3. 安装Hadoop

　　Hadoop是一个由Apache基金会所开发的分布式系统基础架构。

　　用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。

　　Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。

　　Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。[

3.1. 安装环境

　　操作系统：CentOS 7 （VMWare虚拟机）
　　JDK： 1.7（详见博客[1]）
　　IP：192.168.184.139 （详见3.1.1章节配置）
　　主机名：hadoop_master （详见3.1.2章节配置）
　　安装用户：hadoop（如果安装时未设置用户，需要单独新建hadoop用户）

3.1.1. 虚拟机（NAT网络）设置静态IP

　　Centos7默认是不启用有线网卡的，需要手动开启。
　　首先，打开终端，进入 /etc/sysconfig/network-scripts/目录，查看结果如下：
这里写图片描述
　　其中，ifcfg-eno16777736文件就是需要配置的网卡文件。
　　切换到root用户，修改此文件中ONBOOT参数，由no改成yes。

[hadoop@localhost network-scripts]$ su root
密码：
[root@localhost network-scripts]#  vi ifcfg-eno16777736

　　修改结果如下：

TYPE=Ethernet
BOOTPROTO=dhcp
......
NAME=eno16777736
UUID=f9c01566-03da-42ea-9a26-aeb5bf12b7fc
DEVICE=eno16777736
ONBOOT=yes
[hadoop@localhost ~]$ ifconfig
eno16777736: flags=4163<UP,BROADCAST,RUNNING,MULTICAST>  mtu 1500
        inet 192.168.184.139  netmask 255.255.255.0  broadcast 192.168.184.255
        inet6 fe80::20c:29ff:fe98:ac1f  prefixlen 64  scopeid 0x20<link>
        ether 00:0c:29:98:ac:1f  txqueuelen 1000  (Ethernet)
        ......

lo: flags=73<UP,LOOPBACK,RUNNING>  mtu 65536
        inet 127.0.0.1  netmask 255.0.0.0
        inet6 ::1  prefixlen 128  scopeid 0x10<host>
        loop  txqueuelen 0  (Local Loopback)
        ......

virbr0: flags=4099<UP,BROADCAST,MULTICAST>  mtu 1500
        inet 192.168.122.1  netmask 255.255.255.0  broadcast 192.168.122.255
        ether 52:54:00:68:da:27  txqueuelen 0  (Ethernet)
        ......

　　上述内容中，”eno16777736“是虚拟机网卡名称，”virbr0“则是对应的默认网关及IP地址。

　　再次修改配置文件ifcfg-eno16777736，设置为静态IP地址，其中BOOTPROTO由dhcp改为static，同时注释掉IPV6项目，增加IPADDR、NETMASK、GATEWAY、DNS1的设置项目，仍使用vi编辑器进行配置。

[root@localhost network-scripts]#  vi ifcfg-eno16777736

　　设置结果如下所示。

TYPE=Ethernet
BOOTPROTO=static
DEFROUTE=yes
PEERDNS=yes
PEERROUTES=yes
IPV4_FAILURE_FATAL=no
#IPV6INIT=yes
#IPV6_AUTOCONF=yes
#IPV6_DEFROUTE=yes
#IPV6_PEERDNS=yes
#IPV6_PEERROUTES=yes
#IPV6_FAILURE_FATAL=no
NAME=eno16777736
UUID=f9c01566-03da-42ea-9a26-aeb5bf12b7fc
DEVICE=eno16777736
ONBOOT=yes
IPADDR=192.168.184.139
NETMASK=255.255.255.0
GATEWAY=192.168.184.2
DNS1=192.168.184.2

　　注意：要配置DNS1，与默认网关一致就可以，CentOS的默认网关一般是X.X.X.2。

　　重启网络服务。

[root@localhost etc]# service network restart

3.1.2. 修改主机名和网络别名

　　把centos的网络配置文件，/etc/sysconfig/network 把hostname栏目修改

[root@bogon hadoop]# vim /etc/hostname

hadoop_master #修改localhost.localdomain为hadoop_master
#127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
#::1         localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.184.139 hadoop_master

3.2. 安装Hadoop

　　首先以hadoop用户登录系统，进入/home/hadoop目录，拷贝hadoop-2.7.3.tar.gz文件到此目录中。

[hadoop@localhost ~]$ cd /home/hadoop
[hadoop@localhost ~]$ mv /mnt/hgfs/dev/hadoop-2.7.3.tar.gz hadoop-2.7.3.tar.gz

[hadoop@localhost ~]$ ls
hadoop-2.7.3.tar.gz  公共  视频  文档  音乐  模板  图片  下载  桌面

　　在此目录（/home/hadoop）解压hadoop-2.7.3.tar.gz文件。

[hadoop@localhost ~]$ tar -zvxf hadoop-2.7.3.tar.gz
[hadoop@localhost ~]$ ls
hadoop-2.7.3         公共  视频  文档  音乐
hadoop-2.7.3.tar.gz  模板  图片  下载  桌面

　　解压后出现 hadoop-2.7.3 目录，其中，/home/hadoop/hadoop-2.7.3 以后就是hadoop的主目录了，hadoop相关文档中，如果没有注明绝对路径，那起始位置就是这里。

3.2.1. SSH无密码互信

　　ssh的无密码登陆是使得hadoop集群中的各个节点可以安全方便的通信，两个要点：一个是安全，这个是首要；另外一个是方便，可以不用每次操作都输入密码。

[root@hadoop_master ~]# su root
[root@hadoop_master ~]# 
[root@hadoop_master ~]# ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
Generating public/private dsa key pair.
Your identification has been saved in /root/.ssh/id_dsa.
Your public key has been saved in /root/.ssh/id_dsa.pub.
The key fingerprint is:
1e:ed:76:fb:27:dd:40:c8:24:e2:12:8f:e2:ed:08:69 root@hadoop_master
The key's randomart image is:
+--[ DSA 1024]----+
|                 |
|      . . . .    |
|       = . + .   |
|    . o o.  o .  |
|   o o .S .  .   |
|  E . .. o    .  |
| . . o  . o .  o.|
|    . .  . . .. +|
|            ...o |
+-----------------+

[root@hadoop_master ~]# cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

　　验证ssh，# ssh localhost ，不需要输入密码即可登录。

[root@hadoop_master ~]# ssh localhost
Last login: Tue Nov 22 22:42:50 2016

3.2.2. 配置环境变量

　　查看hadoop目录，结构如下：

[hadoop@hadoop_master hadoop-2.7.3]$ ls
bin  include  libexec      NOTICE.txt  sbin
etc  lib      LICENSE.txt  README.txt  share

　　修改.bash_profile配置

[hadoop@hadoop_master ~]$ pwd
/home/hadoop
[hadoop@hadoop_master ~]$ vim .bash_profile
# .bash_profile

# Get the aliases and functions
if [ -f ~/.bashrc ]; then
        . ~/.bashrc
fi

# User specific environment and startup programs

PATH=$PATH:$HOME/.local/bin:$HOME/bin

export HADOOP_HOME=/home/hadoop/hadoop-2.7.3 #根据实际情况配置
export PATH=$PATH:$HADOOP_HOME/bin           #根据实际情况配置

export PATH

　　配置hadoop-env.sh

[hadoop@hadoop_master hadoop-2.7.3]$ pwd
/home/hadoop/hadoop-2.7.3
[hadoop@hadoop_master hadoop-2.7.3]$ vim etc/hadoop/hadoop-env.sh
#export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/usr/java/jdk1.7.0_67-cloudera/

3.2.3. 配置伪分布模式Hadoop

　　配置hadoop，需要配置core-site.xml[2]、hdfs-site.xml、mapred-site.xml文件，这些文件在/home/hadoop/hadoop-2.7.3/etc/hadoop/目录下。

3.2.3.1. 配置HDFS（hdfs-site.xml）

　　HDFS是Hadoop Distribute File System 的简称，也就是Hadoop的一个分布式文件系统。

[hadoop@hadoop_master hadoop-2.7.3]$ pwd
/home/hadoop/hadoop-2.7.3
[hadoop@hadoop_master hadoop-2.7.3]$ vim etc/hadoop/hdfs-site.xml

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!--
  Licensed under the Apache License, Version 2.0 (the "License");
......
-->

<!-- Put site-specific property overrides in this file. -->

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

　　其中<property> 是补充定义内容，参数dfs.replication，设置数据块的复制次数，默认是3，如果slave节点数少于3，则写成相应的1或者2

3.2.3.2. 配置FS文件系统（core-site.xml）
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!--
  Licensed under the Apache License, Version 2.0 (the "License");
  ......
-->

<!-- Put site-specific property overrides in this file. -->

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

　　这里的值指的是默认的HDFS路径。

3.2.3.3. 配置MapReduce工作

　　配置etc/hadoop/mapred-site.xml文件：

[hadoop@hadoop_master hadoop-2.7.3]$ cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
[hadoop@hadoop_master hadoop-2.7.3]$ vim etc/hadoop/mapred-site.xml
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!--
  Licensed under the Apache License, Version 2.0 (the "License");
  ......
-->

<!-- Put site-specific property overrides in this file. -->

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

　　配置etc/hadoop/yarn-site.xml文件：

[hadoop@hadoop_master hadoop-2.7.3]$ vim etc/hadoop/yarn-site.xml
<?xml version="1.0"?>
<!--
  Licensed under the Apache License, Version 2.0 (the "License");
  ......
-->
<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

3.3. 运行hadoop

3.3.1. input

　　新建input文件夹，用于存放需要统计的文本。

[hadoop@hadoop_master hadoop-2.7.3]$ pwd
/home/hadoop/hadoop-2.7.3
[hadoop@hadoop_master hadoop-2.7.3]$ mkdir input
[hadoop@hadoop_master hadoop-2.7.3]$ cp etc/hadoop/*.xml input

3.3.2. 运行伪分布式hadoop

　　执行hadoop之前要对namenode进行格式化操作 bin/hdfs namenode -format 

[hadoop@hadoop_master hadoop-2.7.3]$ bin/hdfs namenode -format
16/11/23 14:21:31 INFO namenode.NameNode: STARTUP_MSG: 
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG:   host = hadoop_master/192.168.184.139
STARTUP_MSG:   args = [-format]
STARTUP_MSG:   version = 2.7.3
STARTUP_MSG:   classpath = /home/hadoop/hadoop-2.7.3/etc/hadoop:/home/hadoop/hadoop-2.7.3/share/hadoop/common/lib/jaxb-impl-2.2.3-1.jar
...

3.3.3. 启动hadoop

　　首先检查ssh localhost，如果需要密码，则运行无密码SSH命令：$ ssh-keygen -t rsa -P ” -f ~/.ssh/id_rsa

[hadoop@hadoop_master ~]$ ssh localhost
hadoop@localhost's password: 
Last login: Wed Nov 23 14:36:41 2016 from localhost
[hadoop@hadoop_master ~]$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
Generating public/private rsa key pair.
Your identification has been saved in /home/hadoop/.ssh/id_rsa.
Your public key has been saved in /home/hadoop/.ssh/id_rsa.pub.
The key fingerprint is:
3e:65:9d:ef:fc:6d:4c:92:9b:6a:9d:68:17:cc:97:7a hadoop@hadoop_master
The key's randomart image is:
+--[ RSA 2048]----+
|                 |
|                 |
|                 |
|           . .   |
|        S o oo ..|
|       . o   .*.o|
|        o    ooX |
|         .  ++*E+|
|           o.o+oo|
+-----------------+
[hadoop@hadoop_master ~]$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
[hadoop@hadoop_master ~]$ chmod 0600 ~/.ssh/authorized_keys
[hadoop@hadoop_master ~]$

执行start程序 sbin/start-all.sh
停止的话，输入命令，sbin/stop-all.sh

3.3.3.1. 启动dfs

　　执行start程序sbin/start-dfs.sh（dfs）：

[hadoop@hadoop_master hadoop-2.7.3]$ sbin/start-dfs.sh
Starting namenodes on [localhost]
localhost: starting namenode, logging to /home/hadoop/hadoop-2.7.3/logs/hadoop-hadoop-namenode-hadoop_master.out
localhost: starting datanode, logging to /home/hadoop/hadoop-2.7.3/logs/hadoop-hadoop-datanode-hadoop_master.out
Starting secondary namenodes [0.0.0.0]
0.0.0.0: starting secondarynamenode, logging to /home/hadoop/hadoop-2.7.3/logs/hadoop-hadoop-secondarynamenode-hadoop_master.out

　　设置HDFS目录执行MapReduce任务（Make the HDFS directories required to execute MapReduce jobs）。

[hadoop@hadoop_master hadoop-2.7.3]$ bin/hdfs dfs -mkdir /user
[hadoop@hadoop_master hadoop-2.7.3]$ bin/hdfs dfs -mkdir /user/hadoop
[hadoop@hadoop_master hadoop-2.7.3]$ bin/hdfs dfs -put etc/hadoop input
3.3.3.2. 启动yarn

　　执行启动sbin/start-yarn.sh（mapreduce）：

[hadoop@hadoop_master hadoop-2.7.3]$ sbin/start-yarn.sh
starting yarn daemons
starting resourcemanager, logging to /home/hadoop/hadoop-2.7.3/logs/yarn-hadoop-resourcemanager-hadoop_master.out
localhost: starting nodemanager, logging to /home/hadoop/hadoop-2.7.3/logs/yarn-hadoop-nodemanager-hadoop_master.out

3.3.4. 验证服务

3.3.4.1. 验证DFS服务

　　通过浏览器检查服务运行情况：http://localhost:50070/

这里写图片描述

　　停止服务：$ sbin/stop-dfs.sh

　　停止虚拟机防火墙，$ systemctl stop firewalld，则在宿主机上，可以查看服务状态，http://192.168.184.139:50070/。

[hadoop@hadoop_master hadoop-2.7.3]$ systemctl stop firewalld
==== AUTHENTICATING FOR org.freedesktop.systemd1.manage-units ===
Authentication is required to manage system services or units.
Authenticating as: root
Password: 
==== AUTHENTICATION COMPLETE ===

这里写图片描述

3.3.4.2. 验证Mapreduce服务

　　通过浏览器检查服务运行情况：http://localhost:8088/
这里写图片描述

3.3.5. 停止服务

　　（1）停止dfs：

[hadoop@hadoop_master hadoop-2.7.3]$ sbin/stop-dfs.sh
Stopping namenodes on [localhost]
localhost: stopping namenode
localhost: stopping datanode
Stopping secondary namenodes [0.0.0.0]
0.0.0.0: stopping secondarynamenode

　　（2）停止Mapreduce：
　　
　　待续……

参考：

[1].VMWare虚拟机安装CentOS 7 Linux及Hadoop与Eclipse学习环境（1-虚拟机） 肖永威 2016.11

[2].Hadoop: Setting up a Single Node Cluster.

# hadoop # centos
Logo
华为开发者空间

华为开发者空间，是为全球开发者打造的专属开发空间，汇聚了华为优质开发资源及工具，致力于让每一位开发者拥有一台云主机，基于华为根生态开发、创新。

更多推荐

cover

领取云主机，带你基于PyTorch构建高效手写体识别系统

avatar 华为开发者空间
cover

GaussDB高智能--库内AI引擎：模型管理&数据集管理

avatar 华为开发者空间
cover

华为云数据库斯享会走进贵阳，与贵州企业携手共绘数智蓝图

avatar 华为开发者空间