第三章 Hadoop的伪分布式搭建

  1. 下载JDK安装包,建议去Oracle官方下载,地址自行百度
  2. 下载Hadoop2.6的安装包,建议官方下载,地址自行百度
  3. 如果是在Windows端进行终端操作,建议使用XFTP与XShell,有Free版本
  4. 之后用XFTP将JDK安装包与Hadoop安装包上传到实验主机上
  5. 将Java SDK解压,并将解压文件复制到/usr/lib/jvm中
  6. 配置环境变量
  7. 如果系统中已经有默认的OpenJavaSDK的话,这里我们需要修改默认SDK
  8. 检测JavaSDK是否成功安装

二 Hadoop的用户创建

  1. 创建hadoop用户组
  2. 创建hadoop用户
  3. 给hadoop用户添加权限,打开/etc/sudoers文件
  2. chu888chu888@ubuntu1:/$ sudo adduser -ingroup hadoop hadoop
  3. chu888chu888@ubuntu1:/$ sudo nano /etc/sudoers

User privilege specification

  2. ##三 SSH无密码登录

第一次都要用ssh密码登录太麻烦,我们想办法采用无密码登录

chu888chu888:~$ cd ~/.ssh/
chu888chu888@ubuntu2:~/.ssh$ ssh-keygen -t rsa
Generating public/private rsa key pair.
Enter file in which to save the key (/home/chu888chu888/.ssh/id_rsa):
Enter passphrase (empty for no passphrase):
Enter same passphrase again:
Your identification has been saved in /home/chu888chu888/.ssh/id_rsa.
Your public key has been saved in /home/chu888chu888/.ssh/id_rsa.pub.
The key fingerprint is:
3a9b:99:3e9d:9a:b435:4f:795b:89 chu888chu888
The key’s randomart image is:
+—[ RSA 2048]——+
| |
| ..o.|
| . o oEo.o|
| . * = o o|
| . S + + . |
| = = + |
| o o + |
| . . |
| |
+————————-+
chu888chu888@ubuntu2:~/.ssh$ cat ./id_rsa.pub >>./authorized_keys
chu888chu888:~/.ssh$ ssh localhost

但是这里面有一个小问题就是,我是用chu888chu888这个用户做的,如果您想用

hadoop用户登录的话,这个过程需要再来一次

hadoop@ubuntu2:~$ ssh hadoop

  2. ##四 Hadoop的基本安装
  3. Hadoop 2 可以通过 
  5.   地址1:http://mirror.bit.edu.cn/apache/hadoop/common/  
  6.   地址2:http://mirrors.cnnic.cn/apache/hadoop/common/ 
  8.   下载，本教程选择的是 2.6.0 版本，下载时请下载 hadoop-2.x.y.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，需要进行编译才可使用。
  10. 下载时强烈建议也下载 hadoop-2.x.y.tar.gz.mds 这个文件，该文件包含了检验值可用于检查 hadoop-2.x.y.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。
  12. 本文涉及的文件均通过浏览器下载，默认保存在 “下载” 目录中（若不是请自行更改 tar 命令的相应目录）。另外，如果你用的不是 2.6.0 版本，则将所有命令中出现的 2.6.0 更改为你所使用的版本。

列出md5检验值

cat ~/下载/hadoop-2.6.0.tar.gz.mds | grep ‘MD5’

2.7.1版本格式变了，可以用这种方式输出

head -n 6 ~/下载/hadoop-2.7.1.tar.gz.mds

计算md5值，并转化为大写，方便比较

md5sum ~/下载/hadoop-2.6.0.tar.gz | tr “a-z” “A-Z”

  3. 1. 将hadoop解压到/usr/local下
  4. 2. 修改bashrc的配置,加入内容
  5. 4. 测试

chu888chu888@ubuntu1:~$ sudo tar xvfz hadoop-2.6.0.tar.gz
chu888chu888:~$ sudo cp -r hadoop-2.6.0 /usr/local/hadoop
chu888chu888@ubuntu1:~$ sudo chmod -R 775 /usr/local/hadoop/
chu888chu888:~$ sudo chown -R hadoop:hadoop /usr/local/hadoop
chu888chu888@ubuntu1:~$ sudo nano ~/.bashrc

加入以下内容

HADOOP VARIABLES START

export JAVA_HOME=/usr/lib/jvm/
export HADOOP_INSTALL=/usr/local/hadoop
export PATH=$PATH:$HADOOP_INSTALL/bin
export PATH=$PATH:$JAVA_HOME/bin
export PATH=$PATH:$HADOOP_INSTALL/sbin
export HADOOP_MAPRED_HOME=$HADOOP_INSTALL
export HADOOP_COMMON_HOME=$HADOOP_INSTALL
export HADOOP_HDFS_HOME=$HADOOP_INSTALL
export YARN_HOME=$HADOOP_INSTALL
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_INSTALL/lib/native
export HADOOP_OPTS=”-Djava.library.path=$HADOOP_INSTALL/lib”

HADOOP VARIABLES END

chu888chu888:~$ source ~/.bashrc
chu888chu888@ubuntu1:/usr/local/hadoop$ sudo nano /usr/local/hadoop/etc/hadoop/hadoop-env.sh
chu888chu888:~$ cd /usr/local/hadoop/

hadoop安装后的查看hadoop的版本

hadoop@ubuntu2:/usr/local/hadoop$ ./bin/hadoop version
Hadoop 2.6.0
Subversion -r e3496499ecb8d220fba99dc5ed4c99c8f9e33bb1
Compiled by jenkins on 2014-11-13T21:10Z
Compiled with protoc 2.5.0
From source with checksum 18e43357c8f927c0695f1e9522859d6a
This command was run using /usr/local/hadoop/share/hadoop/common/hadoop-common-2.6.0.jar
hadoop@ubuntu2:/usr/local/hadoop$

实验一 Hadoop单机配置

Hadoop 默认模式为非分布式模式，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。
现在我们可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.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。

chu888chu888:/usr/local/hadoop$ sudo mkdir input
chu888chu888@ubuntu1:/usr/local/hadoop$ sudo cp README.txt input
chu888chu888:/usr/local/hadoop$ bin/hadoop jar share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.6.0-sources.jar org.apache.hadoop.examples.WordCount input output

这里面有一个小插曲,其实就是权限的事件,如果出现问题的话,就是这个程序无法在当前目录创建,简单粗暴一点chmod -R 777 /usr/local/hadoop

如果成功的话,那前目录就会有一个output目录自动生成

目录内容如下

chu888chu888@ubuntu1:/usr/local/hadoop/output$ ls
part-r-00000 _SUCCESS

查看输出结果

hadoop:/usr/local/hadoop$ ls
bin etc include input lib libexec LICENSE.txt NOTICE.txt output README.txt sbin share
hadoop@ubuntu2:/usr/local/hadoop$ cd output/
hadoop:/usr/local/hadoop/output$ ls
part-r-00000 _SUCCESS
hadoop@ubuntu2:/usr/local/hadoop/output$ cd ..
hadoop:/usr/local/hadoop$ cat ./output/*
(BIS), 1
(ECCN) 1
(TSU) 1
(see 1
5D002.C.1, 1
740.13) 1
http://www.wassenaar.org/ 1

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。

  2. ##五 开始伪分布式的配置文件修改

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。

修改配置文件 core-site.xml
chu888chu888:/$ sudo nano /usr/local/hadoop/etc/hadoop/core-site.xml

内容如下



hadoop.tmp.dir
file:/usr/local/hadoop/tmp
Abase for other temporary directories.


fs.defaultFS
hdfs://localhost:9000

chu888chu888@ubuntu1:/$ sudo nano /usr/local/hadoop/etc/hadoop/hdfs-site.xml

内容如下



dfs.replication
1


dfs.namenode.name.dir
file:/usr/local/hadoop/tmp/dfs/name


dfs.datanode.data.dir
file:/usr/local/hadoop/tmp/dfs/data

hadoop:/usr/local/hadoop$ ./bin/hdfs namenode -format
16/01/13 21:26:01 INFO namenode.NameNode: STARTUP_MSG:
/**
STARTUP_MSG: Starting NameNode
STARTUP_MSG: host = ubuntu2/127.0.1.1
STARTUP_MSG: args = [-format]
STARTUP_MSG: version = 2.6.0
16/01/13 21:26:02 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
16/01/13 21:26:02 INFO util.ExitUtil: Exiting with status 0
16/01/13 21:26:02 INFO namenode.NameNode: SHUTDOWN_MSG:
/**
SHUTDOWN_MSG: Shutting down NameNode at ubuntu2/127.0.1.1
**/

成功的话，会看到 “successfully formatted” 和 “Exitting with status 0″ 的提示，若为 “Exitting with status 1″ 则是出错。

接着开启 NaneNode 和 DataNode 守护进程。

hadoop@ubuntu2:/usr/local/hadoop$ ./sbin/start-dfs.sh
16/01/13 21:29:20 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
Starting namenodes on [localhost]
localhost: starting namenode, logging to /usr/local/hadoop/logs/hadoop-hadoop-namenode-ubuntu2.out
localhost: starting datanode, logging to /usr/local/hadoop/logs/hadoop-hadoop-datanode-ubuntu2.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 87:f6:480f:52:1f3f:62:8c39:2d:87:e3.
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 /usr/local/hadoop/logs/hadoop-hadoop-secondarynamenode-ubuntu2.out
16/01/13 21:29:39 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable

启动时可能会出现如下 WARN 提示：WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable WARN 提示可以忽略，并不会影响正常使用。

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。

hadoop:/usr/local/hadoop$ jps
11841 NameNode
12309 Jps
12188 SecondaryNameNode
11998 DataNode
hadoop@ubuntu2:/usr/local/hadoop$

通过查看启动日志分析启动失败原因
有时 Hadoop 无法正确启动，如 NameNode 进程没有顺利启动，这时可以查看启动日志来排查原因，注意几点：

成功启动后，可以访问 Web 界面 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

hadoop@ubuntu2:/usr/local/hadoop$ ./bin/hdfs dfs -mkdir -p /user/hadoop
16/01/13 21:37:47 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
hadoop:/usr/local/hadoop$ 

  1. 2 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:

./bin/hdfs dfs -mkdir input

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

  1. 3 复制完成后，可以通过如下命令查看文件列表：

hadoop@ubuntu2:/usr/local/hadoop$ ./bin/hdfs dfs -ls input
16/01/13 21:41:21 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
Found 8 items
-rw-r—r— 1 hadoop supergroup 4436 2016-01-13 21:40 input/capacity-scheduler.xml
-rw-r—r— 1 hadoop supergroup 1071 2016-01-13 21:40 input/core-site.xml
-rw-r—r— 1 hadoop supergroup 9683 2016-01-13 21:40 input/hadoop-policy.xml
-rw-r—r— 1 hadoop supergroup 1133 2016-01-13 21:40 input/hdfs-site.xml
-rw-r—r— 1 hadoop supergroup 620 2016-01-13 21:40 input/httpfs-site.xml
-rw-r—r— 1 hadoop supergroup 3523 2016-01-13 21:40 input/kms-acls.xml
-rw-r—r— 1 hadoop supergroup 5511 2016-01-13 21:40 input/kms-site.xml
-rw-r—r— 1 hadoop supergroup 690 2016-01-13 21:40 input/yarn-site.xml
hadoop:/usr/local/hadoop$ 

  1. 4 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）。

hadoop@ubuntu2:/usr/local/hadoop$ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-.jar grep input output ‘dfs[a-z.]+’
hadoop:/usr/local/hadoop$ ./bin/hdfs dfs -cat output/
hadoop@ubuntu2:/usr/local/hadoop$ ./bin/hdfs dfs -cat output/*
16/01/13 21:42:55 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
1 dfsadmin
1 dfs.replication
1 dfs.namenode.name.dir
1 dfs.datanode.data.dir

  2. 5 将结果取回本地

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/*

  1. 6 关闭hadoop

./sbin/stop-dfs.sh

下次启动 hadoop 时，无需进行 NameNode 的初始化，只需要运行 ./sbin/start-dfs.sh 就可以！

  2. ##六 启动YARN
  3. 1 （伪分布式不启动 YARN 也可以，一般不会影响程序执行）
  5. 有的读者可能会疑惑，怎么启动 Hadoop 后，见不到书上所说的 JobTracker 和 TaskTracker，这是因为新版的 Hadoop 使用了新的 MapReduce 框架（MapReduce V2，也称为 YARN，Yet Another Resource Negotiator）。
  7. YARN 是从 MapReduce 中分离出来的，负责资源管理与任务调度。YARN 运行于 MapReduce 之上，提供了高可用性、高扩展性，YARN 的更多介绍在此不展开，有兴趣的可查阅相关资料。
  9. 上述通过 ./sbin/start-dfs.sh 启动 Hadoop，仅仅是启动了 MapReduce 环境，我们可以启动 YARN ，让 YARN 来负责资源管理与任务调度。
  11. 首先修改配置文件 mapred-site.xml，这边需要先进行重命名：

hadoop:/usr/local/hadoop$ mv ./etc/hadoop/mapred-site.xml.template ./etc/hadoop/mapred-site.xml
hadoop@ubuntu2:/usr/local/hadoop$ nano ./etc/hadoop/mapred-site.xml
hadoop:/usr/local/hadoop$



mapreduce.framework.name
yarn

  1. 2 修改接着修改配置文件 yarn-site.xml：



yarn.nodemanager.aux-services
mapreduce_shuffle

  2. 3 启动YARN

hadoop@ubuntu2:/usr/local/hadoop$ ./sbin/start-yarn.sh
starting yarn daemons
starting resourcemanager, logging to /usr/local/hadoop/logs/yarn-hadoop-resourcemanager-ubuntu2.out
localhost: starting nodemanager, logging to /usr/local/hadoop/logs/yarn-hadoop-nodemanager-ubuntu2.out
hadoop:/usr/local/hadoop$ ./sbin/mr-jobhistory-daemon.sh start historyserver
starting historyserver, logging to /usr/local/hadoop/logs/mapred-hadoop-historyserver-ubuntu2.out
hadoop@ubuntu2:/usr/local/hadoop$ 

  1. 4 查看进程
  2. 开启后通过 jps 查看，可以看到多了 NodeManager 和 ResourceManager 两个后台进程，如下图所示。
  3. 启动 YARN 之后，运行实例的方法还是一样的，仅仅是资源管理方式、任务调度不同。观察日志信息可以发现，不启用 YARN 时，是 “mapred.LocalJobRunner” 在跑任务，启用 YARN 之后，是 “mapred.YARNRunner” 在跑任务。启动 YARN 有个好处是可以通过 Web 界面查看任务的运行情况：http://localhost:8088/cluster，如下图所示。

hadoop:/usr/local/hadoop$ jps
12880 ResourceManager
11841 NameNode
13329 JobHistoryServer
13398 Jps
13016 NodeManager
12188 SecondaryNameNode
11998 DataNode
hadoop@ubuntu2:/usr/local/hadoop$ 

  1. ![](images/4/yarn.png)
  2. 但 YARN 主要是为集群提供更好的资源管理与任务调度，然而这在单机上体现不出价值，反而会使程序跑得稍慢些。因此在单机上是否开启 YARN 就看实际情况了。
  4. 不启动 YARN 需重命名 mapred-site.xml
  5. 如果不想启动 YARN，务必把配置文件 mapred-site.xml 重命名，改成 mapred-site.xml.template，需要用时改回来就行。否则在该配置文件存在，而未开启 YARN 的情况下，运行程序会提示 “Retrying connect to server: 0.0.0.0/0.0.0.0:8032″ 的错误，这也是为何该配置文件初始文件名为 mapred-site.xml.template。

./sbin/stop-yarn.sh

./sbin/mr-jobhistory-daemon.sh stop historyserver

hadoop:~$ hadoop fs -ls input
16/01/27 18:52:02 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
Found 9 items
-rw-r—r— 1 hadoop supergroup 4436 2016-01-25 22:10 input/capacity-scheduler.xml
-rw-r—r— 1 hadoop supergroup 1072 2016-01-25 22:10 input/core-site.xml
-rw-r—r— 1 hadoop supergroup 9683 2016-01-25 22:10 input/hadoop-policy.xml
-rw-r—r— 1 hadoop supergroup 1257 2016-01-25 22:10 input/hdfs-site.xml
-rw-r—r— 1 hadoop supergroup 620 2016-01-25 22:10 input/httpfs-site.xml
-rw-r—r— 1 hadoop supergroup 3523 2016-01-25 22:10 input/kms-acls.xml
-rw-r—r— 1 hadoop supergroup 5511 2016-01-25 22:10 input/kms-site.xml
-rw-r—r— 1 hadoop supergroup 1103 2016-01-25 22:10 input/mapred-site.xml
-rw-r—r— 1 hadoop supergroup 924 2016-01-25 22:10 input/yarn-site.xml


    hadoop.native.lib
    true
    Should native hadoop libraries,if present,be used

    2之后修改环境变量
    export JAVA_LIBRARY_PATH=/usr/local/hadoop/lib/native
    ```