Hadoop初体验：快速搭建Hadoop伪分布式环境

191145685

　　0.前言
　　本文旨在使用一个全新安装好的Linux系统从0开始进行Hadoop伪分布式环境的搭建，以达到快速搭建的目的，从而体验Hadoop的魅力所在，为后面的继续学习提供基础环境。
　　对使用的系统环境作如下说明：

• 　　操作系统：CentOS 6.5 64位
  
• 　　主机IP地址：10.0.0.131/24
  
• 　　主机名：leaf
  
• 　　用户名：root
  
• 　　hadoop版本：2.6.5
  
• 　　jdk版本：1.7
  

　　可以看到，这里直接使用root用户，而不是按照大多数的教程创建一个hadoop用户来进行操作，就是为了达到快速搭建Hadoop环境以进行体验的目的。
　　为了保证后面的操作能够正常完成，请先确认本机是否可以解析到主机名leaf，如果不能，请手动添加解析到/etc/hosts目录中：
[root@leaf ~]# echo "127.0.0.1  leaf" >> /etc/hosts　　
[root@leaf ~]# ping leaf
　　
PING leaf (127.0.0.1) 56(84) bytes of data.
　　
64 bytes from localhost (127.0.0.1): icmp_seq=1 ttl=64 time=0.043 ms
　　
64 bytes from localhost (127.0.0.1): icmp_seq=2 ttl=64 time=0.048 ms
　　
64 bytes from localhost (127.0.0.1): icmp_seq=3 ttl=64 time=0.046 ms
　　1.rsync软件安装
　　使用下面命令安装：
[root@leaf ~]# yum install -y rsync　　2.ssh安装与免密码登陆配置
　　（1）ssh安装
　　使用下面命令安装
[root@leaf ~]# yum install -y openssh-server openssh-clients　　（2）ssh免密码登陆配置
　　因为Hadoop使用ssh协议来管理远程守护进程，所以需要配置免密码登陆。

• 　　关闭防火墙和selinux
  

　　为了确保能够成功配置，在配置前，先把防火墙和selinux关闭：
# 关闭防火墙　　
[root@leaf ~]# /etc/init.d/iptables stop
　　
[root@leaf ~]# chkconfig --level 3 iptables off
　　

　　
# 关闭selinux
　　
[root@leaf ~]# setenforce 0
　　
[root@leaf ~]# sed -i s/SELINUX=enforcing/SELINUX=disabled/g /etc/selinux/config
　　
[root@leaf ~]# cat /etc/selinux/config | grep disabled
　　
#     disabled - No SELinux policy is loaded.
　　
SELINUX=disabled

• 　　生成密钥对
  

[root@leaf ~]# mkdir .ssh　　
[root@leaf ~]# ssh-keygen -t dsa -P '' -f .ssh/id_dsa
　　
Generating public/private dsa key pair.
　　
Your identification has been saved in .ssh/id_dsa.
　　
Your public key has been saved in .ssh/id_dsa.pub.
　　
The key fingerprint is:
　　
5b:af:7c:45:f3:ff:dc:50:f5:81:4b:1e:5c:c1:86:90 root@leaf
　　
The key's randomart image is:
　　
+--[ DSA 1024]----+
　　
|           .o oo.|
　　
|           E..oo |
　　
|             =...|
　　
|            o = +|
　　
|        S .  + oo|
　　
|         o .  ...|
　　
|        .   ... .|
　　
|         . ..  oo|
　　
|          o.    =|
　　
+-----------------+

• 　　将公钥添加到本地信任列表
  

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

• 　　验证
  

　　上面三步完成后就完成了免密码登陆的配置，可以使用下面的命令进行验证：
[root@leaf ~]# ssh localhost　　
The authenticity of host 'localhost (::1)' can't be established.
　　
RSA key fingerprint is d1:0d:ed:eb:e7:d1:2f:02:23:70:ef:11:14:4e:fa:42.
　　
Are you sure you want to continue connecting (yes/no)? yes
　　
Warning: Permanently added 'localhost' (RSA) to the list of known hosts.
　　
Last login: Wed Aug 30 04:28:01 2017 from 10.0.0.1
　　
[root@leaf ~]#
　　在第一次登陆的时候需要输入yes，之后再登陆时就可以直接登陆了：
[root@leaf ~]# ssh localhost　　
Last login: Wed Aug 30 04:44:02 2017 from localhost
　　
[root@leaf ~]#
　　3.jdk安装与配置
　　（1）jdk下载
　　这里使用的是jdk1.7版本，可以到下面的网站进行下载：
　　http://www.oracle.com/technetwork/java/javase/downloads/java-archive-downloads-javase7-521261.html
　　下载完成后，可以使用winscp上传到/root目录下，如下：
[root@leaf ~]# ls -lh jdk-7u80-linux-x64.tar.gz　　
-rw-r--r--. 1 root root 147M Aug 29 12:05 jdk-7u80-linux-x64.tar.gz
　　（2）jdk安装
　　将jdk解压到/usr/local目录下，并创建软链接：
[root@leaf ~]# cp jdk-7u80-linux-x64.tar.gz /usr/local/　　
[root@leaf ~]# cd /usr/local/
　　
[root@leaf local]# tar -zxf jdk-7u80-linux-x64.tar.gz
　　
[root@leaf local]# ls -ld jdk1.7.0_80/
　　
drwxr-xr-x. 8 uucp 143 4096 Apr 11  2015 jdk1.7.0_80/
　　
[root@leaf local]# ln -s jdk1.7.0_80/ jdk
　　
[root@leaf local]# ls -ld jdk
　　
lrwxrwxrwx. 1 root root 12 Aug 30 04:56 jdk -> jdk1.7.0_80/
　　（3）JAVA_HOME环境变量配置
　　java命令在/usr/local/jdk/bin目录下：
[root@leaf local]# cd jdk/bin/　　
[root@leaf bin]# ls -lh java
　　
-rwxr-xr-x. 1 uucp 143 7.6K Apr 11  2015 java
　　配置java环境变量：
[root@leaf bin]# echo 'export JAVA_HOME=/usr/local/jdk/bin' >> /etc/profile　　
[root@leaf bin]# echo 'export PATH=$PATH:$JAVA_HOME' >> /etc/profile
　　
[root@leaf bin]# source /etc/profile
　　这样我们就可以在任何一个目录下使用java相关的命令：
[root@leaf ~]# java -version　　
java version "1.7.0_80"
　　
Java(TM) SE Runtime Environment (build 1.7.0_80-b15)
　　
Java HotSpot(TM) 64-Bit Server VM (build 24.80-b11, mixed mode)
　　
[root@leaf ~]# javac -version
　　
javac 1.7.0_80
　　4.hadoop安装与配置
　　（1）hadoop下载
　　这里使用hadoop 2.6.5版本，可以到下面的网站进行下载：
　　http://hadoop.apache.org/releases.html
　　选择2.6.5的binary进入相应的页面便可以下载，然后使用winscp上传到/root目录下，如下：
[root@leaf ~]# ls -lh hadoop-2.6.5.tar.gz　　
-rw-r--r--. 1 root root 191M Aug 29 19:09 hadoop-2.6.5.tar.gz
　　（2）hadoop安装
　　将hadoop解压到/usr/local目录下，并创建软链接：
[root@leaf ~]# cp hadoop-2.6.5.tar.gz /usr/local　　
[root@leaf ~]# cd /usr/local
　　
[root@leaf local]# tar -zxf hadoop-2.6.5.tar.gz
　　
[root@leaf local]# ls -ld hadoop-2.6.5
　　
drwxrwxr-x. 9 1000 1000 4096 Oct  3  2016 hadoop-2.6.5
　　
[root@leaf local]# ln -s hadoop-2.6.5 hadoop
　　
[root@leaf local]# ls -ld hadoop
　　
lrwxrwxrwx. 1 root root 12 Aug 30 05:05 hadoop -> hadoop-2.6.5
　　（3）hadoop环境变量配置
　　hadoop相关命令在/usr/local/hadoop/bin和/usr/local/hadoop/sbin目录下，如下所示：
[root@leaf local]# cd hadoop/bin/　　
[root@leaf bin]# ls -lh hadoop
　　
-rwxr-xr-x. 1 1000 1000 5.4K Oct  3  2016 hadoop
　　配置hadoop环境变量：
[root@leaf bin]# echo 'export HADOOP_HOME=/usr/local/hadoop/bin:/usr/local/hadoop/sbin' >> /etc/profile　　
[root@leaf bin]# echo 'export PATH=$PATH:$HADOOP_HOME' >> /etc/profile
　　这样我们就可以在任何一个目录下使用hadoop相关的命令：
[root@leaf ~]# hadoop　　
Usage: hadoop [--config confdir] COMMAND
　　
       where COMMAND is one of:
　　
  fs                   run a generic filesystem user client
　　
  version              print the version
　　
  jar             run a jar file
　　
  checknative [-a|-h]  check native hadoop and compression libraries availability
　　
  distcp   copy file or directories recursively
　　
  archive -archiveName NAME -p  *  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.
　　（4）hadoop配置
　　hadoop的配置文件在/usr/local/hadoop/etc/hadoop目录下：
[root@leaf ~]# cd /usr/local/hadoop/etc/hadoop/　　
[root@leaf hadoop]# ls
　　
capacity-scheduler.xml      hadoop-policy.xml        kms-log4j.properties        ssl-client.xml.example
　　
configuration.xsl           hdfs-site.xml            kms-site.xml                ssl-server.xml.example
　　
container-executor.cfg      httpfs-env.sh            log4j.properties            yarn-env.cmd
　　
core-site.xml               httpfs-log4j.properties  mapred-env.cmd              yarn-env.sh
　　
hadoop-env.cmd              httpfs-signature.secret  mapred-env.sh               yarn-site.xml
　　
hadoop-env.sh               httpfs-site.xml          mapred-queues.xml.template
　　
hadoop-metrics2.properties  kms-acls.xml             mapred-site.xml.template
　　
hadoop-metrics.properties   kms-env.sh               slaves

• 　　配置core-site.xml
  

　　
   
　　
        fs.default.name
　　
        hdfs://localhost:9000
　　
   
　　

　　fs.default.name这个字段下的值用于指定NameNode（HDFS的Master）的IP地址和端口号，如下面的value值hdfs://localhost:9000，就表示HDFS NameNode的IP地址或主机为localhost，端口号为9000.

• 　　配置hdfs-site.xml
  

　　
   
　　
        dfs.replication
　　
        1
　　
   
　　
   
　　
        dfs.name.dir
　　
        /root/hdfs-filesystem/name
　　
   
　　
   
　　
        dfs.data.dir
　　
        /root/hdfs-filesystem/data
　　
   
　　

　　dfs.replication用于指定HDFS中每个Block块被复制的次数，起到数据冗余备份的作用；dfs.name.dir用于配置HDFS的NameNode的元数据，以逗号隔开，HDFS会把元数据冗余复制到这些目录下；dfs.data.dir用于配置HDFS的DataNode的数据目录，以逗号隔开，HDFS会把数据存在这些目录下。

• 　　配置mapred-site.xml
  

　　
   
　　
        mapred.job.tracker
　　
        localhost:9001
　　
   
　　

　　mapred.job.tracker字段用于指定MapReduce Jobtracker的IP地址及端口号，如这里IP地址或主机为localhost，9001是MapReduce Jobtracker RPC的交互端口。

• 　　配置hadoop-env.sh
  

export JAVA_HOME=/usr/local/jdk　　5.hadoop启动与测试
　　（1）格式化HDFS分布式文件系统
　　执行如下命令：
[root@leaf ~]# hadoop namenode -format　　
...
　　
17/08/30 08:41:29 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
　　
17/08/30 08:41:29 INFO util.ExitUtil: Exiting with status 0
　　
17/08/30 08:41:29 INFO namenode.NameNode: SHUTDOWN_MSG:
　　
/************************************************************
　　
SHUTDOWN_MSG: Shutting down NameNode at leaf/127.0.0.1
　　
************************************************************/
　　注意看输出显示是不是跟上面的类似，如果是，则说明操作成功。
　　（2）启动hadoop服务
　　执行如下命令：
[root@leaf ~]# start-all.sh　　
This script is Deprecated. Instead use start-dfs.sh and start-yarn.sh
　　
17/08/30 08:53:22 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-2.6.5/logs/hadoop-root-namenode-leaf.out
　　
localhost: starting datanode, logging to /usr/local/hadoop-2.6.5/logs/hadoop-root-datanode-leaf.out
　　
Starting secondary namenodes [0.0.0.0]
　　
0.0.0.0: starting secondarynamenode, logging to /usr/local/hadoop-2.6.5/logs/hadoop-root-secondarynamenode-leaf.out
　　
17/08/30 08:53:48 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
　　
starting yarn daemons
　　
starting resourcemanager, logging to /usr/local/hadoop-2.6.5/logs/yarn-root-resourcemanager-leaf.out
　　
localhost: starting nodemanager, logging to /usr/local/hadoop-2.6.5/logs/yarn-root-nodemanager-leaf.out
　　（3）hadoop服务测试
　　启动完成后，执行jps命令，可以看到hadoop运行的守护进程，如下：
[root@leaf ~]# jps　　
4167 SecondaryNameNode
　　
4708 Jps
　　
3907 NameNode
　　
4394 NodeManager
　　
4306 ResourceManager
　　
3993 DataNode
　　也可以通过在浏览器中输入地址来访问相关页面，这里访问NameNode的页面，地址为http://10.0.0.131:50070，如下：

    访问DataNode的页面，地址为http://10.0.0.131:50075，如下

　　6.参考资料
　　《Hadoop核心技术》
　　不过需要注意的是，书上版本用的是1.x，这里用的是2.x版本。