Ubuntu16.04安装Hadoop单机和伪分布式环境超详细

介绍：Hadoop是Apache开源组织的一个分布式计算框架，可以在大量廉价的硬件设备组成的集群上运行应用程序，为应用程序提供了一组稳定可靠的接口，旨在构建一个具有高可靠性和良好扩展性的分布式系统。 HDFS（分布式文件系统）为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。通过这次云计算课程，我希望通过自己亲手搭建Hadoop并操作一些实例来体会一下云计算的魅力。

安装环境：我的笔记本的系统环境是Ubuntu16.04+windows10的双系统，hadoop作为由java语言开发的，在linux上可以完美运行，故准备在我的Ubuntu上实战搭建。
准备：Ubuntu16.04/64位

      hadoop-2.7.4.tar.gz

      Java jdk1.8.0_144
目的：搭建Hadoop单机模式和伪分布模式
1、安装和配置JAVA环境

a) 下载并解压JDK
·下载地址：（选择linux版本,你们下的版本号有可能和我不一样，后面配置时注意路径名，文件夹名）
http://www.oracle.com/technetwork/java/javase/downloads/jdk9-downloads-3848520.html 
·新建/usr/java目录，切换到所下载的jdk-8u144-linux-x64.tar.gz目录。将文件解压到/usr/java目录下

命令解压：tar -zxvf jdk-8u144-linux-x64.tar.gz -C /usr/java/

 


注：不懂命令解压可以在图形化界面鼠标点击解压，和windows一样。此时jdk已经安装好。

b) 设置环境变量

·修改.bashsc(即终端的源文件)，使用vim编辑或者文本gedit编辑
没安装vim需要先安装vim
sudo vim ~/.bashrc

·在最后一行加入下列内容：（JAVA_HOME是jdk路径和文件版本，注意写对）
export JAVA_HOME=/usr/java/jdk1.8.0_144

export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar 

export PATH=$JAVA_HOME/bin:$PATH



·如下命令使环境变量生效：
source ~/.bashrc

·打开profile文件，插入java环境配置节。
sudo vim /etc/profile

插入如下内容：
export JAVA_HOME=/usr/java/jdk1.8.0_144

export JAVA_BIN=$JAVA_HOME/bin

export JAVA_LIB=$JAVA_HOME/lib

export CLASSPATH=.:$JAVA_LIB/tools.jar:$JAVA_LIB/dt.jar 

export PATH=$JAVA_HOME/bin:$PATH

 


·打开environment 文件，追加jdk目录和jdk下的lib的目录，如下所示。
sudo vim /etc/environment

·追加：（还是注意jdk文件名）

PATH="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/usr/java/jdk1.8.0_144/lib:/usr/java/jdk1.8.0_144"  

注意两个路径名，jdk的名字！！！



 ·使配置生效：
source /etc/environment

·验证java环境是否配置成功
java -version



 注意：以上追加的目录一定要看清楚路径名和你的jdk文件名（版本号），都则会配置不成功。

如果没出来版本号，那么重启一下终端，再试一次。

2、安装ssh-server并实现免密码登录

a) 下载ssh-server
sudo apt-get install openssh-server

b) 启动ssh
sudo /etc/init.d/ssh start

c) 查看ssh服务是否启动，如果显示相关ssh字样则表示成功。
ps -ef|grep ssh

 


d) 设置免密码登录

使用如下命令，一直回车，直到生成了rsa。
ssh-keygen -t rsa

·导入authorized_keys
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

·测试是否免密码登录localhost
ssh localhost

 


·关闭防火墙
ufw disable
3、安装Hadoop单击模式和伪分布模式

a)下载hadoop-2.7.4.tar.gz，解压到/usr/local（单机模式搭建）

下载地址：http://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz
sudo tar zxvf hadoop-2.7.4.tar.gz -C /usr/local

 ·切换到/usr/local下，将hadoop-2.7.4重命名为hadoop，并给/usr/local/hadoop设置访问权限。（-R为递归的给目录权限，必须）
cd /usr/local

sudo mv hadoop-2.7.4 hadoop 

sudo chmod 777 -R /usr/local/Hadoop

 


b)配置.bashsc文件
sudo vim ~/.bashrc

·在文件末尾追加下面内容，然后保存。（注意路径）
#HADOOP VARIABLES START 

export JAVA_HOME=/usr/java/jdk1.8.0_144 

export HADOOP_INSTALL=/usr/local/hadoop

export PATH=$PATH:$HADOOP_INSTALL/bin

export PATH=$PATH:$HADOOP_INSTALL/sbin

export HADOOP_MAPRED_HOME=$HADOOP_INSTALL 

export HADOOP_COMMON_HOME=$HADOOP_INSTALL 

export HADOOP_HDFS_HOME=$HADOOP_INSTALL 

export YARN_HOME=$HADOOP_INSTALL 

export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_INSTALL/lib/native

export HADOOP_OPTS="-Djava.library.path=$HADOOP_INSTALL/lib"

#HADOOP VARIABLES END 

·执行下面命令，使添加的环境变量生效：
source ~/.bashrc

c)Hadoop配置（伪分布式搭建）

·配置hadoop-env.sh
sudo vim /usr/local/hadoop/etc/hadoop/hadoop-env.sh

·添加如下内容：(注意jdk文件名)
# The java implementation to use. 

export JAVA_HOME=/usr/java/jdk1.8.0_144

export HADOOP=/usr/local/hadoop

export PATH=$PATH:/usr/local/hadoop/bin

·配置yarn-env.sh
sudo vim /usr/local/hadoop/etc/hadoop/yarn-env.sh

·添加如下内容：
# export JAVA_HOME=/usr/java/jdk1.8.0_144 

JAVA_HOME=/usr/java/jdk1.8.0_144

·配置core-site.xml，（这里的tmp.dir不用改，是缓存目录）
sudo vim /usr/local/hadoop/etc/hadoop/core-site.xml

插入如下内容
注意：将core-site.xml中原来的有的<configuration> < /configuration >一定要删除掉，不然后面格式化的时候会出错。即.xml文件中只有一个<configuration> < /configuration >对就可以。
<configuration>

        <property>

             <name>hadoop.tmp.dir</name>

             <value>file:/usr/local/hadoop/tmp</value>

             <description>Abase for other temporary directories.</description>

        </property>

        <property>

             <name>fs.defaultFS</name>

             <value>hdfs://localhost:9000</value>

        </property>

</configuration>

·同样修改配置文件 hdfs-site.xml：
sudo vim /usr/local/hadoop/etc/hadoop/hdfs-site.xml

插入下列内容：（删除原有的<configuration>）
<configuration>

        <property>

             <name>dfs.replication</name>

             <value>1</value>

        </property>

        <property>

             <name>dfs.namenode.name.dir</name>

             <value>file:/usr/local/hadoop/tmp/dfs/name</value>

        </property>

        <property>

             <name>dfs.datanode.data.dir</name>

             <value>file:/usr/local/hadoop/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，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。

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yarn-site.xml
sudo vim /usr/local/hadoop/etc/hadoop/yarn-site.xml 

·插入下列内容
<configuration> 

<!-- Site specific YARN configuration properties -->

    <property> 

        <name>yarn.nodemanager.aux-services</name> 

        <value>mapreduce_shuffle</value> 

    </property> 

    <property> 

        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> 

        <value>org.apache.hadoop.mapred.ShuffleHandler</value> 

    </property> 

    <property> 

        <name>yarn.resourcemanager.address</name> 

        <value>127.0.0.1:8032</value> 

    </property> 

    <property> 

        <name>yarn.resourcemanager.scheduler.address</name> 

        <value>127.0.0.1:8030</value> 

    </property> 

    <property> 

        <name>yarn.resourcemanager.resource-tracker.address</name> 

        <value>127.0.0.1:8031</value> 

    </property> 

</configuration>

d) 关机重启系统
注意：以上三个文件都必须删除原来的<configuration>对，在复制进去，否则会在后面格式化时发生如下错误 ！！！！！



4、验证hadoop是否安装并配置成功

a) 验证Hadoop单击模式已经配完成
hadoop version

 


b) 启动HDFS为分布式模式

格式化namenode
hdfs namenode -format

 


有successfully formatted代表格式化成功。Existing with 1代表有错误。

·启动hdfs（如出现权限错误检查3  a）步骤是否递归给hadoop文件夹权限）
start-all.sh

·显示进程
jps 

 


有6个进程代表正确

`
·在浏览器中输入http://localhost:50070/，出现如下页面



 
·输入 http://localhost:8088/， 出现如下页面



 

至此Hadoop已经完全搭建成功。

    
5、Hadop实例：词频统计

a) 启动HDFS
start-all.sh

b) 产看HDFS下面包含的文件目录
hadoop dfs -ls /

第一次运行hdfs什么都没有

 


c) 在HDFS中创建一个文件目录input，将/usr/local/hadoop/README.txt上传至input中，此时再用ls查看就发现多了个input目录
hdfs dfs -mkdir /input

hadoop fs -put /usr/local/hadoop/README.txt /input
 






 

d) 执行一下命令运行wordcount 并将结果输出到output中。
hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar wordcount /input /output  
 


·统计成功：
 


·执行成功后output 目录底下会生成两个文件 _SUCCESS 成功标志的文件，里面没有内容。 一个是 part-r-00000 ，通过以下命令查看执行的结果，如下图

hadoop fs -cat /output/part-r-00000

·下面是统计的词频结果：

 


·下面附一些HDFS常用命令：
hadoop fs -mkdir /tmp/input       在HDFS上新建文件夹 

hadoop fs -put input1.txt /tmp/input 把本地文件input1.txt传到HDFS的/tmp/input目录下 

hadoop fs -get input1.txt /tmp/input/input1.txt 把HDFS文件拉到本地 

hadoop fs -ls /tmp/output         列出HDFS的某目录 

hadoop fs -cat /tmp/ouput/output1.txt 查看HDFS上的文件 

hadoop fs -rmr /home/less/hadoop/tmp/output 删除HDFS上的目录 

hadoop dfsadmin -report 查看HDFS状态，比如有哪些datanode，每个datanode的情况 

hadoop dfsadmin -safemode leave 离开安全模式 

hadoop dfsadmin -safemode enter 进入安全模式

注：以上内容都是在我查找网上各种教程，并且遇到很多问题之后，经过自己的实战搭建最后完成的教程。后来又用新建的Ubuntu虚拟机重新测试了一下，教程完全没有问题。