Hadoop2.9 单机/伪分布式安装(Centos7环境)

2019-09-26 2020-05-27

bigdata

18 minutes read (About 2693 words)

Hadoop2.9 单机/伪分布式安装(Centos7环境)

准备

需要准备的软件: Java , ssh

下载Haddop:http://www.apache.org/dyn/closer.cgi/hadoop/common/

安装SSH、配置SSH无密码登陆

集群、单节点模式都需要用到 SSH 登陆（类似于远程登陆，你可以登录某台 Linux 主机，并且在上面运行命令），一般情况下，CentOS 默认已安装了 SSH client、SSH server，打开终端执行如下命令进行检验：

1	rpm -qa \| grep ssh

若需要安装，则可以通过 yum 进行安装

1 2	sudo yum install openssh-clients sudo yum install openssh-server

测试ssh 是否可以用

1	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。

首先输入 exit 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：

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
chmod 600 ./authorized_keys    # 修改文件权限

此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了

配置JAVA Environment

编辑/etc/profile，增加

/etc/profile

#JAVA Environment
export JAVA_HOME=/usr/java/jdk1.8.0_191-amd64/
export JRE_HOME=$JAVA_HOME/jre
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib

执行source /etc/profile 使配置生效

添加hadoop 用户

1	useradd -m hadoop -s /bin/bash

1	passwd hadoop

为 hadoop 用户增加管理员权限

ubantu:

1	adduser hadoop sudo

centos：

root用户执行 visudo，添加一行

1	hadoop ALL=(ALL) NOPASSWD:ALL

位置在Allow root to run any commands anywhere下面

Hadoop 安装

解压hadoop安装包到/usr/local/目录，并且为hadoop用户分配该目录所属权限

1
2
3

tar -xvzf hadoop-2.9.2.tar.gz -C /usr/local
mv /usr/local/hadoop-2.9.2 /usr/local/hadoop
chown -R hadoop /usr/local/hadoop

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：

1 2	cd /usr/local/hadoop bin/hadoop version

添加hadoop环境配置，执行vim /etc/profile 在前面添加的java 环境变量配置后加上：

/etc/profile

# Hadoop Environment Variables
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

执行source /etc/profile使配置生效

单机版配置

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。

Hadoop 附带了丰富的例子运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.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 'apach[a-z.]+'
cat ./output/*

注意，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。

结果

# 程序执行信息输出	
	Shuffle Errors
		BAD_ID=0
		CONNECTION=0
		IO_ERROR=0
		WRONG_LENGTH=0
		WRONG_MAP=0
		WRONG_REDUCE=0
	File Input Format Counters
		Bytes Read=228
	File Output Format Counters
		Bytes Written=100
# 统计结果
[hadoop@sloong hadoop]$ cat output/*
8	apache.org
1	apache.hadoop.yarn.util.resource.
1	apache.hadoop.crypto.key.kms.server.

若出现提示 “WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable”，该 WARN 提示可以忽略，不会影响 Hadoop 正常运行（可通过编译 Hadoop 源码解决，解决方法请自行搜索）。

若出现提示 “INFO metrics.MetricsUtil: Unable to obtain hostName java.net.UnknowHostException”，这需要执行如下命令修改 hosts 文件，为你的主机名增加IP映射，主机名可以执行命令 hostname 查看

1	sudo vim /etc/hosts

在最后面增加一行 “127.0.0.1 your_hostname”：

保存文件后，重新运行 hadoop 实例

伪分布式配置

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。

####步骤一：修改配置文件

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 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core-site.xml: 命令行执行vim ./etc/hadoop/core-site.xml

etc/hadoop/core-site.xml

<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>

修改配置文件 hdfs-site.xml：

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>

伪分布式配置说明

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（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/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。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。

步骤二：执行NameNode 的格式化

配置完成后，执行 NameNode 的格式化:

1	./bin/hdfs namenode -format

执行成功会看到Storage directory ** has been successfully formatted.的信息

9/10/23 11:33:11 INFO namenode.FSImage: Allocated new BlockPoolId: BP-2003467812-192.168.0.103-1571801591641
19/10/23 11:33:11 INFO common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted.
19/10/23 11:33:11 INFO namenode.FSImageFormatProtobuf: Saving image file /usr/local/hadoop/tmp/dfs/name/current/fsimage.ckpt_0000000000000000000 using no compression
19/10/23 11:33:11 INFO namenode.FSImageFormatProtobuf: Image file /usr/local/hadoop/tmp/dfs/name/current/fsimage.ckpt_0000000000000000000 of size 324 bytes saved in 0 seconds .
19/10/23 11:33:11 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
19/10/23 11:33:11 INFO namenode.NameNode: SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at sloong.server/192.168.0.103
************************************************************/

如果出现Error: JAVA_HOME is not set and could not be found错误，请重新设置好JAVA_HOME后重试

步骤三：开启 NameNode 和 DataNode 守护进程。

1	./sbin/start-dfs.sh

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。

jps

可能出现的异常情况

1.出现JAVA_HOME is not set错误提示

[hadoop@sloong hadoop]$ sbin/start-dfs.sh
Starting namenodes on [localhost]
hadoop@localhost's password:
localhost: Error: JAVA_HOME is not set and could not be found.

但JAVA_HOME实际上已经设置好了，这时通过修改hadoop配置vim etc/hadoop/hadoop-env.sh

找到export JAVA_HOME=${JAVA_HOME} ，将JAVA_HOME= 改为绝对路径

echo $JAVA_HOME 
#复制输出的java home 的绝对路径
vim etc/hadoop/hadoop-env.sh
#找到 export JAVA_HOME=${JAVA_HOME}
#改为 echo $JAVA_HOME 打印出来的绝对路径
export JAVA_HOME=/usr/java/jdk1.8.0_191-amd64

2.如果期间需要不停的输入hadoop用户的密码：

检查“准备” -> “配置SSH无密码登陆” 环节是否成功

验证Hadoop伪分布式实例

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：

1	./bin/hdfs dfs -mkdir -p /user/hadoop

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:

1 2	./bin/hdfs dfs -mkdir input ./bin/hdfs dfs -put ./etc/hadoop/*.xml input

复制完成后，可以通过如下命令查看 HDFS 中的文件列表：

1	./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）。

1	./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/*
# 输出
1	dfsadmin
1	dfs.replication
1	dfs.namenode.name.dir
1	dfs.datanode.data.dir

我们也可以将运行结果取回到本地：

1
2
3

rm -r ./output    # 先删除本地的 output 文件夹（如果存在）
./bin/hdfs dfs -get output ./output     # 将 HDFS 上的 output 文件夹拷贝到本机
cat ./output/*

Hadoop 运行程序时，输出目录不能存在，否则会提示错误 “org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://localhost:9000/user/hadoop/output already exists” ，因此若要再次执行，需要执行如下命令删除 output 文件夹:

1	./bin/hdfs dfs -rm -r output # 删除 output 文件夹

运行程序时，输出目录不能存在

运行 Hadoop 程序时，为了防止覆盖结果，程序指定的输出目录（如 output）不能存在，否则会提示错误，因此运行前需要先删除输出目录。在实际开发应用程序时，可考虑在程序中加上如下代码，能在每次运行时自动删除输出目录，避免繁琐的命令行操作：
1
2
3
4
5
6
>Configuration conf = new Configuration();
>Job job = new Job(conf);

>/* 删除输出目录 */
>Path outputPath = new Path(args[1]);
>outputPath.getFileSystem(conf).delete(outputPath, true);

若要关闭 Hadoop，则运行

1	./sbin/stop-dfs.sh

参考

http://dblab.xmu.edu.cn/blog/install-hadoop-in-centos/

本文标题：Hadoop2.9 单机/伪分布式安装(Centos7环境)
本文作者：LoganShen
本文链接：https://blog.95id.com/hadoop-install.html
发布时间：2019-09-26
版权声明：本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明出处！

bigdata, hadoop

Hadoop2.9 单机/伪分布式安装(Centos7环境)

Hadoop2.9 单机/伪分布式安装(Centos7环境)

准备

安装SSH、配置SSH无密码登陆

配置JAVA Environment

添加hadoop 用户

Hadoop 安装

单机版配置

伪分布式配置

步骤二：执行NameNode 的格式化

步骤三：开启 NameNode 和 DataNode 守护进程。

验证Hadoop伪分布式实例

参考

Catalogue

Your browser is out-of-date!