Hadoop安装教程——单机/伪分布/完全分布式配置
单机模式
-
1.1.1 安装前装备
-
(1)安装Linux
下载Ubuntu 16.04，下载地址：http://ftp.sjtu.edu.cn/ubuntu-cd/16.04.5/
（a）Desktop --> 桌面版，默认带了界面 ubuntu-16.04.5-desktop-amd64.iso
（b）Server --> 服务器版，默认没有带界面 ubuntu-16.04.5-server-amd64.iso
-
（2）查看防火墙状态
查看防火墙状态
sudo ufw status
关闭防火墙
sudo ufw disable -
(3) 安装JDK
解压到根目录：
tar -zxvf jdk-8u144-linux-x64.tar.gz -C ~
建一个软链接（方便使用）
ln -s jdk1.8.0_144 jdk (改名为jdk)
配置环境变量
vi ~/.bashrc
export JAVA_HOME=/home/hadoop/jdk (hadoop为用户名，jdk为jdk的安装目录，可使用软链接)
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:.
变量生效：（修改配置后，一定要记住生效）
source ~/.bashrc
vi如何使用
系统自带的vi很难用，建议安装vim
sudo apt-get install vim // 安装vim
输入`a`进入编辑模式
`esc` //退出编辑模式
`:wq` // 保存并退出
`:q` //不保存退出
查看jdk是否安装成功
java -version
- （4）Hadoop安装包解压
tar -zxvf hadoop-2.7.3.tar.gz -C ~
创建超链接：
ln -s hadoop-2.7.3 hadoop
配置环境变量：
vi ~/.bashrc
export HADOOP_HOME=/home/hadoop/hadoop
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
变量生效：
source ~/.bashrc
1.1.2 安装 （cd 到hadoop中的etc目录）
- （1）修改配置
vi hadoop-env.sh
export JAVA_HOME=/home/hadoop/jdk (实际jdk的安装目录)
查看hadoop是否安装成功
hadoop version
1.2 伪分布模式
-
1.2.1 安装前准备
-
(1) 参考上面1.1.1
同1.1.1 -
（2）配置主机名
sudo vi /etc/hosts (前面加sudo，需要root权限)
191.168.1.51 node1.hadoop node1
注：191.168.1.51 //本机实际ip，输入`ifconfig`可查看
node1 //主机名
`cat /etc/hostname` //查看主机名
`vi /etc/hostname` //修改主机名
- （3）确认openssh-client、openssh-server是否安装
查看是否已经安装ssh （xshell要连接上服务器也需要安装ssh）
dpkg -l | grep openssh
若没有，安装命令：
`sudo apt-get install openssh-client`
`sudo apt-get install openssh-server`
ssh是目前较为可靠，专为远程登录会话和其他网络服务提供安全性的协议，利用ssh协议可以有效防止远程管理过程中的信息泄露问题。
- （4）免密码登录
通过ssh-keyen生成一个RSA的密钥对:
ssh-keygen -t rsa -P ''（P为大写，操作过程一路回车）
公钥追加到~/.ssh/authorized_keys文件中:
ssh-copy-id -i ~/.ssh/id_rsa.pub node1 主机名(如上面都node1)
测试免密码登录： ssh node1
1.2.2安装
- (1) 修改配置文件 （hadoop/etc/hadoop）
vi hadoop-env.sh
export JAVA_HOME=/home/hadoop/jdk
vi hdfs-site.xml
<!--表示数据块的冗余度，默认：3-->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
core-site.xml
<!--配置NameNode地址,9000是RPC通信端口-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://node1:9000</value>
</property>
<!--HDFS数据保存在Linux的哪个目录，默认值是Linux的tmp目录-->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/hadoop/tmp</value>
</property>
image.png
mapred-site.xml
默认没有（cp mapred-site.xml.template mapred-site.xml）
<!--MR运行的框架-->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
yarn-site.xml
<!--Yarn的主节点RM的位置-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node1</value>
</property>
<!--MapReduce运行方式：shuffle洗牌-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
-
(2) 格式化
hdfs namenode -format -
(3) 启动停止Hadoop的环境
start-all.sh
stop-all.sh -
(4）测试
查看进程：
jps
image.png
通过Web界面：（网址要改成自己的ip）
HDFS: http://191.168.1.51:50070
http://191.168.1.51:50090
Yarn: http://191.168.1.51:8088
1.3 完全分布式模式
安装规划
确定几个节点，Namenode、Datanode安装在哪几台机器上。
这里用两个Datanode，一个Namenode
每台机器参考上面“安装前准备操作”,同时增加下面几步：
-
2.1.1 安装前准备
-
（1）参考上面1.1.1
同1.1.1 -
（2）配置主机名
sudo vi /etc/hosts
191.168.1.51 node1.hadoop node1
191.168.1.52 node2.hadoop node2
191.168.1.53 node3.hadoop node3
- (3) 安装ntp服务 （保证集群内所有主机时间同步）
$sudo dpkg -l |grep ntp
若NTP尚未安装就运行安装命令：
$ sudo apt-get install ntp
ntp服务需要注意能连接网络，有什么用？
如果时间不一样，执行MapReduce程序的时候可能存在问题
- (4) 配置免密码登录：两两之间的免密码登录
每台机器上运行：
ssh-keygen -t rsa -P ''
ssh-copy-id -i ~/.ssh/id_rsa.pub node1
ssh-copy-id -i ~/.ssh/id_rsa.pub node2
ssh-copy-id -i ~/.ssh/id_rsa.pub node3
- (1) 修改配置文件 （hadoop/etc/hadoop）
vi hadoop-env.sh
export JAVA_HOME=/home/hadoop/jdk
vi hdfs-site.xml
<!--表示数据块的冗余度，默认：3-->
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
core-site.xml
<!--配置NameNode地址,9000是RPC通信端口-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://node1:9000</value>
</property>
<!--HDFS数据保存在Linux的哪个目录，默认值是Linux的tmp目录-->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/hadoop/tmp</value>
</property>
mapred-site.xml
默认没有（cp mapred-site.xml.template mapred-site.xml）
<!--MR运行的框架-->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
yarn-site.xml
<!--Yarn的主节点RM的位置-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node1</value>
</property>
<!--MapReduce运行方式：shuffle洗牌-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
slaves
`node2`
`node3`
-
(2) 格式化NameNode
hdfs namenode -format -
(3) 把主节点上配置好的hadoop复制到从节点上
`scp -r hadoop-2.7.3/ hadoop@node2:/home/hadoop`
`scp -r hadoop-2.7.3/ hadoop@node3:/home/hadoop`
注意：hadoop@node2改为自己的用户名：shexiaobin@node2
/home/hadoop改为：/home/sheixaobin
-
(4)
start-all.sh -
(5)
jps看进程
注意：node1不能出现datanode
image.png
通过Web界面：
HDFS: http://191.168.1.51:50070
http://191.168.1.51:50090
Yarn: http://191.168.1.51:8088
Mapreduce 测试
通过mapreduce：
但预先要往hdfs传一个文件，如何操作?
1. Linux目录下，随意一个目录，创建一个文本文件data.txt，里面写些内容。
2. hdfs dfs -mkdir /input
3. hdfs dfs -put data.txt /input ---上传
4. hdfs dfs -ls /input --查看
hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /input/data.txt /output
注意：要cd 到对应的目录再打开终端
cd hadoop/hadoop-2.7.3/share/hadoop/mapreduce
可以输入：locate +文件名 找到路径
最后查看结果： hdfs dfs -ls /output
image.png
hdfs dfs -cat /output/part-r-00000
image.png
namenode未启动后遗症：拒绝连接 9000端口没启动，导致input文件无法创建
image.png
