Linux（Ubuntu）下Hadoop环境配置和伪分布式布置（图文）_hadoop配置bashrc

虚拟机：VMware workstation

环境：Ubuntu 18.04

Hadoop：2.10.2

---

目录

一、安装环境设置（虚拟机Ubuntu18.04）

二、Hadoop用户分配

三、安装SSH

四、安装JAVA环境

五、安装Hadoop 2

六、Hadoop单机配置

七、hadoop伪分布式布置

八、运行Hadoop伪分布式实例

---

一、安装环境设置（虚拟机Ubuntu18.04,这里默认已经安装好虚拟机）

二、Hadoop用户分配

ctrl+alt+T打开命令行，输入以下命令创建一个新用户，使用/bin/bash做shell
命令：

sudo useradd -m hadoop -s /bin/bash

设置密码

sudo passwd Hadoop

给新用户添加管理员权限

sudo adduser Hadoop sudo

然后退出命令行，点击左上角切换用户，使用新建立的hadoop用户登录

重新打开命令行，更新apt，输入以下命令：

sudo apt-get update

三、安装SSH

Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server,输入以下命令：

sudo apt-get install openssh-server

安装完成后使用以下命令登录主机：

ssh localhost

首次登录会提示输入yes,然后需要输入密码，我们设置免密码登录
先退出刚才的ssh,输入：

exit

然后进入到/home/Hadoop/.ssh目录下，输入：

cd ~/.ssh

ssh-keygen -t rsa

# 会有提示，都按回车就可以
加入授权，输入以下命令：

cat ./id_rsa.pub >> ./authorized_keys 

然后进入就不用密码了，然后输入退出(记得退出，不然后面测试会出错)：

exit

四、安装JAVA环境

再更新一下apt：

sudo apt-get update

安装openjdk-8-jdk

sudo apt-get install openjdk-8-jdk

查看Java是否安装成功

java -version

更改Java环境变量，输入以下命令：

gedit ~/.bashrc

(如果没有安装gedit,则输入sudo apt-get install gedit)
如果报错如下：

说明刚才没有退出，输入exit退出
进入到.bashrc，在文件首段输入以下命令：

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64

#就是java-8-openjdk-amd64的位置，具体看你的位置

保存退出，然后输入以下命令让刚才的.bashrc生效

source ~/.bashrc

然后输入：

echo $JAVA_HOME

查看环境变量是否配置成功

五、安装Hadoop 2

点击下面的网址找到2.10.2下载
Hadoop下载网址 

下载完成后解压：

sudo tar -zxf ~/下载/Hadoop-2.10.2.tar.gz -C /usr/local

(解压到/usr/local)
进入/usr/local:

cd /usr/local

文件夹改名：

sudo mv ./hadoop-2.10.2/ ./hadoop

修改文件权限：

sudo chown -R hadoop ./Hadoop

进入hadoop:

cd /usr/local/hadoop

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：

./bin/hadoop version

六、Hadoop单机配置

Hadoop 默认模式为非分布式模式（本地模式），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
下面执行例子感受一下：
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。
新建文件夹

mkdir ./input

将配置文件作为输入文件

cp ./etc/hadoop/*.xml ./input

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

查看运行结果

cat ./output/* 

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

七、hadoop伪分布式布置

Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点
既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件。
Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改2个配置文件 coresite.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
输入以下命令修改配置文件 core-site.xml (通过 gedit 编辑会比较方便: gedit ./etc/hadoop/coresite.xml
)，将当中的。

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

在<configuration></configuration>中添加以下内容
    

<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>

保存退出
修改hdfs-site.xml:

gedit /usr/local/Hadoop/etc/hadoop/hdfs-site.xml

输入以下内容：
  

 <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>

保存退出。

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（官方教程如
此），不过若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoohadoop，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。所以我们进行了设置，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”
接着开启 NameNode 和 DataNode 守护进程：

./sbin/start-dfs.sh

（如果出现提示，输入yes就好）

然后输入jps查看判断是否成功：

jps

(注意，如果只出现namenode或者datanode那就不行，必须两个都有)
成功启动后，可以访问 Web 界面 http://localhost:50070 (http://localhost:50070) 查看 NameNode和 Datanode 信息，还可以在线查看 HDFS 中的文件。

八、运行Hadoop伪分布式实例

上面的单机模式，grep 例子读取的是本地数据，伪分布式读取的则是 HDFS 上的数据。要使用HDFS，首先需要在 HDFS 中创建用户目录：

./bin/hdfs dfs -mkdir -p /user/Hadoop

（注意：hadoop fs适用于任何不同的文件系统，比如本地文件系统和HDFS文件系统 hadoop dfs只能适用于HDFS文件系统 hdfs dfs跟hadoop dfs的命令作用一样，也只能适用于HDFS文件系统）
接着将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中，即将/usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。我们使用的是hadoop 用户，并且已创建相应的用户目录 /user/hadoop ，因此在命令中就可以使用相对路径如input，其对应的绝对路径就是 /user/hadoop/input:
 

建立新的hdfs文件夹input：

./bin/hdfs dfs -mkdir input

复制./etc/hadoop/*.xml中的内容到input中

./bin/hdfs dfs -put ./etc/hadoop/*.xml input

完成后查看文件列表：

./bin/hdfs dfs -ls input

伪分布式运行 MapReduce 作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（可以将单机步骤中创建的本地 input 文件夹，输出结果 output 文件夹都删掉来验证这一点）。

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

查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：

./bin/hdfs dfs -cat output/*

 

先删除本地的 output 文件夹（如果存在）：

rm -r ./output   

 将 HDFS 上的 output 文件夹拷贝到本机（注意下面的第一个output是hdfs类型的，不要删掉hdfs类型这个，如果删掉了，会报错没有output）：

 ./bin/hdfs dfs -get output ./output

查看结果：

cat ./output/*

 

至此，Hadoop的环境配置和伪分布式的布置已经完成,感谢阅读

参考文献：

1.厦门大学林子雨老师

2.B站大佬