关于大数据:图解大数据-实操案例Hadoop系统搭建与环境配置

作者：韩信子 @ShowMeAI
教程地址：http://www.showmeai.tech/tutorials/84
本文地址：http://www.showmeai.tech/article-detail/169
申明：版权所有，转载请分割平台与作者并注明出处

本教程 ShowMeAI 具体给大家解说 Hadoop 的装置与环境配置办法，对于 Hadoop 与 map-reduce 的基础知识，大家能够回顾 ShowMeAI 的基础知识解说篇分布式平台 Hadoop 与 Map-reduce 详解。本教程的工作环境为 Linux 零碎（理论有大数据环境的公司，工作与开发环境很多也是在服务器上，大家能够尽早相熟一下）。

本教程应用到的 Hadoop 安装文件，下载方式有以下抉择：

① Hadoop 官网 https://hadoop.apache.org/releases.html
② 百度网盘，找到 Hadoop 安装文件【hadoop-2.7.1.tar.gz】进行后续试验

Hadoop 安装文件下载（百度网盘）
链接：https://pan.baidu.com/s/1kFBBT2glXeGxf\_Y2PXwA7Q
提取码：show

零碎环境：Ubuntu 14.04 64 位（Ubuntu 12.04，Ubuntu16.04 也行，32 位、64 位均可）。
Hadoop 版本：本教程基于 Hadoop 2 实现，Hadoop 2.6.0 (stable) 版本验证通过，可适宜任何 Hadoop 2.x.y 版本。

首先新增一个名为 hadoop 的用户。关上终端窗口（快捷键 ctrl+alt+t），输出如下命令 :

sudo useradd -m hadoop -s /bin/bash

对上述操作做一个解释：

sudo 命令：sudo 是 ubuntu 中一种权限管理机制，管理员能够受权给一些普通用户去执行一些须要 root 权限执行的操作。当应用 sudo 命令时，就须要输入您以后用户的明码。本教程中大量应用到 sudo 命令。
明码：在 Linux 的终端中输出明码，终端是不会显示任何你以后输出的明码，也不会提醒你曾经输出了多少字符明码。而在 windows 零碎中, 输出明码个别都会以“*”示意你输出的明码字符。

应用如下命令设置明码，可简略设置为 hadoop，按提醒输出两次明码：

sudo passwd hadoop

再通过以下命令为 hadoop 用户减少管理员权限，不便部署：

sudo adduser hadoop sudo

接下来更新一下 apt，因为在 Linux（Ubuntu）环境下最不便的装置软件形式是应用 apt，放弃它在比拟新的状态，在命令行执行如下命令：

sudo apt-get update

装置 vim 等编辑器：后续应用 vim 进行文本编辑，这里基于更新后的 apt 装置一下 vim，命令如下：

sudo apt-get install vim

装置软件时若须要确认，在提醒处输出 y 即可。

集群、单节点模式都须要用到 SSH 登陆，Ubuntu 默认已装置了 SSH client，此外还须要装置 SSH server，能够基于以下命令装置：

sudo apt-get install openssh-server

装置后，能够应用如下命令登陆本机：

ssh localhost

此时会有如下提醒 (SSH 首次登陆提醒)，输出 yes。而后按提醒输出明码 hadoop，这样就登陆到本机了。

上面配置一下 SSH 无明码登陆，以便更快捷的操作。

首先退出方才的 ssh，再利用 ssh-keygen 生成密钥，并将密钥退出到受权中，命令如下：

exit                           # 退出方才的 ssh localhost
cd ~/.ssh/                     # 若没有该目录，请先执行一次 ssh localhost
ssh-keygen -t rsa              # 会有提醒，都按回车就能够
cat ./id_rsa.pub >> ./authorized_keys  # 退出受权

上述命令中：

~ 代表的是用户的主文件夹，即 /home/ 用户名 这个目录
命令中的 # 前面的文字是正文，只须要输出后面命令即可。

此时再用 ssh localhost 命令，无需输出明码就能够间接登陆了，如下图所示。

装置须要依赖 jdk 安装包，从下方百度网盘下载。

Hadoop 安装文件下载（百度网盘）
链接：https://pan.baidu.com/s/1kFBBT2glXeGxf\_Y2PXwA7Q
提取码：show

下载 JDK1.8 的安装包【jdk-8u162-linux-x64.tar.gz】，并把压缩格局的文件 jdk-8u162-linux-x64.tar.gz 下载到本地电脑，假如保留在 /home/hadoop/Downloads/ 目录下。

在 Linux 命令行界面中，执行如下 Shell 命令（留神：以后登录用户名是 hadoop）：

cd /usr/lib
sudo mkdir jvm #创立 /usr/lib/jvm 目录用来寄存 JDK 文件
cd ~ #进入 hadoop 用户的主目录
cd Downloads  #留神辨别大小写字母，方才曾经通过 FTP 软件把 JDK 安装包 jdk-8u162-linux-x64.tar.gz 上传到该目录下
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 文件解压缩当前，能够执行如下命令到 /usr/lib/jvm 目录查看一下：

cd /usr/lib/jvm
ls

能够看到，在 /usr/lib/jvm 目录下有个 jdk1.8.0\_162 目录。

上面继续执行如下命令，设置环境变量：

cd ~
vim ~/.bashrc

下面命令应用 vim 编辑器关上了 hadoop 这个用户的环境变量配置文件，请在这个文件的结尾地位，增加如下几行内容：

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

保留 .bashrc 文件并退出 vim 编辑器。

而后，继续执行如下命令让 .bashrc 文件的配置立刻失效：

source ~/.bashrc

这时，能够应用如下命令查看是否装置胜利：

java -version

如果可能在屏幕上返回如下信息，则阐明装置胜利：

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)

上面装置 Hadoop 2，安装文件能够通过 http://mirror.bit.edu.cn/apache/hadoop/common/ 或者 http://mirrors.cnnic.cn/apache/hadoop/common/ 下载，也能够通过以下形式下载：

① Hadoop 官网 https://hadoop.apache.org/releases.html
② 百度网盘，找到 Hadoop 安装文件【hadoop-2.7.1.tar.gz】进行后续试验

Hadoop 安装文件下载（百度网盘）
链接：https://pan.baidu.com/s/1kFBBT2glXeGxf\_Y2PXwA7Q
提取码：show

抉择将 Hadoop 装置至 /usr/local/ 中：

sudo tar -zxf ~/ 下载 /hadoop-2.7.1.tar.gz -C /usr/local    # 解压到 /usr/local 中
cd /usr/local/
sudo mv ./hadoop-2.7.1/ ./hadoop            # 将文件夹名改为 hadoop
sudo chown -R hadoop ./hadoop       # 批改文件权限

Hadoop 解压后即可应用。输出如下命令来查看 Hadoop 是否可用，胜利则会显示 Hadoop 版本信息：

cd /usr/local/hadoop
./bin/hadoop version

Hadoop 默认模式为非分布式模式（本地模式），无需进行其余配置即可运行。非分布式即单 Java 过程，不便进行调试。

当初能够执行例子来感触下 Hadoop 的运行。Hadoop 附带了丰盛的例子（运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 能够看到所有例子），包含 wordcount、terasort、join、grep 等。

在此抉择运行 grep 例子，将 input 文件夹中的所有文件作为输出，筛选当中合乎正则表达式 dfs[a-z.]+ 的单词并统计呈现的次数，最初输入后果到 output 文件夹中。

cd /usr/local/hadoop
mkdir ./input
cp ./etc/hadoop/*.xml ./input   # 将配置文件作为输出文件
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/*          # 查看运行后果

执行胜利后如下所示，输入了作业的相干信息，输入的后果是合乎正则的单词 dfsadmin 呈现了 1 次

留神，Hadoop 默认不会笼罩后果文件，因而再次运行下面实例会提醒出错，须要先将 ./output 删除。删除命令为 rm -r ./output。

Hadoop 能够在单节点上以伪分布式的形式运行，Hadoop 过程以拆散的 Java 过程来运行，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，伪分布式须要批改 2 个配置文件 core-site.xml 和 hdfs-site.xml。Hadoop 的配置文件是 xml 格局，每个配置以申明 property 的 name 和 value 的形式来实现。

批改配置文件 core-site.xml (能够通过 vim/gedit 编辑: vim ./etc/hadoop/core-site.xml 或者 gedit ./etc/hadoop/core-site.xml)，将当中的

<configuration>
</configuration>

批改为上面配置：

<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>

同样的，批改配置文件 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>

配置实现后，执行 NameNode 的格式化：

cd /usr/local/hadoop
./bin/hdfs namenode -format

胜利的话，会看到 successfully formatted 和 Exitting with status 0 的提醒，若为 Exitting with status 1 则是出错。

接着开启 NameNode 和 DataNode 守护过程。

cd /usr/local/hadoop
./sbin/start-dfs.sh  #start-dfs.sh 是个残缺的可执行文件，两头没有空格

若呈现如下 SSH 提醒，输出 yes 即可。

启动实现后，能够通过命令 jps 来判断是否胜利启动，若胜利启动则会列出如下过程：“NameNode”、”DataNode”和“SecondaryNameNode”

胜利启动后，能够拜访 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息，还能够在线查看 HDFS 中的文件。

下面的单机模式，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。要应用 HDFS，首先须要在 HDFS 中创立用户目录：

./bin/hadoop fs -mkdir -p /user/hadoop

上述命令有以下 3 种不同的状态均可应用：

hadoop fs
hadoop dfs
hdfs dfs

接着将 ./etc/hadoop 中的 xml 文件作为输出文件复制到分布式文件系统中，行将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。命令如下：

./bin/hadoop fs -mkdir input
./bin/hadoop fs -put ./etc/hadoop/*.xml input

复制实现后，能够通过如下命令查看文件列表：

./bin/hadoop fs -ls input

伪分布式运行 MapReduce 作业的形式跟单机模式雷同，区别在于伪分布式读取的是 HDFS 中的文件（能够将单机步骤中创立的本地 input 文件夹，输入后果 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.]+'

查看运行后果的命令（查看的是位于 HDFS 中的输入后果）：

./bin/hadoop fs -cat output/*

后果如下，留神到方才曾经更改了配置文件，所以运行后果不同。

首次学习，伪分布式残缺的性能曾经具备了，足够应用。如果须要装置 Hadoop 集群，请查看 Hadoop 集群装置配置教程（https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/）。

http://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/SingleCluster.html
http://www.cnblogs.com/xia520pi/archive/2012/05/16/2503949.html
http://www.micmiu.com/bigdata/hadoop/hadoop-2x-ubuntu-build/

图解大数据 | 导论：大数据生态与利用
图解大数据 | 分布式平台：Hadoop 与 Map-reduce 详解
图解大数据 | 实操案例：Hadoop 零碎搭建与环境配置
图解大数据 | 实操案例：Hive 搭建与利用案例
图解大数据 | 海量数据库与查问：Hive 与 HBase 详解
图解大数据 | 大数据分析开掘框架：Spark 初步
图解大数据 | Spark 操作：基于 RDD 的大数据处理剖析
图解大数据 | Spark 操作：基于 Dataframe 与 SQL 的大数据处理剖析
图解大数据 | 综合案例：应用 spark 剖析美国新冠肺炎疫情数据
图解大数据 | 综合案例：应用 Spark 剖析开掘批发交易数据
图解大数据 | 综合案例：应用 Spark 剖析开掘音乐专辑数据
图解大数据 | 流式数据处理：Spark Streaming
图解大数据 | Spark 机器学习 (上)- 工作流与特色工程
图解大数据 | Spark 机器学习 (下)- 建模与超参调优
图解大数据 | Spark GraphFrames：基于图的数据分析开掘

图解 Python 编程：从入门到精通系列教程
图解数据分析：从入门到精通系列教程
图解 AI 数学根底：从入门到精通系列教程
图解大数据技术：从入门到精通系列教程

关于大数据:图解大数据-实操案例Hadoop系统搭建与环境配置

1. 引言

2. 环境阐明

3. 创立用户

1）新增用户

2）设置明码

4. 更新 apt

5. 装置与配置 SS

6. 装置 Java 环境

7. 装置 Hadoop 2

8.Hadoop 单机配置

9.Hadoop 伪分布式配置

10. 运行 Hadoop 伪分布式实例

11. 装置 Hadoop 集群

12. 参考资料

ShowMeAI 相干文章举荐

ShowMeAI 系列教程举荐