Hadoop安装

配置SSH免密登录

---

ssh-keygen -t rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys

ssh localhost 验证免密登录是否配置成功

安装Java

---

Java是Hadoop的先决条件。
使用 java -version 命令验证是否已安装了Java。

java -version

如果已经安装了，会显示Java版本信息。未安装可以按以下步骤安装Java

第一步

下载Java JDK
注：安装jdk9，在启动hadoop时可能报waring错误

第二步

解压安装包，移动到“/usr/local/java”下并重命名为‘jdk’。

tar -zxvf jdk-8u151-linux-x64.tar.gz
mkdir /usr/local/java && mv jdk1.8.0_151 /usr/local/java/jdk

第三步

设置PATH和JAVA_HOME变量，将以下两行命令添加到“ ~/.bash_profile”文件中

export JAVA_HOME=/usr/local/java/jdk
export PATH=$PATH:$JAVA_HOME/bin

使环境变量生效

source ~/.bash_profile

通过 java -version 验证是否安装成功

下载Hadoop

---

Hadoop镜像站点
下载

cd /usr/local
wget 'http://mirrors.shuosc.org/apache/hadoop/common/stable/hadoop-2.9.0.tar.gz'
tar -xzvf hadoop-2.9.0.tar.gz
mv hadoop-2.9.0 hadoop

Hadoop 的分布模式

---

1. 本地/独立模式：下载安装 Hadoop 后默认情况下为此模式。
2. 伪分布式模式：单台机器模拟分布式模式。Hadoop 守护每个进程，如 HDFS、yarn、MapReduce 等，都将作为一个独立的java程序运行。这种模式对开发非常有用。
3. 分布式模式：完全分布式的最少两台或多台计算机的集群。
   
   

本地模式配置

---

设置Hadoop

添加环境变量 #vi ~/.bash_profile

export HADOOP_HOME=/usr/local/hadoop
export PATH=$PATH:$HADOOP_HOME/bin

使环境变量生效：source ~/.bash_profile
运行 hadoop version 确保Hadoop安装成功。
默认情况下，Hadoop被配置为在非分布模式的单个机器上运行。

伪分布式模式

---

在本地模式配置基础上进行：

Hadoop 配置

Hadoop 的配置文件在 “$HADOOP_HOME/etc/hadoop” 目录下

cd $HADOOP_HOME/etc/hadoop

配置文件
hadoop-env.sh
core-site.xml
hdfs-site.xml
mapred-site.xml
在项目目录下查找 find -name *-default.xml 可以获得以上文件的默认配置格式及说明
core-default.xml
hdfs-default.xml
mapred-default.xml

1. vim hadoop-env.sh
   Hadoop为Java开发，所以要在此文件配置java环境变量。配置hadoop配置文件路径

# export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/usr/local/java/jdk

# export HADOOP_CONF_DIR=${HADOOP_CONF_DIR:-'/etc/hadoop'}
export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop

2. 在 core-site.xml 中的 configuration 标签内添加一下代码

<property>
  <name>hadoop.tmp.dir</name>
  <value>/usr/local/hadoop/tmp</value>
  <description>临时文件的基础目录</description>
</property>

<property>
  <name>fs.defaultFS</name>
  <value>hdfs://localhost:9000</value>
  <description>HDFS 的访问路径</description>
</property>

3. 在 hdfs-site.xml 中添加

<property>
  <name>dfs.replication</name>
  <value>1</value>
  <description>指定块的复制数量</description>
</property>

<property>
  <name>dfs.namenode.name.dir</name>
  <value>file://${hadoop.tmp.dir}/dfs/name</value>
  <description>namenode 的存储位置 </description>
</property>

<property>
  <name>dfs.datanode.data.dir</name>
  <value>file://${hadoop.tmp.dir}/dfs/data</value>
  <description>datanode 的存储位置</description>
</property>

配置修改说明

Hadoop 的运行方式是由配置文件决定，如果需要从伪分布式模式切换回本地式模式，需要删除 core-site.xml 中的配置项。
虽然伪分布式模式只需要配置 fs.defaultFS 和 dfs.replication 就可以运行，但是若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoop-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行 format 才行。所以我们进行了设置，防止之后的操作报错。

初始化运行

配置完成后使用以下命令格式化NameNode

hdfs namenode -format

到所安装的Hadoop目录下，使用以下命令启动DFS

sbin/start-dfs.sh

输入jps如看到，以下进程已经成功启动

 NameNode
 DataNode
 SecondaryNameNode

可以访问http://localhost:50070查看Hadoop相关状态信息。

注：

1. 如SSH链接是需要端口号，请在 hadoop-env.sh 加入下面代码

export HADOOP_SSH_OPTS="-p 12345"