单节点伪分布式Hadoop搭建

单节点伪分布式Hadoop配置

第一步: 安装JDK

因为 Hadoop 运行必须安装 JDK 环境,因此在安装好 Linux 后进入系统的第一步 便是安装 JDK ,安装过程和在 Windows 环境中的安装步骤很类似,首先去 Oracle 官网 去下载安装包,然后直接进行解压。我自己解压在路径 /usr/jvm 下面,假如你的安装包现在已经下载在 jvm 文件夹下面,然后 按 Ctrl+Alt+t 进去命令行,然后输入

cd  /usr/jvm

进入到jvm文件夹下面,然后再输入如下命令进行解压:

sudo tar  -zxvf  jdk-7u40-linux-i586.tar.gz

第二步: 配置环境变量

解压结束以后,像在 Windows 系统中一样,需要配置环境变量,在 Ubuntu 中设置 环境变量的过程为打开文件 /etc/profile ,因为权限的问题,因此在命令行需要输入 的是

sudo gedit /etc/profile

然后在根据提示输入用户密码即可,然后在文件最下面添加如下:

export JAVA_HOME=/usr/jvm/jdk1.7.0_40

export CLASSPATH=".:$JAVA_HOME/lib:$JAVA_HOME/jre/lib$CLASSPATH"

export PATH="$JAVA_HOME/bin:$JAVA_HOME/jre/bin:/usr/hadoop/hadoop-1.2.1/bin:$PATH"

上面这三个以单词 export 开始的三个语句就类似于我们在 Windows 中的环境变量中设置一样,而且在这个里面和 Windows 中不同的是,在 Windows 中使用 “;” 号来表示分隔,但是在 Ubuntu 中是以 “:” 号来表示分隔。还需要注意的是,上面的路径都是我自己配置的时候的路径,因为我的 JDK 解压在 /usr/jvm 中,所以我的 JAVA_HOME 设置的是那个路径,而且如果安装的 JDK 版本不同那么后面的也不一样。同理在 CLASSPATH 路径中也是因为我自己的安装路径进行设置的,因此在配置过程中需要读者注意。在 PATH 路径中最后面还将 Hadoop 的路径也添加了进去,因此在读者安装了 Hadoop 后也将这个路径添加进环境变量 PATH 中去。

在配置完环境变量后,我们来将我们安装的 JDK 设置为 Ubuntu 系统默认的 JDK ,因为之前系统里面自带 openjdk ,在命令行里面输入如下:

sudo update-alternatives  --install  /usr/bin/java  java  /usr/jvm/jdk1.7.0_40/bin/java 300

sudo update-alternatives  --install  /usr/bin/javac  javac  /usr/jvm/jdk1.7.0_40/bin/javac 300

sudo update-alternatives  --config  java

然后我们就可以在命令行输入 java -version 来进行察看 JDK 是否已经配置好了。

第三步: 安装Hadoop

我们可以去 Hadoop 官网上去下载安装包,我自己下载使用的是 hadoop-1.2.1.tar.gz ,然后当安装包下载结束后,将安装包解压到指定位置,我将安装包解压到了 /usr/hadoop 目录下面。

具体步骤是,像解压 JDK 一样,首先加入下载的 Hadoop 安装包在 /usr/hadoop 文件夹下面。然后在命令行下进入 /usr/hadoop 文件,类似于上面的。然后输入解压命令如下

sudo  tar  -zxvf  hadoop-1.2.1.tar.gz  

后面的 Hadoop 安装包名称具体看你下载的版本,我下载的是1.2.1版本的。 为了以后操作 /usr/hadoop 文件夹里面的文件方便,我们设置一下文件夹的权限,在命令行输入如下

sudo  chown  -hR  long  /usr/hadoop

注意:在上面的命令中,long是我自己此时登陆的用户名,因此你需要将那个改成你自己的用户名。

第四步: 配置Hadoop环境变量

在上面解压完 Hadoop 以后,现在我们来设置环境变量,其实在上面刚才我们配置 JDK 环境变量的时候,已经在 PATH 路径后面添加了 Hadoop 安装目录的 bin 目录的路径,所以那个就代表环境变量已经设置好了,但是读者一定要注意,不要 Copy ,要明确自己的 Hadoop 安装路径来进行配置。

第五步: 设置SSH(安全外壳协议)

推荐安装 OpenSSH , Hadoop 需要通过 SSH 来启动 Slave 列表中各台主机的守护进程,因此 SSH 是必需安装的。虽然我们现在搭建的是一个伪分布式的平台,但是 Hadoop 没有区分开集群式和伪分布式,对于伪分布式, Hadoop 会采用与集群相同的处理方式,即按次序启动文件 conf/slaves 中记载的主机进程,只不过在伪分布式中 Salve 为 localhost 而已,所以对于伪分布式, SSH 是必须的。

配置过程(首先确保连接上网络):

① 安装SSH,在命令行输入如下

sudo  apt-get install openssh-server

② 配置可以免密码登陆本机

在命令行输入(注意其中的ssh前面还有一个 “ . ” 不要遗漏)

ssh-keygen  -t  dsa -P '' -f  ~/.ssh/id_dsa 

(解释一下上面这条命令, ssh-keygen 代表生成密钥; -t 表示指定生成的密钥 类型; dsa 是 dsa 密钥认证的意思; -P 用于提供密语(接着后面是两个单引号, 不要打错); -f 表示指定生成密钥文件)

这条命令完成后,会在当前文件夹下面的 .ssh 文件夹下创建 id_dsa 和 id_dsa.pub 两个文件,这是 SSH 的一对私钥和公钥,把 id_dsa.pub (公钥)追加到授权的 key 中去,输入如下命令:

cat  ~/.ssh/id_dsa.pub  >>  ~/.ssh/authorized_keys

至此,免密码登陆本机已经配置完毕。

说明:一般来说,安装SSH时会自动在当前用户下创建.ssh这个隐藏文件夹,一般不会直接看到,除非安装好了以后,在命令行使用命令ls才会看到。

③ 输入 ssh localhost ,显示登陆成功信息。

第六步: 配置Hadoop伪分布式模式

现在进入到安装 Hadoop 的文件夹,找到里面的 conf 文件夹,点击进去。

配置 hadoop 环境文件 hadoop-env.sh

打开文件,找到某行有 ”# export JAVA_HOME = …” 字样的地方,去掉 “#” ,然后在等号后面填写你自己的 JDK 路径,比如像我自己的 JDK 路径,那就改为了 如下所示

“export  JAVA_HOME=/usr/jvm/jdk1.7.0_40”

配置 Hadoop 的核心文件 core-site.xml

打开文件,会发现标签 中是空的,在空的地方添加如下配置

<property>

            <name>fs.default.name</name>

            <value>hdfs://localhost:9000</value>

     </property>



     <property>

             <name>dfs.replication</name>

             <value>1</value>

     </property>



     <property>

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

              <value>/home/long/tmp</value>

     </property>

(注意:在最后一个value值中,上面是long,是因为那是我的用户名,所以你需要将那个修改为你自己的用户名)

配置 Hadoop 中 MapReduce 的配置文件 mapred-site.xml

打开文件,会发现标签 中是空的,在空的地方添加如下配置

<property>

     <name>mapred.job.tracker</name>

     <value>localhost:9001</value>

</property>

第七步: 格式化Hadoop文件系统HDFS并启动Hadoop

首次运行 hadoop 必须进行格式化 Hadoop 文件系统,以后运行即可跳过。打开命令行,进入安装了 Hadoop 的文件路径下,然后在命令行输入

bin/hadoop  namenode -format

格式化文件系统,然后启动 Hadoop ,在命令行里面输入 bin/start-all.sh

验证是否正常启动,在命令行里面输入 jps ,然后回车,如果在命令行里面出现如下类似画面(因为前面的数字可以不同)

3235 NameNode

4113 Jps

3819 JobTracker

4059 TaskTracker

3721 SecondaryNameNode

3487 DataNode

则说明已经正常启动。如果以后需要关闭 Hadoop 的话,在 Hadoop 安装的文件夹路径下面在命令行输入

bin/stop-all.sh

来关闭 Hadoop 。

第八步: 跑一个Hadoop中自带的WordCount程序,来体验一把

步骤如下(我在自己平台上的,读者可仿照实验):

1) 准备一个文本文件

首先我在桌面,新建了一个空白文档 test ,在里面输入一段话,或是几一些什么 单 词什么的,保存。

2) 将文本文件上传到 dfs 文件系统中的 input 目录下,打开命令行,进入到安装 hadoop 的文件夹下,然后输入如下

bin/hadoop  dfs  -copyFromLocal  /home/long/桌面/test  input

(注:如果 dfs 中不包含 input 目录的话就会自动创建一个)

3) 然后在命令行中输入如下命令,执行 WordCount 程序

bin/hadoop jar hadoop-examples-1.2.1.jar wordcount input output

(注:因为这个程序是 Hadoop 安装包里面自带的,就在 hadoop-examples-1.2.1.jar 中,后面的数字因为版本号的不同而不同,后面的 input 代表输入文件夹, output 代表输出文件夹 , 系统输出时会自动创建)

读者如果这个执行成功了,就会发现有很多输出信息,从屏幕上显示,当程序运行结束后。

4) 察看结果 在命令行里面输入

bin/hadoop  dfs  -cat  output/part-r-00000

现在你就可以看见自己刚才输入文本里面的单词计数了。

至此,伪分布式搭建结束!