Hadoop

Hadoop安装教程——单机/伪分布/完全分布式配置

Hello Mayer

Posted by shexiaobin on October 18, 2018

单机模式

  • 1.1.1 安装前装备

  • (1)安装Linux

    下载Ubuntu 16.04，下载地址：http://ftp.sjtu.edu.cn/ubuntu-cd/16.04.5/

    （a）Desktop –> 桌面版，默认带了界面 ubuntu-16.04.5-desktop-amd64.iso

    （b）Server –> 服务器版，默认没有带界面 ubuntu-16.04.5-server-amd64.iso

  • （2）查看防火墙状态 查看防火墙状态
    sudo ufw status 关闭防火墙 sudo ufw disable

  • (3) 安装JDK

解压到根目录： tar -zxvf jdk-8u144-linux-x64.tar.gz -C ~

建一个软链接（方便使用）

ln -s jdk1.8.0_144 jdk (改名为jdk)

配置环境变量

vi ~/.bashrc

export JAVA_HOME=/home/hadoop/jdk  (hadoop为用户名，jdk为jdk的安装目录，可使用软链接)

export PATH=$JAVA_HOME/bin:$PATH

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

变量生效：（修改配置后，一定要记住生效）

source ~/.bashrc

vi如何使用

系统自带的vi很难用，建议安装vim

sudo apt-get install  vim    // 安装vim
输入`a`进入编辑模式
`esc` //退出编辑模式
`:wq` // 保存并退出
`:q`  //不保存退出

查看jdk是否安装成功 java -version

  • （4）Hadoop安装包解压 tar -zxvf hadoop-2.7.3.tar.gz -C ~

创建超链接： ln -s hadoop-2.7.3 hadoop

配置环境变量： vi ~/.bashrc

export HADOOP_HOME=/home/hadoop/hadoop
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

变量生效：

source ~/.bashrc

1.1.2 安装 （cd 到hadoop中的etc目录）

  • （1）修改配置

vi hadoop-env.sh

export JAVA_HOME=/home/hadoop/jdk (实际jdk的安装目录)

查看hadoop是否安装成功 hadoop version

1.2 伪分布模式

  • 1.2.1 安装前准备

  • (1) 参考上面1.1.1 同1.1.1

  • （2）配置主机名

sudo vi /etc/hosts (前面加sudo，需要root权限)

191.168.1.51   node1.hadoop  node1

注：191.168.1.51 //本机实际ip，输入`ifconfig`可查看
    node1               //主机名
   ``cat  /etc/hostname``   //查看主机名
    ``vi   /etc/hostname``    //修改主机名
  • （3）确认openssh-client、openssh-server是否安装

查看是否已经安装ssh （xshell要连接上服务器也需要安装ssh） dpkg -l | grep openssh

若没有，安装命令：

`sudo apt-get install openssh-client`
`sudo apt-get install openssh-server`

ssh是目前较为可靠，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。

  • （4）免密码登录

通过ssh-keyen生成一个RSA的密钥对:

ssh-keygen -t rsa -P ''（P为大写，操作过程一路回车）

公钥追加到~/.ssh/authorized_keys文件中:

ssh-copy-id -i ~/.ssh/id_rsa.pub node1 主机名(如上面都node1)

测试免密码登录： ssh node1

1.2.2安装

  • (1) 修改配置文件 （hadoop/etc/hadoop）

vi hadoop-env.sh

export JAVA_HOME=/home/hadoop/jdk

vi hdfs-site.xml

<!--表示数据块的冗余度，默认：3-->

<property>
  <name>dfs.replication</name>
  <value>1</value>
</property>

core-site.xml

<!--配置NameNode地址,9000是RPC通信端口-->

<property>
   <name>fs.defaultFS</name>
   <value>hdfs://node1:9000</value>
</property>	

<!--HDFS数据保存在Linux的哪个目录，默认值是Linux的tmp目录-->
<property>
   <name>hadoop.tmp.dir</name>
   <value>/home/hadoop/hadoop/tmp</value>
</property>

img

mapred-site.xml

默认没有（cp mapred-site.xml.template mapred-site.xml）

<!--MR运行的框架-->
<property>
   <name>mapreduce.framework.name</name>
   <value>yarn</value>
</property>

yarn-site.xml

<!--Yarn的主节点RM的位置-->
<property>
   <name>yarn.resourcemanager.hostname</name>
   <value>node1</value>
</property>	

<!--MapReduce运行方式：shuffle洗牌-->
<property>
   <name>yarn.nodemanager.aux-services</name>
   <value>mapreduce_shuffle</value>
</property>

  • (2) 格式化 hdfs namenode -format

  • (3) 启动停止Hadoop的环境 start-all.sh

stop-all.sh

  • (4）测试 查看进程： jps

img

通过Web界面：（网址要改成自己的ip） HDFS: http://191.168.1.51:50070

http://191.168.1.51:50090

Yarn: http://191.168.1.51:8088

1.3 完全分布式模式

安装规划 确定几个节点，Namenode、Datanode安装在哪几台机器上。 这里用两个Datanode，一个Namenode
每台机器参考上面“安装前准备操作”,同时增加下面几步：

  • 2.1.1 安装前准备

  • （1）参考上面1.1.1 同1.1.1

  • （2）配置主机名

sudo vi /etc/hosts

191.168.1.51   node1.hadoop  node1   #主机名.用户名 用户名相同的情况下可以省略，保险起见不要省
191.168.1.52   node2.hadoop  node2
191.168.1.53   node3.hadoop  node3
  • (3) 安装ntp服务 （保证集群内所有主机时间同步）

$sudo dpkg -l |grep ntp

若NTP尚未安装就运行安装命令：

$ sudo apt-get install ntp

ntp服务需要注意能连接网络，有什么用？ 如果时间不一样，执行MapReduce程序的时候可能存在问题

  • (4) 配置免密码登录：两两之间的免密码登录
每台机器上运行：
ssh-keygen -t rsa -P ''
ssh-copy-id -i  ~/.ssh/id_rsa.pub  node1
ssh-copy-id -i  ~/.ssh/id_rsa.pub  node2
ssh-copy-id -i  ~/.ssh/id_rsa.pub  node3
  • (1) 修改配置文件 （hadoop/etc/hadoop）

vi hadoop-env.sh

export JAVA_HOME=/home/hadoop/jdk

vi hdfs-site.xml

<!--表示数据块的冗余度，默认：3-->

<property>
  <name>dfs.replication</name>
  <value>2</value>
</property>

core-site.xml

<!--配置NameNode地址,9000是RPC通信端口-->

<property>
   <name>fs.defaultFS</name>
   <value>hdfs://node1:9000</value>
</property>	
<!--HDFS数据保存在Linux的哪个目录，默认值是Linux的tmp目录-->
<property>
   <name>hadoop.tmp.dir</name>
   <value>/home/hadoop/hadoop/tmp</value>
</property>

img

mapred-site.xml

默认没有（cp mapred-site.xml.template mapred-site.xml）

<!--MR运行的框架-->
<property>
   <name>mapreduce.framework.name</name>
   <value>yarn</value>
</property>

yarn-site.xml

<!--Yarn的主节点RM的位置-->
<property>
   <name>yarn.resourcemanager.hostname</name>
   <value>node1</value>
</property>	

<!--MapReduce运行方式：shuffle洗牌-->
<property>
   <name>yarn.nodemanager.aux-services</name>
   <value>mapreduce_shuffle</value>
</property>

slaves

`node2`
`node3`

  • (2) 格式化NameNode hdfs namenode -format

  • (3) 把主节点上配置好的hadoop复制到从节点上

``scp -r hadoop-2.7.3/ hadoop@node2:/home/hadoop``
``scp -r hadoop-2.7.3/ hadoop@node3:/home/hadoop``

注意：hadoop@node2改为自己的用户名：shexiaobin@node2

/home/hadoop改为：/home/sheixaobin

  • (4) start-all.sh

  • (5)jps 看进程 注意：node1不能出现datanode

img

通过Web界面：

HDFS:  http://191.168.1.51:50070 
 http://191.168.1.51:50090
Yarn:  http://191.168.1.51:8088

Mapreduce 测试

通过mapreduce：

但预先要往hdfs传一个文件，如何操作?

1.   Linux目录下，随意一个目录，创建一个文本文件data.txt，里面写些内容。
2.   hdfs dfs  -mkdir /input
3.   hdfs dfs -put data.txt /input    ---上传
4.   hdfs dfs -ls /input            --查看

hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /input/data.txt /output

注意：要cd 到对应的目录再打开终端 cd hadoop/hadoop-2.7.3/share/hadoop/mapreduce 可以输入：locate +文件名 找到路径

最后查看结果： hdfs dfs -ls /output

img

hdfs dfs -cat /output/part-r-00000

img

namenode未启动后遗症：拒绝连接 9000端口没启动，导致input文件无法创建

img

CATALOG
    FEATURED TAGS
    Reprint Linux Hadoop SQL Git Python Django Data analysis
    FRIENDS