ubuntu14.04 hadoop安装步骤(单机和伪分布式)

2019年4月17日 85次阅读来源: MapReduce

1. 创建hadoop用户

CTRL+ALT+T打开终端

添加hadoop用户（用户名字可以自己起）

jec@ubuntu:~$ sudo useradd -m hadoop -s /bin/bash

ubuntu终端复制粘贴快捷键，就是平常windows上的快捷键再加上shift：CTRL+SHIFT+C(复制),CTRL+SHIFT+V(粘贴)

给hadoop用户设置密码，这里简单设置为：1，按照提示输入两次密码

jec@ubuntu:~$ sudo passwd hadoop

给hadoop用户增加管理员权限，方便部署，避免一些对新手来说比较棘手的权限问题

jec@ubuntu:~$ sudo adduser hadoop sudo

最后注销当前用户，使用hadoop账户登陆(注意别忘了)
使用hadoop用户登陆之后，需要先更新一下apt

hadoop@ubuntu:~$ sudo apt-get update

2. 安装、配置ssh无密码登陆

集群、单节点模式都需要用到ssh登陆，ubuntu默认安装了ssh client，所以我还需要装ssh server

hadoop@ubuntu:~$ sudo apt-get install openssh-server

安装之后，使用如下命令登陆本机(首次登陆会有提示，输入yes即可)

hadoop@ubuntu:~$ ssh localhost
The authenticity of host 'localhost (127.0.0.1)' can't be established.
ECDSA key fingerprint is ee:34:6e:5a:fd:57:f3:bc:68:98:56:10:5c:fd:24:af.
Are you sure you want to continue connecting (yes/no)? yes

由于每次ssh登陆都需要输入密码，所以我们需要配置成无密码登陆比较方便，先退出刚才的ssh，然后利用ssh-keygen生成密钥，并将密钥加入到授权中：

hadoop@ubuntu:~$ exit #退出刚才的ssh localhost
hadoop@ubuntu:~$ cd ~/.ssh/ #若没有该目录，请先执行一次ssh localhost
hadoop@ubuntu:~/.ssh$ ssh-keygen -t rsa #会有提示，都按回车就可以
Generating public/private rsa key pair.
Enter file in which to save the key (/home/hadoop/.ssh/id_rsa): 
Enter passphrase (empty for no passphrase): 
Enter same passphrase again: 
Your identification has been saved in /home/hadoop/.ssh/id_rsa.
Your public key has been saved in /home/hadoop/.ssh/id_rsa.pub.
The key fingerprint is:
c9:ae:6f:5f:be:c0:2a:50:1b:0a:26:1b:3e:9d:11:31 hadoop@ubuntu
The key's randomart image is:
+--[ RSA 2048]----+
|   E.            |
|   ..            |
|    .            |
|o o.  o. .       |
|.=..oo oS        |
|.o oo .. .       |
|  .  .  . o .    |
|      .... +     |
|      .+o.. o.   |
+-----------------+
hadoop@ubuntu:~/.ssh$ cat ./id_rsa.pub >> ./authorized_keys #加入授权

再用ssh locahost命令，无需密码就能直接登陆了

hadoop@ubuntu:~/.ssh$ ssh localhost
Welcome to Ubuntu 14.04.4 LTS (GNU/Linux 4.2.0-27-generic x86_64)

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


The programs included with the Ubuntu system are free software;
the exact distribution terms for each program are described in the
individual files in /usr/share/doc/*/copyright.

Ubuntu comes with ABSOLUTELY NO WARRANTY, to the extent permitted by
applicable law.

3. 安装jdk

jdk8下载地址，我这里下载是：jdk-8u91-linux-x64.tar.gz
下载之后进行解压

hadoop@ubuntu:~$ cd ~/Downloads/
hadoop@ubuntu:~/Downloads$ tar zxvf jdk-8u91-linux-x64.tar.gz

将解压的文件夹移动到/usr/local目录下

hadoop@ubuntu:~/Downloads$ sudo mv jdk1.8.0_91 /usr/local

配置jdk环境变量,使用 gedit打开 /etc/profile 文件

hadoop@ubuntu:~/Downloads$ sudo gedit /etc/profile

在文件最后一行复制以下几行，并保存

export JAVA_HOME=/usr/local/jdk1.8.0_91
export JRE_HOME=/usr/local/jdk1.8.0_91/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH

执行： source /etc/profile使修改立即生效

hadoop@ubuntu:~/Downloads$ source /etc/profile

使用：java -version查看安装是否成功

hadoop@ubuntu:~/Downloads$ java -version
java version "1.8.0_91"
Java(TM) SE Runtime Environment (build 1.8.0_91-b14)
Java HotSpot(TM) 64-Bit Server VM (build 25.91-b14, mixed mode)

4. 安装hadoop2

hadoop2下载地址，这里下载的是：hadoop-2.7.2.tar.gz
解压下载好的hadoop

hadoop@ubuntu:~/Downloads$ cd ~/Downloads/ #进入到下载目录
hadoop@ubuntu:~/Downloads$ tar zxvf hadoop-2.7.2.tar.gz

将解压后的hadoop移动到/usr/local目录下

hadoop@ubuntu:~/Downloads$ sudo mv hadoop-2.7.2 /usr/local

将hadoop文件夹及子目录的所有者更改为hadoop用户

hadoop@ubuntu:~/Downloads$ cd /usr/local
hadoop@ubuntu:/usr/local$ sudo chown -R hadoop hadoop-2.7.2

查看hadoop版本，是否可以成功使用

hadoop@ubuntu:/usr/local$ hadoop-2.7.2/bin/hadoop version
Hadoop 2.7.2
Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r b165c4fe8a74265c792ce23f546c64604acf0e41
Compiled by jenkins on 2016-01-26T00:08Z
Compiled with protoc 2.5.0
From source with checksum d0fda26633fa762bff87ec759ebe689c
This command was run using /usr/local/hadoop-2.7.2/share/hadoop/common/hadoop-common-2.7.2.jar

5. hadoop单机配置(非分布式)

hadoop默认模式为非分布式模式，无需进行其他配置即可运行。非分布式即单java进程，方便进行调试。
现在来执行例子来感受hadoop的运行。hadoop附带了丰富的例子(可以通过运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar来查看所有的例子)

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar 
An example program must be given as the first argument.
Valid program names are:
  aggregatewordcount: An Aggregate based map/reduce program that counts the words in the input files.
  aggregatewordhist: An Aggregate based map/reduce program that computes the histogram of the words in the input files.
  bbp: A map/reduce program that uses Bailey-Borwein-Plouffe to compute exact digits of Pi.
  dbcount: An example job that count the pageview counts from a database.
  distbbp: A map/reduce program that uses a BBP-type formula to compute exact bits of Pi.
  grep: A map/reduce program that counts the matches of a regex in the input.
  join: A job that effects a join over sorted, equally partitioned datasets
  multifilewc: A job that counts words from several files.
  pentomino: A map/reduce tile laying program to find solutions to pentomino problems.
  pi: A map/reduce program that estimates Pi using a quasi-Monte Carlo method.
  randomtextwriter: A map/reduce program that writes 10GB of random textual data per node.
  randomwriter: A map/reduce program that writes 10GB of random data per node.
  secondarysort: An example defining a secondary sort to the reduce.
  sort: A map/reduce program that sorts the data written by the random writer.
  sudoku: A sudoku solver.
  teragen: Generate data for the terasort
  terasort: Run the terasort
  teravalidate: Checking results of terasort
  wordcount: A map/reduce program that counts the words in the input files.
  wordmean: A map/reduce program that counts the average length of the words in the input files.
  wordmedian: A map/reduce program that counts the median length of the words in the input files.
  wordstandarddeviation: A map/reduce program that counts the standard deviation of the length of the words in the input files.

我们选择运行grep例子，我们讲input文件夹中的所有文件作为输入，筛选当中符合正则表达式dfs[a-z.]+的单词病统计出现的次数，最后输出结果到output文件夹中。

hadoop@ubuntu:~$ cd /usr/local/hadoop-2.7.2/
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ mkdir ./input
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ cp ./etc/hadoop/*.xml ./input/ #将配置文件作为输入文件
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep ./input ./output 'dfs[a-z.]+'
... #以下是程序执行成功的输出信息
16/05/22 16:55:31 INFO mapreduce.Job: Job job_local1230263548_0002 completed successfully
16/05/22 16:55:31 INFO mapreduce.Job: Counters: 30
    File System Counters
        FILE: Number of bytes read=1159418
        FILE: Number of bytes written=2225516
        FILE: Number of read operations=0
        FILE: Number of large read operations=0
        FILE: Number of write operations=0
    Map-Reduce Framework
        Map input records=1
        Map output records=1
        Map output bytes=17
        Map output materialized bytes=25
        Input split bytes=127
        Combine input records=0
        Combine output records=0
        Reduce input groups=1
        Reduce shuffle bytes=25
        Reduce input records=1
        Reduce output records=1
        Spilled Records=2
        Shuffled Maps =1
        Failed Shuffles=0
        Merged Map outputs=1
        GC time elapsed (ms)=74
        Total committed heap usage (bytes)=265191424
    Shuffle Errors
        BAD_ID=0
        CONNECTION=0
        IO_ERROR=0
        WRONG_LENGTH=0
        WRONG_MAP=0
        WRONG_REDUCE=0
    File Input Format Counters 
        Bytes Read=123
    File Output Format Counters 
        Bytes Written=23
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ cat ./output/* #查看程序的执行结果
1    dfsadmin

注意:hadoop默认不会覆盖结果文件，如果再次运行上面实例，需要先将output文件夹删除，否则会提示出错。

6. hadoop伪分布式配置

Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件。
Hadoop 的配置文件位于 /usr/local/hadoop-2.7.2/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。
修改配置文件 core-site.xml

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ sudo gedit ./etc/hadoop/core-site.xml

修改为下面配置：

<configuration>
    <property>
         <name>hadoop.tmp.dir</name>
         <value>file:/usr/local/hadoop-2.7.2/tmp</value>
         <description>Abase for other temporary directories.</description>
    </property>
    <property>
         <name>fs.defaultFS</name>
         <value>hdfs://localhost:9000</value>
    </property>
</configuration>

同样的，修改配置文件 hdfs-site.xml，如下：

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ sudo gedit ./etc/hadoop/hdfs-site.xml

<configuration>
    <property>
         <name>dfs.replication</name>
         <value>1</value>
    </property>
    <property>
         <name>dfs.namenode.name.dir</name>
         <value>file:/usr/local/hadoop-2.7.2/tmp/dfs/name</value>
    </property>
    <property>
         <name>dfs.datanode.data.dir</name>
         <value>file:/usr/local/hadoop-2.7.2/tmp/dfs/data</value>
    </property>
</configuration>

Hadoop配置文件说明

Hadoop 的运行方式是由配置文件决定的（运行 Hadoop 时会读取配置文件），因此如果需要从伪分布式模式切换回非分布式模式，需要删除 core-site.xml 中的配置项。
此外，伪分布式虽然只需要配置 fs.defaultFS 和 dfs.replication 就可以运行（官方教程如此），不过若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行 format 才行。所以我们进行了设置，同时也指定 dfs.namenode.name.dir 和 dfs.datanode.data.dir，否则在接下来的步骤中可能会出错。
配置完成后，执行 NameNode 的格式化:

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hdfs namenode -format
#以下消息表明格式化成功
16/05/22 18:58:11 INFO common.Storage: Storage directory /usr/local/hadoop-2.7.2/tmp/dfs/name has been successfully formatted.
16/05/22 18:58:12 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
16/05/22 18:58:12 INFO util.ExitUtil: Exiting with status 0
16/05/22 18:58:12 INFO namenode.NameNode: SHUTDOWN_MSG: 
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at ubuntu/127.0.1.1
************************************************************/

接着开启 NameNode 和 DataNode 守护进程。

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./sbin/start-dfs.sh

如果报以下错误

Starting namenodes on [localhost]
localhost: Error: JAVA_HOME is not set and could not be found.
localhost: Error: JAVA_HOME is not set and could not be found.
Starting secondary namenodes [0.0.0.0]
0.0.0.0: Error: JAVA_HOME is not set and could not be found.

则需要修改./etc/hadoop/hadoop-env.sh

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ gedit ./etc/hadoop/hadoop-env.sh #用gedit打开

# 找到下面这行
export JAVA_HOME=${JAVA_HOME}
# 修改成下面，使用jdk的绝对路径
export JAVA_HOME=/usr/local/jdk1.8.0_91

再重新执行./sbin/start-dfs.sh即可

启动完成后，使用jps来判断是否成功启动。若成功启动则会列出如下进程: “NameNode”、”DataNode” 和 “SecondaryNameNode”（如果 SecondaryNameNode 没有启动，请运行 sbin/stop-dfs.sh 关闭进程，然后再次尝试启动尝试）。如果没有 NameNode 或 DataNode ，那就是配置不成功，请仔细检查之前步骤，或通过查看启动日志排查原因。

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ jps
7026 NameNode
7334 SecondaryNameNode
7145 DataNode
7612 Jps

成功启动后，可以访问 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。
《ubuntu14.04 hadoop安装步骤(单机和伪分布式)》

7. 运行hadoop伪分布式实例

上面的单机模式，grep 例子读取的是本地数据，伪分布式读取的则是 HDFS 上的数据。要使用 HDFS，首先需要在 HDFS 中创建用户目录：

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hdfs dfs -mkdir -p /user/hadoop
#-p表示父目录

接着将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中，即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。我们使用的是 hadoop 用户，并且已创建相应的用户目录 /user/hadoop ，因此在命令中就可以使用相对路径如 input，其对应的绝对路径就是 /user/hadoop/input:

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hdfs dfs -mkdir input
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hdfs dfs -put ./etc/hadoop/*.xml input

复制完成后，可以通过如下命令查看文件列表：

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hdfs dfs -ls input

伪分布式运行 MapReduce 作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（可以将单机步骤中创建的本地 input 文件夹，输出结果 output 文件夹都删掉来验证这一点）。
先删除单机步骤中创建的input文件夹，还有输出结果output文件夹

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ rm -rf input
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ rm -rf output

执行grep例子

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+'

结果如下，注意到刚才我们已经更改了配置文件，所以运行结果不同。

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hdfs dfs -cat output/*
1    dfsadmin
1    dfs.replication
1    dfs.namenode.name.dir
1    dfs.datanode.data.dir

我们也可以将运行结果取回到本地：

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ rm -rf ./output #需要先删除本地output文件夹
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hdfs dfs -get output ./output
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ cat ./output/*

Hadoop 运行程序时，输出目录不能存在，否则会提示错误 “org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://localhost:9000/user/hadoop/output already exists” ，因此若要再次执行，需要执行如下命令删除 output 文件夹:

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./bin/hdfs dfs -rm -r output
16/05/23 09:53:13 INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval = 0 minutes, Emptier interval = 0 minutes.
Deleted output

8. 启动yarn

修改配置文件 mapred-site.xml

#先进行重命名：
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ mv ./etc/hadoop/mapred-site.xml.template  ./etc/hadoop/mapred-site.xml
#使用gedit修改
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ sudo gedit ./etc/hadoop/mapred-site.xml
#用以下文本替换

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

接着修改配置文件 yarn-site.xml：

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

启动 YARN 了（需要先执行过 ./sbin/start-dfs.sh）：

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./sbin/start-yarn.sh
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./sbin/mr-jobhistory-daemon.sh start historyserver #开启历史服务器，才能在Web中查看任务运行情况

开启后通过 jps 查看，可以看到多了 NodeManager 和 ResourceManager 两个后台进程

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ jps
2849 NameNode
5090 NodeManager
5525 Jps
5433 JobHistoryServer
2971 DataNode
4957 ResourceManager
3151 SecondaryNameNode

启动 YARN 之后，运行实例的方法还是一样的，仅仅是资源管理方式、任务调度不同。观察日志信息可以发现，不启用 YARN 时，是 “mapred.LocalJobRunner” 在跑任务，启用 YARN 之后，是 “mapred.YARNRunner” 在跑任务。启动 YARN 有个好处是可以通过 Web 界面查看任务的运行情况：http://localhost:8088/cluster，如下图所示。
《ubuntu14.04 hadoop安装步骤(单机和伪分布式)》

注意：不启动 YARN 需重命名 mapred-site.xml
如果不想启动 YARN，务必把配置文件 mapred-site.xml 重命名，改成 mapred-site.xml.template，需要用时改回来就行。否则在该配置文件存在，而未开启 YARN 的情况下，运行程序会提示 “Retrying connect to server: 0.0.0.0/0.0.0.0:8032” 的错误，这也是为何该配置文件初始文件名为 mapred-site.xml.template。
关闭 YARN 的脚本如下：

hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./sbin/stop-yarn.sh
hadoop@ubuntu:/usr/local/hadoop-2.7.2$ ./sbin/mr-jobhistory-daemon.sh stop historyserver

到此，Hadoop单机和伪分布式的配置就好了。

9. 参考

参考至：http://www.powerxing.com/install-hadoop/

    原文作者：MapReduce
    原文地址: https://segmentfault.com/a/1190000005180524
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。