Wu Yudong's Blog

原创文章，转载请注明： 转载自工学1号馆

基本环境配置

可以使用命令uname -a 查看linux的版本：

master@ubuntu:~$ uname -a

Linux ubuntu 3.13.0-24-generic #46-Ubuntu SMP Thu Apr 10 19:11:08 UTC 2014 x86_64 x86_64 x86_64 GNU/Linux

使用 Ubuntu 14.04 64位作为系统环境，也可以使用RedHat、CentOS等，本教程也可以作为参考，配置是相似的，就是Linux命令、具体操作有所不同。本教程基于Hadoop 2.6.0 (stable) 版本下验证通过，可适合任何 Hadoop 2.x.y 版本，例如 Hadoop 2.4.1。

装好了Ubuntu系统之后，在安装Hadoop前还需要做一些必备工作。

创建hadoop用户

如果你安装 Ubuntu 的时候不是用的 hadoop 用户，那么最好增加一个名为 hadoop 的用户，密码随意指定。首先打开终端，输入如下命令创建新用户 :

$ sudo useradd -m hadoop -s /bin/bash

这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为shell。

接着使用如下命令修改密码，按提示输入两次密码

$ sudo passwd hadoop

可为 hadoop 用户增加管理员权限，方便部署，避免一些对新手来说比较棘手的权限问题：

$ sudo adduser hadoop sudo

完整的运行情况如下：

master@ubuntu:~$ sudo useradd -m hadoop -s /bin/bash
[sudo] password for master:
master@ubuntu:~$ sudo passwd hadoop
Enter new UNIX password:
Retype new UNIX password:
passwd: password updated successfully
master@ubuntu:~$ sudo adduser hadoop sudo
[sudo] password for master:
Adding user `hadoop’ to group `sudo’ …
Adding user hadoop to group sudo
Done.

最后注销当前用户(点击屏幕右上角的齿轮，选择注销)，在登陆界面使用刚创建的 hadoop 用户进行登陆。

使用下面的命令更新apt：

hadoop@ubuntu:~$ sudo apt-get update

接着安装vim

hadoop@ubuntu:~$ sudo apt-get install vim

安装SSH server、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电脑，并且在上面运行命令），Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server：

$ sudo apt-get install openssh-server

安装后，可以使用如下命令登陆本机：

$ ssh localhost

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/         
ssh-keygen -t rsa             
cat id_rsa.pub >> authorized_keys

再次使用ssh localhost登录就不需要输入密码了

hadoop@ubuntu:~/.ssh$ ssh localhost

Welcome to Ubuntu 14.04 LTS (GNU/Linux 3.13.0-24-generic x86_64)

* Documentation: https://help.ubuntu.com/

Last login: Wed May 13 04:34:05 2015 from localhost

下载配置JDK

下载jdk1.8，下载地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

新建两个文件夹：opt、soft；分别存放安装后的软件和软件包

分别解压缩jdk和hadoop：

hadoop@ubuntu:~/opt$ sudo tar -zxvf jdk-8u45-linux-x64.tar.gz

接着需要配置一下 JAVA_HOME 环境变量：

在文件最前面添加如下单独一行（注意 = 号前后不能有空格），并保存

export JAVA_HOME=/home/hadoop/opt/java1.8.0_45

接着还需要让该环境变量生效，执行如下代码:

$ source ~/.bashrc    # 使变量设置生效
$ echo $JAVA_HOME     # 检验是否设置正确

没有错误会出现下面的结果：

hadoop@ubuntu:~$ echo $JAVA_HOME
/home/hadoop/opt/jdk1.8.0_45

但是此时运行java -version 命令，会出现如下提示：

hadoop@ubuntu:~$ java -version

The program ‘java’ can be found in the following packages:
* default-jre
* gcj-4.8-jre-headless
* openjdk-7-jre-headless
* gcj-4.6-jre-headless
* openjdk-6-jre-headless
Try: sudo apt-get install <selected package>

提示jre的安装问题，而实际是环境没有配置全面，继续vim ~/.bashrc，加入：

export JAVA_HOME=/home/hadoop/opt/jdk1.8.0_45
export JRE_HOME=${JAVA_HOME}/jre 
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib 
export PATH=${JAVA_HOME}/bin:$PATH

hadoop@ubuntu:~$ java -version
java version “1.8.0_45”
Java(TM) SE Runtime Environment (build 1.8.0_45-b14)
Java HotSpot(TM) 64-Bit Server VM (build 25.45-b02, mixed mode)
搞定～～～

下载安装 Hadoop 2.6

下载hadoop2.6，下载地址：http://mirrors.cnnic.cn/apache/hadoop/common/stable/

注意：hadoop-2.6.0.tar.gz这个格式的文件，这是编译好的，另一个包含 src 的则是 Hadoop 源代码。

同时强烈建议也下载 hadoop-2.6.0.tar.gz.mds 这个文件，该文件包含了检验值可用于检查 hadoop-2.6.0.tar.gz 的完整性，否则若文件发生了损坏或下载不完整，Hadoop 将无法正常运行。

解压缩hadoop

hadoop@ubuntu:~/opt$ sudo tar -zxvf hadoop-2.6.0.tar.gz

现在使用下列命令得出hadoop–2.6.0.tar.gz.mds的MD5值：

$ cat ./hadoop-2.6.0.tar.gz.mds | grep 'MD5'

出现下面的结果：

hadoop-2.6.0.tar.gz: MD5 = 37 F3 71 FA AB 03 3B B8 C2 CB 50 10 0C 57 74 DC

计算hadoop–2.6.0.tar.gz的MD5值，使用下面的命令：

$ ~/opt$ md5sum ./hadoop-2.6.0.tar.gz | tr "a-z" "A-Z"

出现下面的结果：

37F371FAAB033BB8C2CB50100C5774DC ./HADOOP-2.6.0.TAR.GZ

字符对应相等，说明安装包没有问题

修改文件权限：

sudo chown -R hadoop:hadoop ./hadoop-2.6.0

输入如下命令来检查 Hadoop 是否可用：

hadoop@ubuntu:~/opt$ cd ./hadoop-2.6.0
hadoop@ubuntu:~/opt/hadoop-2.6.0$ ./bin/hadoop

成功则会显示命令用法：

Usage: hadoop [–config confdir] COMMAND
where COMMAND is one of:
fs run a generic filesystem user client
version print the version
jar <jar> run a jar file
checknative [-a|-h] check native hadoop and compression libraries availability
distcp <srcurl> <desturl> copy file or directories recursively
archive -archiveName NAME -p <parent path> <src>* <dest> create a hadoop archive
classpath prints the class path needed to get the
credential interact with credential providers
Hadoop jar and the required libraries
daemonlog get/set the log level for each daemon
trace view and modify Hadoop tracing settings
or
CLASSNAME run the class named CLASSNAME

Most commands print help when invoked w/o parameters.

Hadoop单机配置

Hadoop 默认配置是以非分布式模式运行，即单 Java 进程，方便进行调试。可以执行附带的例子 WordCount 来感受下 Hadoop 的运行。将 input 文件夹中的文件作为输入，统计当中符合正则表达式 wo[a-z.]+ 的单词出现的次数，并输出结果到 output 文件夹中。

$ cd /home/hadoop/opt/hadoop-2.6.0
$ mkdir input
$ cp ./etc/hadoop/*.xml input 
$ ./bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'wo[a-z.]+'
$ cat ./output/*

执行成功后如下所示，输出了作业的相关信息，输出的结果是符合正则的单词dfsadmin出现了1次

hadoop@ubuntu:~/opt/hadoop-2.6.0$ cat ./output/*

2 word
1 work

如果需要再次运行，需要删除output文件夹（因为Hadoop 默认不会覆盖结果文件）：

$ sudo rm -rf output

Hadoop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。

Hadoop 的配置文件位于 /home/hadoop/opt/hadoop-2.6.0/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。

修改配置文件 core-site.xml

<configuration>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>file:/home/hadoop/opt/hadoop-2.6.0/tmp</value>
  </property>
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://localhost:9000</value>
  </property>
</configuration>

接着修改配置文件 hdfs-site.xml：

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>file:/home/hadoop/opt/hadoop-2.6.0/tmp/dfs/name</value>
  </property>
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>file:/home/hadoop/opt/hadoop-2.6.0/tmp/dfs/data</value>
  </property>
</configuration>

配置完成后，执行 namenode 的格式化:

hadoop@ubuntu:~/opt/hadoop-2.6.0$ bin/hdfs namenode -format

最后几行如下：

15/05/13 08:50:15 INFO namenode.FSImage: Allocated new BlockPoolId: BP-707136192-127.0.1.1-1431532215593
15/05/13 08:50:15 INFO common.Storage: Storage directory /home/hadoop/opt/hadoop-2.6.0/tmp/dfs/name has been successfully formatted.
15/05/13 08:50:16 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
15/05/13 08:50:16 INFO util.ExitUtil: Exiting with status 0
15/05/13 08:50:16 INFO namenode.NameNode: SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at ubuntu/127.0.1.1
************************************************************/

接着开启 NaneNode 和 DataNode 守护进程。

hadoop@ubuntu:~/opt/hadoop-2.6.0$ sbin/start-dfs.sh

出现下面的错误提示：

Starting namenodes on [localhost]
localhost: Error: JAVA_HOME is not set and could not be found.
localhost: Error: JAVA_HOME is not set and could not be found.
Starting secondary namenodes [0.0.0.0]

解决办法:

打开hadoop-env.sh文件，修改

export JAVA_HOME=/home/hadoop/opt/jdk1.8.0_45

问题解决～～～

Starting namenodes on [localhost]
localhost: starting namenode, logging to /home/hadoop/opt/hadoop-2.6.0/logs/hadoop-hadoop-namenode-ubuntu.out
localhost: starting datanode, logging to /home/hadoop/opt/hadoop-2.6.0/logs/hadoop-hadoop-datanode-ubuntu.out
Starting secondary namenodes [0.0.0.0]
The authenticity of host ‘0.0.0.0 (0.0.0.0)’ can’t be established.
ECDSA key fingerprint is 1a:e1:fa:ce:18:2c:44:b7:0f:3b:38:fc:fd:05:8d:97.
Are you sure you want to continue connecting (yes/no)? yes
0.0.0.0: Warning: Permanently added ‘0.0.0.0’ (ECDSA) to the list of known hosts.
0.0.0.0: starting secondarynamenode, logging to /home/hadoop/opt/hadoop-2.6.0/logs/hadoop-hadoop-secondarynamenode-ubuntu.out

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 NameNode 或 DataNode 没有启动，请仔细检查之前步骤）。

hadoop@ubuntu:~/opt/hadoop-2.6.0$ jps

4576 Jps
4274 DataNode
4162 NameNode
4473 SecondaryNameNode
成功启动后，可以访问 Web 界面 http://localhost:50070 来查看 Hadoop 的信息

Hadoop伪分布式实例-WordCount

上面的单机模式，WordCount 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，首先需要创建用户目录

hadoop@ubuntu:~/opt/hadoop-2.6.0$ bin/hdfs dfs -mkdir -p /user/hadoop

解释如下:

-mkdir [-p] <path> … :
Create a directory in specified location.

-p Do not fail if the directory already exists

接着将 etc/hadoop 中的文件作为输入文件复制到分布式文件系统中，即将 /home/hadoop/opt/hadoop-2.6.0/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。上一步已创建了用户目录 /user/hadoop ，因此命令中就可以使用相对目录如 input，其对应的绝对路径就是 /user/hadoop/input:

$ 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文件列表：

hadoop@ubuntu:~/opt/hadoop-2.6.0$ bin/hdfs dfs -ls input

Found 8 items

-rw-r–r– 1 hadoop supergroup 4436 2015-05-13 18:26 input/capacity-scheduler.xml
-rw-r–r– 1 hadoop supergroup 991 2015-05-13 18:26 input/core-site.xml
-rw-r–r– 1 hadoop supergroup 9683 2015-05-13 18:26 input/hadoop-policy.xml
-rw-r–r– 1 hadoop supergroup 1121 2015-05-13 18:26 input/hdfs-site.xml
-rw-r–r– 1 hadoop supergroup 620 2015-05-13 18:26 input/httpfs-site.xml
-rw-r–r– 1 hadoop supergroup 3523 2015-05-13 18:26 input/kms-acls.xml
-rw-r–r– 1 hadoop supergroup 5511 2015-05-13 18:26 input/kms-site.xml
-rw-r–r– 1 hadoop supergroup 690 2015-05-13 18:26 input/yarn-site.xml

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/*

也可以将运行结果取回到本地：

$ rm -R ./output
$ bin/hdfs dfs -get output output     # 将 HDFS 上的 output 文件夹拷贝到本机
$ cat ./output/*

结果如下:

1 dfsadmin

1 dfs.replication

1 dfs.namenode.name.dir

1 dfs.datanode.data.dir

Hadoop运行程序时，默认输出目录不能存在，因此再次运行需要执行如下命令删除 output文件夹:

$ bin/hdfs dfs -rm -r /user/hadoop/output     # 删除 output 文件夹

参考资料

http://www.powerxing.com/install-hadoop/

http://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/SingleCluster.html

http://www.cnblogs.com/xia520pi/archive/2012/05/16/2503949.html

Hadoop2.x在Ubuntu系统中编译源码

Hadoop2.6.0单机/伪分布式安装