apache hadoop 伪分布式安装

2022-02-27 23:30:14

1. 准备工作

1.1. 软件准备

1、安装VMWare

2、在VMWare上安装CentOS6.5

3、安装XShell5，用来远程登录系统

4、通过rpm -qa | grep ssh 检查cent os 是否安装了ssh server和ssh client ，然后使用ssh localhost测试一下SSH是否可用。

如果没有安装那么使用下面的命令安装：

yum install openssh-clients  

yum install openssh-server  

yum install openssh-clients

yum install openssh-server

5、使用XShell远程登录服务器，接下来的操作就在XShell上通过命令行来执行了。虚拟机中的服务器可以过ifconfig这个命令来获取分配的ip地址（这个地址可能随着虚拟机的重启会发生变化）。

1.2. 创建hadoop用户

当前虚拟机中没有安装任何软件，那么我们的目的是搭建一个Hadoop单机模式，那么首先需要在集群中建立一个hadoop用户，用来启动Hadoop的进程，这样避免使用root用户启动进程，这也是比较规范的服务器用户管理，所以下面先创建hadoop用户：

useradd -m hadoop -s /bin/bash

passwd hadoop    #为hadoop用户设置密码

useradd -m hadoop -s /bin/bash

passwd hadoop    #为hadoop用户设置密码

接下来的安装过程中会涉及到root用户和hadoop用户的切换，请大家注意！！！

1.3. 配置SSH无密码访问

在准备工作中我们已经安装配置了SSH客户端和服务器，集群和单节点模式都需要到SSH，Hadoop中namenode需要启动集群中的所有机器的Hadoop守护进程，而这个过程需要通过SSH登录来实现。而Hadoop并没有提供SSH输入密码的登录形式，因此为了保证可以顺利登录每台机器，需要将所有机器配置为namenode可以无密码登录它们。实际中配置失败也可以运行，但是每次输入密码是非常麻烦的，所以我们需要配置SSH的无密码访问（注意无密码访问是为hadoop用户配置的，故以下操作需要在hadoop用户下完成）：

1. 首先我们需要进入/home/hadoop/.ssh目录下，如果这个目录不存在，需要执行一下ssh localhost   这样就会生成这个目录。

2. 执行以下命令，创建密钥并且将密钥加入授权：

cd ~/.ssh/                       # 若没有该目录，请先执行一次ssh localhost  

ssh-keygen -t dsa                 # 会有提示，都按回车就可以  

cat id_dsa.pub >> authorized_keys   # 加入授权  

chmod 600 ./authorized_keys       # 修改文件权限，如果不改，无法通过，原因好像是cent os的权限验证比较严格  

cd ~/.ssh/                       # 若没有该目录，请先执行一次ssh localhost

ssh-keygen -t dsa                 # 会有提示，都按回车就可以

cat id_dsa.pub >> authorized_keys   # 加入授权

chmod 600 ./authorized_keys       # 修改文件权限，如果不改，无法通过，原因好像是cent os的权限验证比较严格

3. 切换到hdoop用户，接下来，输入ssh localhost测试一下无密码登录，直接enter就可以，无需密码

1.4. 安装JAVA环境

将jdk安装包复制到/tmp目录，然后解压到/usr/java目录中

tar zxvf jdk-8u131-linux-x64.tar.gz -C /usr/java

解压完成后发现生成了jdk目录

[root@cluster02 tmp]# cd /usr/java/

[root@cluster02 java]# ls

jdk1.8.0_131

[root@cluster02 java]#

修改/etc/profile配置java路径

JAVA_HOME=/usr/java/jdk1.8.0_131

export JAVA_HOME

PATH=$JAVA_HOME/bin:$PATH

export PATH

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

export CLASSPATH

2. 单机模式安装

1) 通过xftp将本地hadoop安装包和mds文件发送到服务器/home/hadoop目录下，然后验证tar包的完整性；若文件不完整则这两个值一般差别很大，可以简单对比下前几个字符跟后几个字符是否相等即可，如下图所示，如果两个值不一样，请务必重新下载。

<span style="font-size:18px;">cat hadoop-2.6.0.tar.gz.mds | grep 'MD5'  

md5sum hadoop-2.6.0.tar.gz | tr "a-z" "A-Z"</span>  

<span style="font-size:18px;">cat hadoop-2.6.0.tar.gz.mds | grep 'MD5'

md5sum hadoop-2.6.0.tar.gz | tr "a-z" "A-Z"</span>

Hadoop下载地址：

http://archive.apache.org/dist/hadoop/core/

2) 使用root账号，进入/home/hadoop目录下，解压安装文件到/usr/local/hadoop下

tar -zxvf hadoop-2.6.0.tar.gz -C /usr/local  

tar -zxvf hadoop-2.6.0.tar.gz -C /usr/local

3) 修改权限

mv hadoop-2.6.0/ hadoop/   #更改文件夹名称  

chown -R hadoop:hadoop ./hadoop   #修改权限  

mv hadoop-2.6.0/ hadoop/   #更改文件夹名称

chown -R hadoop:hadoop ./hadoop   #修改权限

4) 验证单机模式是否安装成功，进入/usr/local/hadoop/bin目录下，执行./hadoop -version

5) 执行一个小例子

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。

现在我们可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 可以看到所有例子），包括 wordcount、terasort、join、grep 等。

在此我们选择运行 grep 例子，我们将 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.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中。

cd /usr/local/hadoop  

mkdir ./input  

cp ./etc/hadoop/*.xml ./input   # 将配置文件作为输入文件  

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'  

cat ./output/*          # 查看运行结果  

cd /usr/local/hadoop

mkdir ./input

cp ./etc/hadoop/*.xml ./input   # 将配置文件作为输入文件

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'

cat ./output/*          # 查看运行结果

6) 为了便于Hadoop的操作，我们在为hadoop用户添加环境变量，让用户可以在任何地方执行hadoop命令，我们修改~/.bashrc文件配置，在最后添加以下命令，并且使生效（source ~/.bashrc）：

export HADOOP_HOME=/usr/local/hadoop  

export HADOOP_INSTALL=$HADOOP_HOME  

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

3. 伪分布式安装

前提：已经安装完成单机模式。

伪分布式只需要在单机模式的基础上改两个配置文件并且格式化namenode即可。

vim /usr/local/hadoop/etc/hadoop/core-site.xml

<property>  

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

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

</property>  

<property>  

    <name>fs.defaultFS</name>  

    <value>hdfs://host1:9000</value>  

</property>

Hdfs-site.xml

<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>

（伪分布式不启动 YARN 也可以，一般不会影响程序执行）

有的读者可能会疑惑，怎么启动 Hadoop 后，见不到书上所说的 JobTracker 和 TaskTracker，这是因为新版的 Hadoop 使用了新的 MapReduce 框架（MapReduce V2，也称为 YARN，Yet Another Resource Negotiator）。

YARN 是从 MapReduce 中分离出来的，负责资源管理与任务调度。YARN 运行于 MapReduce 之上，提供了高可用性、高扩展性，YARN 的更多介绍在此不展开，有兴趣的可查阅相关资料。

上述通过 ./sbin/start-dfs.sh 启动 Hadoop，仅仅是启动了 MapReduce 环境，我们可以启动 YARN ，让 YARN 来负责资源管理与任务调度。

首先修改配置文件 mapred-site.xml，这边需要先进行重命名：

  1. mv ./etc/hadoop/mapred-site.xml.template ./etc/hadoop/mapred-site.xml

然后再进行编辑，同样使用 gedit 编辑会比较方便些 gedit ./etc/hadoop/mapred-site.xml ：

  1. <configuration>
    
<property>
    
 <name>mapred.job.tracker</name>
    
   <value>http://hadoop01:9001</value>
    
   </property>
    
        <property>
    
             <name>mapreduce.framework.name</name>
    
             <value>yarn</value>
    
       </property>

接着修改配置文件 yarn-site.xml：

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

分别修改/usr/local/hadoop/etc/hadoop下的hadoop-env.sh和yarn-env.sh：

export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.85.x86_64  

export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native  

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

格式化namenode：

hdfs namenode -format

成功的话，会看到 successfully formatted 的提示，且倒数第5行的提示如下，Exitting with status 0 表示成功，若为 Exitting with status 1 则是出错。若出错，请仔细检查之前步骤。

start-all.sh   #启动hdfs

start-all.sh   #启动hdfs

jps

必须看到namenode和datanode都启动了才行！！！！

本地的伪分布式环境搭建完成！！！

http://hostname:8088/cluster

http://hostname:50070/

上一篇：HDU 4763 （KMP算法）


下一篇：Convolutional Neural Network Architectures for Matching Natural Language Sentences