Hadoop教程：安装与环境设置

2019年6月8日 161次阅读来源: 逍遥ii

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