该会看到以下结果:
Hadoop 2.4.1
Subversion https://svn.apache.org/repos/asf/hadoop/common -r 1529768
Compiled by hortonmu on 2013-10-07T06:28Z
Compiled with protoc 2.5.0
From source with checksum 79e53ce7994d1628b240f09af91e1af4
这意味着Hadoop的独立模式设置工作正常。默认情况下，Hadoop被配置为在一台机器上以非分布式模式运行。
例子
让我们查看Hadoop的一个简单示例。Hadoop安装提供了以下示例MapReduce jar文件，它提供了MapReduce的基本功能，可以用于计算，如Pi值、给定文件列表中的字数等。
$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar
让我们有一个输入目录，在这里我们将推动一些文件，我们的要求是计数总字数在这些文件。要计算单词总数，我们不需要编写MapReduce，只要.jar文件包含单词计数的实现即可。您可以使用相同的.jar文件尝试其他示例;只要发出以下命令，检查hadoop- MapReduce -example -2.2.0.jar文件支持的MapReduce功能程序。
$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar
Step 1
在输入目录中创建临时内容文件。您可以在希望工作的任何地方创建此输入目录。
$ mkdir input
$ cp $HADOOP_HOME/*.txt input
$ ls -l input
它将在您的输入目录中提供以下文件:
total 24
-rw-r--r-- 1 root root 15164 Feb 21 10:14 LICENSE.txt
-rw-r--r-- 1 root root 101 Feb 21 10:14 NOTICE.txt
-rw-r--r-- 1 root root 1366 Feb 21 10:14 README.txt
这些文件是从Hadoop安装主目录复制的。对于您的实验，您可以拥有不同的大文件集。
Step 2
步骤2将进行所需的处理，并将输出保存在output/part-r00000文件中，您可以使用以下命令进行检查:
$cat output/*
它将列出输入目录中所有文件中可用的所有单词及其总数。
"AS 4
"Contribution" 1
"Contributor" 1
"Derivative 1
"Legal 1
"License" 1
"License"); 1
"Licensor" 1
"NOTICE” 1
"Not 1
"Object" 1
"Source” 1
"Work” 1
"You" 1
"Your") 1
"[]" 1
"control" 1
"printed 1
"submitted" 1
(50%) 1
(BIS), 1
(C) 1
(Don't) 1
(ECCN) 1
(INCLUDING 2
(INCLUDING, 2
.............
以伪分布式模式安装Hadoop
按照下面给出的步骤以伪分布式模式安装Hadoop 2.4.1。
Step 1: 环境配置
您可以通过向~/.bashrc文件添加以下命令来设置Hadoop环境变量。
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
export HADOOP_INSTALL=$HADOOP_HOME
现在将所有更改应用到当前运行的系统中。
$ source ~/.bashrc
Step 2: Hadoop配置
您可以在“$HADOOP_HOME/etc/hadoop”位置找到所有Hadoop配置文件。需要根据Hadoop基础设施对这些配置文件进行更改。
$ cd $HADOOP_HOME/etc/hadoop
为了用java开发Hadoop程序，必须在Hadoop -env.sh文件中替换JAVA_HOME值
export JAVA_HOME=/usr/local/jdk1.7.0_71
以下是配置Hadoop需要编辑的文件列表。
core-site.xml
core-site.xml文件包含一些信息，例如Hadoop实例使用的端口号、为文件系统分配的内存、存储数据的内存限制以及读/写缓冲区的大小。
打开core-site.xml并在<configuration>, </configuration>之间添加以下属性
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
hdfs-site.xml
hdfs-site.xml文件包含数据备份数量值、namenode路径和本地文件系统的datanode路径等信息。它意味着您希望存储Hadoop基础结构的地方。
dfs.replication (data replication value) = 1
(In the below given path /hadoop/ is the user name.
hadoopinfra/hdfs/namenode is the directory created by hdfs file system.)
namenode path = //home/hadoop/hadoopinfra/hdfs/namenode
(hadoopinfra/hdfs/datanode is the directory created by hdfs file system.)
datanode path = //home/hadoop/hadoopinfra/hdfs/datanode
打开该文件，并在该文件中<configuration> </configuration>标签之间添加以下属性
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.name.dir</name>
<value>file:///home/hadoop/hadoopinfra/hdfs/namenode </value>
</property>
<property>
<name>dfs.data.dir</name>
<value>file:///home/hadoop/hadoopinfra/hdfs/datanode </value>
</property>
</configuration>
注意： 在上面的文件中，所有属性值都是用户定义的，您可以根据Hadoop基础结构进行更改。
yarn-site.xml
这个文件用于将yarn配置到Hadoop中。打开yarn-site.xml文件并在该文件中的<configuration>, </configuration>标签之间添加
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
mapred-site.xml
这个文件用于指定我们正在使用的MapReduce框架。默认情况下，Hadoop包含一个yarn-site.xml模板。首先，需要从mapred-site.xml.template复制文件到mapred-site.xml文件。使用以下命令
$ cp mapred-site.xml.template mapred-site.xml
打开mapred-site.xml文件。并在该文件中的<configuration>, </configuration>标签之间添加以下属性。
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration
验证Hadoop安装
以下步骤用于验证Hadoop的安装。
Step 1: Name Node
使用“hdfs namenode -format”命令设置namenode，如下所示。
$ cd ~
$ hdfs namenode -format
预期结果如下。
10/24/14 21:30:55 INFO namenode.NameNode: STARTUP_MSG:
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG: host = localhost/192.168.1.11
STARTUP_MSG: args = [-format]
STARTUP_MSG: version = 2.4.1
...
...
10/24/14 21:30:56 INFO common.Storage: Storage directory
/home/hadoop/hadoopinfra/hdfs/namenode has been successfully formatted.
10/24/14 21:30:56 INFO namenode.NNStorageRetentionManager: Going to
retain 1 images with txid >= 0
10/24/14 21:30:56 INFO util.ExitUtil: Exiting with status 0
10/24/14 21:30:56 INFO namenode.NameNode: SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at localhost/192.168.1.11
************************************************************/
Step 2: 验证Hadoop dfs
下面的命令用于启动dfs。执行此命令将启动Hadoop文件系统。
$ start-dfs.sh
预期输出如下:
10/24/14 21:37:56
Starting namenodes on [localhost]
localhost: starting namenode, logging to /home/hadoop/hadoop
2.4.1/logs/hadoop-hadoop-namenode-localhost.out
localhost: starting datanode, logging to /home/hadoop/hadoop
2.4.1/logs/hadoop-hadoop-datanode-localhost.out
Starting secondary namenodes [0.0.0.0]
Step 3: 验证Yarn脚本
下面的命令用于启动纱线脚本。执行此命令将启动纱线守护进程。
$ start-yarn.sh
预期输出如下:
starting yarn daemons
starting resourcemanager, logging to /home/hadoop/hadoop
2.4.1/logs/yarn-hadoop-resourcemanager-localhost.out
localhost: starting nodemanager, logging to /home/hadoop/hadoop
2.4.1/logs/yarn-hadoop-nodemanager-localhost.out
Step 4: 在浏览器上访问Hadoop
访问Hadoop的默认端口号是50070。使用以下url在浏览器上获取Hadoop服务。
hadoop_on_browser.jpg
Step 5: 验证集群中的所有应用程序
访问集群所有应用程序的默认端口号是8088。使用以下url访问此服务。
hadoop_application_cluster.jpg
