在开始具体操作之前,需要首先选择一个合适的操作系统。尽管Hadoop本身可以运行在Linux、Windows以及其他一些类UNIX系统上,但是Hadoop官方真正支持的作业平台只有Linux。这里选择Linux作为系统平台,来演示在计算机上如何安装Hadoop、运行程序并得到最终结果。
文章目录
- 1.Linux系统的安装
- 2.创建Hadoop用户
- 3.安装SSH、配置SSH无密码登陆
- 4.安装Java环境
- 5.安装单机模式Hadoop
- 6.安装伪分布式Hadoop
- 总结
1.Linux系统的安装
选择免费的Ubuntu桌面版作为安装的操作系统,读者可以到网络上下载Ubuntu系统镜像文件进行安装。这里选择的是乌班图麒麟16.04版本(ubuntukylin-16.04-desktop-amd64.iso)
在VMware中建立Ubuntukylin的虚拟机
2.创建Hadoop用户
(1)如果你安装 UbuntuKylin的时候不是用的 “hadoop” 用户,那么需要增加一个名为 hadoop 的用户。
首先按 ctrl+alt+t 打开终端窗口,输入如下命令创建新用户 :
sudo useradd -m hadoop -s /bin/bash
接着使用如下命令设置密码,可简单设置为 hadoop,按提示输入两次密码:
sudo passwd hadoop
(2)更新apt
用 hadoop 用户登录后,我们先更新一下 apt,后续我们使用 apt 安装软件,如果没更新可能有一些软件安装不了。按 ctrl+alt+t 打开终端窗口,执行如下命令:
sudo apt-get update
后续需要更改一些配置文件,安装vim:
sudo apt-get install vim
安装软件时若需要确认,在提示处输入 y 即可。
3.安装SSH、配置SSH无密码登陆
谈到SSH,简单说一下SSH是什么。SSH为Secure Shell的缩写,是建立在应用层和传输层基础上的安全协议。SSH是目前较可靠、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。SSH最初是UNIX系统上的一个程序,后来又迅速扩展到其他操作平台。SSH是由客户端和服务端的软件组成。服务端是一个守护进程(daemon),它在后台运行并响应来自客户端的连接请求,客户端包括ssh程序以及想scp(远程拷贝)、slogin(远程登陆)、sftp(安全文件传输)等其他的应用程序。
配置SSH的原因:Hadoop名称节点(NameNode)需要启动集群中所有机器的Hadoop守护进程,这个过程需要SSH登录来实现、Hadoop并没有提供SSH输入密码登录的形式,因此,为了可以顺利登录每台机器,需要将所有机器配置为名称节点可以无密码登录它们。
集群、单节点模式都需要用到 SSH 登陆,Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server:
sudo apt-get install openssh-server
安装后,可以使用如下命令登陆本机:
ssh localhost
此时会有如下提示(SSH首次登陆提示),输入 yes 。然后按提示输入密码 hadoop,这样就登陆到本机了。
但这样登陆是需要每次输入密码的,我们需要配置成SSH无密码登陆比较方便。
首先退出刚才的 ssh,就回到了我们原先的终端窗口,然后利用 ssh-keygen 生成密钥,并将密钥加入到授权中:
exit # 退出刚才的 ssh localhost
cd ~/.ssh/ # 若没有该目录,请先执行一次ssh localhost
ssh-keygen -t rsa # 会有提示,都按回车就可以
cat ./id_rsa.pub >> ./authorized_keys # 加入授权
*在执行ssh-keygen -t rsa时,出现冒号提示相关信息时,直接回车就可以,只要提示就按回车,密钥就生成。
此时再用 ssh localhost 命令,无需输入密码就可以直接登陆了,如下图所示。
4.安装Java环境
Hadoop3.1.3需要JDK版本在1.8及以上。需要按照下面步骤来自己手动安装JDK1.8。请把压缩格式的文件jdk-8u162-linux-x64.tar.gz下载到本地电脑。
在Ubuntu中获得安装包,可以把Windows系统中下载好的安装包上传到Ubuntu中,这个时候就需要一个软件SecureCRT。
打开软件,右击Sessions,如图所示。
在接下来的Host name中,需要获取主机地址,在Ubuntu系统中输入ifconfig,图片里的192.168.92.128就是主机地址。
建立好对话后,点击连接,就可以连接到Ubuntu。接下来,鼠标右击对话名称,如图所示。
然后以拖拽方式将jdk文件上传到Ubuntu,如图所示
在Ubuntu系统中,在根目录下使用ls查询发现目录下有jdk文件,上传成功。
cd /usr/lib
sudo mkdir jvm *创建/usr/lib/jvm目录用来存放JDK文件
cd ~ *返回根目录
sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm *把JDK文件解压到/usr/lib/jvm目录下
JDK文件解压缩以后,可以执行如下命令到/usr/lib/jvm目录查看一下:
cd /usr/lib/jvm
ls
可以看到,在/usr/lib/jvm目录下有个jdk1.8.0_162目录。
下面继续执行如下命令,设置环境变量:
cd ~
vim ~/.bashrc
上面命令使用vim编辑器打开了hadoop这个用户的环境变量配置文件,请在这个文件的开头位置,添加如下几行内容:
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
保存.bashrc文件并退出vim编辑器。然后,继续执行如下命令让.bashrc文件的配置立即生效:
source ~/.bashrc
这时,可以使用如下命令查看是否安装成功:
java -version
如果能够在屏幕上返回如下信息,则说明安装成功:
hadoop@ubuntu:~$ java -version
java version "1.8.0_162"
Java(TM) SE Runtime Environment (build 1.8.0_162-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.162-b12, mixed mode)
至此,就成功安装了Java环境。下面就可以进入Hadoop的安装。
5.安装单机模式Hadoop
安装Hadoop之前,说一下Hadoop安装方式:
- 单机模式:只在一台机器上运行,存储是采用本地文件系统,没有采用分布式系统HDFS
- 伪分布模式:存储采用分布式文件系统HDFS,但是,HDFS的名称节点和数据节点都在同一台机器上。
- 分布式模式:存储采用分布式文件系统HDFS,而且,HDFS的名称节点和数据节点位于不同机器上。
Hadoop安装文件,可以到Hadoop官网下载hadoop-3.1.3.tar.gz。
使用上面的方法,将hadoop-3.1.3.tar.gz上传到Ubuntu系统中。
我们选择将 Hadoop 安装至 /usr/local/ 中:
sudo tar -zvxf ./hadoop-3.1.3.tar.gz -C /usr/local # 解压到/usr/local中
cd /usr/local/
sudo mv ./hadoop-3.1.3/ ./hadoop # 将文件夹名改为hadoop
sudo chown -R hadoop ./hadoop # 修改文件权限
Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用,成功则会显示 Hadoop 版本信息:
cd /usr/local/hadoop
./bin/hadoop version
可以返回正确的版本信息就成功了。
Hadoop 单机模式)无需进行其他配置即可运行。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-3.1.3.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/* # 查看运行结果
执行成功后如下所示,输出了作业的相关信息,输出的结果是符合正确的单词 dfsadmin 出现了1次
*Hadoop 默认不会覆盖结果文件,因此再次运行上面实例会提示出错,需要先将 ./output 删除。
rm -r ./output
6.安装伪分布式Hadoop
Hadoop 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 将当中的
<configuration>
</configuration>
修改为下面配置:
<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>
说明一下上述的配置,上述都是一对一对的标签对,像,这样,第一个标签hadoop.tmp.dir用来给hadoop设置临时变量,设置的是file:/usr/local/hadoop/tmp,表示把当前临时目录设置为下面这个目录,表示注释,fs.defaultFS设置访问路径,hdfs://localhost:9000是主机名加端口号,主机名为localhost,端口号为9000。
同样的,修改配置文件 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/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>
</configuration>
配置完成后,执行 NameNode 的格式化:
cd /usr/local/hadoop
./bin/hdfs namenode -format
成功的话,会看到 “successfully formatted” 的提示。
接着开启 NameNode 和 DataNode 守护进程。
cd /usr/local/hadoop
./sbin/start-dfs.sh #start-dfs.sh是个完整的可执行文件,中间没有空格
若出现如下SSH提示,输入yes即可。
启动完成后,可以通过命令 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。
成功启动后,可以访问 Web 界面 http://localhost:9870 查看 NameNode 和 Datanode 信息,还可以在线查看 HDFS 中的文件。