最近装Hadoop的心得（内附Hadoop2.9.2详细安装教程）

Posted 2022-12-08 annie666

　　以前装Hadoop-3.1.2是跟着厦大林子雨的详细教程装的，所以遇到的问题不多，自己没怎么思考，导致跟着官网再装了一个Hadoop-2.9.2（为了装Hbase2.2.0）时装了两天，现在把遇到过的问题记下来以免以后再犯。

首先，安装软件首先看官网教程。但官网的教程是很简单的，比如Hadoop的安装。默认会创建hadoop用户；给hadoop权限；所有都在hadoop用户下操作（不然会出错）；会更新apt；会解压；会配JAVA_HOME，会配置SSH免密登陆。但我是个小白啊，都不懂，因此查了很多资料。不过这些都是Linux基础，我现在得记住这些。

一、准备工作

（一）创建hadoop用户

1.1 创建可以登陆的 hadoop 用户，并自动建立用户的登入目录

sudo useradd -m hadoop

　　-m 是自动建立用户的登入目录，如果不输以新用户身份登入后会出错。

　　-s指定用户登入后所使用的shell。默认值为/bin/bash。(所以可以不指定)

　　其他详见useradd命令详解：

        https://www.cnblogs.com/irisrain/p/4324593.html

1.2 设置密码，按提示输入两次密码

sudo passwd $你想设的密码

　　sudo是使得普通用户有root权限的命令，如果就是root没必要输。

1.3 可为 hadoop 用户增加管理员权限，方便部署

sudo adduser hadoop sudo

（二）更新apt

后续我们使用 apt 安装软件（比如ssh-server），如果没更新可能有一些软件安装不了。

sudo apt-get update

（三）安装SSH，配置免密登陆

　　厦大教程cf官网教程，厦大说下载ssh-server（首先要确保你的linux系统中已经安装了ssh，对于ubuntu系统一般默认只安装了ssh client，所以还需要我们手动安装ssh server）

而官网说安装ssh（why？I don‘t know，但我相信官网hhh）

所以安装过程是：

sudo apt-get install ssh
sudo apt-get install pdsh

配置免密登陆是：

先check一下可不可以免密：

ssh localhost

如果不行，利用 ssh-keygen 生成密钥，并将密钥加入到授权中（参考官网）。

ssh-keygen -t rsa -P ‘‘ -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys #加入授权
chmod 0600 ~/.ssh/authorized_keys               #啥意思？

（四）安装Java环境

4.1 apt傻瓜式安装java

　　按班主任的操作好像是先查看  java -version ，或者 which java ，没有，系统提示apt-install headlessjava啥的，然后安装openjdk-8-jdk

apt install openjdk-8-jdk

不安11好像是因为这个在hadoop3上没有错，比较稳定。

4.2 编辑当前登录用户的环境变量配置文件

vim ~/.bashrc

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64

• JAVA_HOME指明JDK安装路径，此路径下包括lib，bin，jre等文件夹。
• 如果你不记得自己的JAVA在哪里，可以输 whereis java ，再翻文件夹到第一个不是快捷键的就是你java的位置啦！

4.3 让环境变量立即生效

　　请执行如下代码：

source ~/.bashrc

4.4检验

　　执行上述命令后，可以检验一下是否设置正确：

　　用查看java -version等方式检验一下，至此，就成功安装了Java环境。下面就可以进入Hadoop的安装。

二、安装Hadoop

（一）下载Hadoop（假如是2.9.2，方法都是一样的，只是把名字改一下）

　　也可用ftp传，但很慢，清华镜像是个好东西！超级快！以后都用wget https://mirrors.tuna.tsinghua.edu.cn/apache 之类的。

wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz

（二）解压

　　wget默认下载到登陆路径~也就是/home/user，linux下安装路径一般是/usr/local，所以解压到那里。

sudo tar -zxf ~/hadoop-2.9.2.tar.gz -C /usr/local

　　林子雨的教程里面把hadoop-2.9.2改名了（mv 成hadoop），但考虑到可能装多个hadoop我就不改名了哈。

但hadoop-2.9.2的权限得改，因为hadoop-2.9.2文件默认拥有者是root。

cd /usr/local/ #进入用户安装目录
sudo chown -R hadoop ./hadoop-2.9.2 # 修改文件权限（hadoop-2.9.2默认拥有者是root，这里我们让hadoop也成为拥有者）

 chown详解：https://www.runoob.com/linux/linux-comm-chown.html

（三）检查

（每一步都要检查一下，不然就会像我一样经常重置系统哦！）

Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息：

cd /usr/local/hadoop-2.9.2
./bin/hadoop version   #  查看hadoop版本信息，成功显示则安装成功

 （四）修改/usr/local/hadoop-2.9.2/etc/hadoop/hadoop-env.sh

　　uncomment export JAVA_HOME=$JAVA_HOME或者修改为具体地址

三、单机配置standlone

　　默认就是，无需配置！我们可以运行运行grep例子

cd /usr/local/hadoop　　　　#进入用户安装目录
mkdir ./input cp ./etc/hadoop/*.xml ./input   # 将配置文件作为输入文件 
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output ‘dfs[a-z.]+‘ cat ./output/* # 查看运行结果

结果出现一次，说明?

 

 养成好习惯，删掉output，不然下次运行出错

rm -r ./output

 四、伪分布式

（一）修改 ./ect/hadoop/core-site.xml 

　　配置hdfs端口9000（默认是8020，但和Client连接的RPC端口冲突），让空空的configuration标签充实起来

　　可用 netstat -ntlp 查看所有使用端口

　　 netstat -lent | grep 9000 查看9000端口

　　林子雨说可以配置tmp文件路径（默认为/tmp/hadoo-hadoop，重启时可能被系统清理掉），所以配吧配吧以免之后出错。（记住各种dir要根据自己安装的路径改一下啊）

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <!-- value不要直接ctrl c v，要看着自己安装目录改一下啊 -->
        <value>file:/usr/local/hadoop-2.9.2/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

 

（二）修改 ./ect/hadoop/hdfs-site.xml 

　　hdfs-site中官网只配了replication（有几个备份），林子雨指定了 dfs.namenode.name.dir 和 dfs.datanode.data.dir

<configuration>
    <!--官网只配了replication-->
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <!--林子雨还配了namenode和datanode的路径-->
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop-2.9.2/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop-2.9.2/tmp/dfs/data</value>
    </property>
</configuration>

 

（三）执行 NameNode 的格式化

./bin/hdfs namenode -format

结果应该是“successfully formatted” ，若JAVA_HOME报错，改./etc/hadoop/hadoop-env.sh中JAVA_HOME为具体地址

（四）启动

　　终于可以启动了，是不是很激动！

./sbin/start-dfs.sh  #start-dfs.sh是个完整的可执行文件，中间没有空格

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。

 （五）检查

输入 jps 查看是否成功，成功了应该有四个

 不成功的话：

• 1.查看.log日志，百度
• 2.若Datanode没启动

# 针对 DataNode 没法启动的解决方法
./sbin/stop-dfs.sh   # 关闭
rm -r ./tmp     # 删除 tmp 文件，注意这会删除 HDFS 中原有的所有数据
./bin/hdfs namenode -format   # 重新格式化 NameNode
./sbin/start-dfs.sh  # 重启

（六）Web界面访问

　　我之前一直无法通过localhost访问，后来才想起我不是在本机我电脑是阿里云的云主机啊啊啊啊！！所以正确做法是：

6.1首先关闭防火墙

6.2 浏览器输入你阿里云的公网ip:50070 

（Hadoop 2.*是50070，3.1.2是9870，具体自行查看官网）

（七）伪分布式例子

　　7.1创建用户目录

　　　　用户目录格式： /user/username

./bin/hdfs dfs -mkdir -p /user/hadoop

　7.2input文件

　将本地/usr/local/hadoop-2.9.2/ect/hadoop下的xml配置文件拷贝到分布式HDFS中用户目录下的input文件夹中

./bin/hdfs dfs -mkdir input

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

　　我在上传本地文件到HDFS时出现警告

　　WARN hdfs.DataStreamer: Caught exception java.lang.InterruptedException 但不影响上传，所以没管

　　复制完成后，可以通过如下命令查看文件列表

./bin/hdfs dfs -ls input

　　7.3运行例子

　　伪分布式读取HDFS中的input信息，输出结果

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output ‘dfs[a-z.]+‘

 

五、基本操作

hdfs的基本操作和单机模式相似，只是需要在hadoop安装目录下运行这个./bin/hdfs dfs

• -mkdir新建目录（-p递归地./bin/hdfs dfs -mkdir -p /user/hadoop）
• -get下载到本地（./bin/hdfs dfs -get output ./output）
• -cat显示查看文件内容（./bin/hdfs dfs -cat output/*）
• -put本地 目标地址（./bin/hdfs dfs -put ./etc/hadoop/*.xml input）
• -列出文件目录（./bin/hdfs dfs -ls input）
• -chmod 777 文件名（修改文件权限为所有人可读写）
• -rm 删除（-r递归的）

六、参考资料

　　http://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-common/SingleCluster.html

       http://dblab.xmu.edu.cn/blog/install-hadoop/

七、总结（敲重点！）

　　再阿里云Ubuntu实例上面装软件大概步骤就是

　　（1）在清华镜像上下载 

wget http://mirrors.tuna.tsinghua.edu.cn/*

　　（2）解压

sudo tar -zxf ~/*.tar.gz -C /usr/local

　　（3）给hadoop（当前用户）这个文件夹的权限

sudo chown -R hadoop ./hadoop-2.9.2 # 修改文件权限（hadoop-2.9.2默认拥有者是root，这里我们让hadoop也成为拥有者）

　　（4）按照官网，按单机、伪分布一步步来，修改各种配置文件

　　（5）要访问web前关一下防火墙(控制台)

下面这是我安装hadoop的命令行：

　　希望我踩过的坑大家就不要踩了，最后，我想说老师说的对啊装软件还是要看官网以及各种英文网站。希望以后装软件快一点，加油！