Centos下搭建Hadoop僞分佈式

什麼是Hadoop？

Hadoop是一個由Apache基金會所開發的分佈式系統基礎架構。用戶可以在不瞭解分佈式底層細節的情況下，開發分佈式程序。充分利用集羣的威力進行高速運算和存儲。Hadoop實現了一個分佈式文件系統（Hadoop Distributed File System），簡稱HDFS。HDFS有高容錯性的特點，並且設計用來部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）來訪問應用程序的數據，適合那些有着超大數據集（large data set）的應用程序。HDFS放寬了（relax）POSIX的要求，可以以流的形式訪問（streaming access）文件系統中的數據。Hadoop的框架最核心的設計就是：HDFS和MapReduce。HDFS爲海量的數據提供了存儲，而MapReduce則爲海量的數據提供了計算

hadoop官網

http://hadoop.apache.org/

解下來我們需要一臺服務器，以及相關服務器配置

軟硬件環境

 CentOS 7.2 64 位 
 OpenJDK- 1.8 
 Hadoop- 2.7

安裝 SSH 客戶端

安裝SSH

sudo yum -y install openssh-clients openssh-server

安裝完成後，可以使用下面命令進行測試：

ssh somnus-hadoop

這裏爲了好區分機器，這裏對主機名做了下改名

這裏使用的root賬號登陸的，通過ssh 命令測試，這裏需要輸入密碼，默認就是root賬號的密碼，出現上面截圖，那就說名安裝ssh沒問題，開始我們下一步。

jdk安裝

sudo yum  -y install java-1.8.0-openjdk java-1.8.0-openjdk-devel

jdk安裝很簡單，通過命令直接安裝openjdk或者看我以前快速部署腳本博客，通過腳本快速部署。
安裝jdk，還需要配置 JAVA 環境變量

執行命令:

編輯 ~/.bashrc，在結尾追加：

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk

保存文件後執行下面命令使 JAVA_HOME 環境變量生效:

source ~/.bashrc

爲了檢測系統中 JAVA 環境是否已經正確配置並生效，可以分別執行下面命令:

java -version
$JAVA_HOME/bin/java -version

若兩條命令輸出結果一致，且都爲我們前面安裝的 openjdk-1.8.0 的版本，則表明 JDK 環境已經正確安裝並配置。

安裝hadoop

這裏我們通過wget來下載 hadoop-2.7 版本，我們可以根據自己的網絡選擇適合自己的下載地址

wget https://archive.apache.org/dist/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz

這裏可以通過官網查看版本，或者選擇適合自己的去下載，這個下載過程可能會相對慢一點，現在官網已經出了3的版本了

接下來，解壓下載好的hadoop-2.7.4.tar.gz

將 Hadoop 安裝到 /usr/local 目錄下:

 tar -zxf hadoop-2.7.4.tar.gz -C /usr/local

對安裝的目錄進行重命名，便於後續操作方便:

cd /usr/local
mv ./hadoop-2.7.4/ ./hadoop

檢查Hadoop是否已經正確安裝:

/usr/local/hadoop/bin/hadoop version

如果成功輸出hadoop的版本信息，表明hadoop安裝成功。

Hadoop 僞分佈式環境配置

Hadoop僞分佈式模式使用多個守護線程模擬分佈的僞分佈運行模式。

設置 Hadoop 的環境變量
編輯 ~/.bashrc，在結尾追加如下內容：

export HADOOP_HOME=/usr/local/hadoop
export HADOOP_INSTALL=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

使Hadoop環境變量配置生效:

source ~/.bashrc

修改 Hadoop 的配置文件

Hadoop的配置文件位於安裝目錄的 /etc/hadoop 目錄下，在本教程中即位於 /url/local/hadoop/etc/hadoop 目錄下，需要修改的配置文件爲如下兩個:

cd /usr/local/hadoop/etc/hadoop

編輯 core-site.xml，修改節點的內容爲如下所示：

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>location to store temporary files</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

:wq 保存退出

接下來，編輯 hdfs-site.xml，修改節點的內容爲如下所示：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/data</value>
    </property>
</configuration>

格式化 NameNode

格式化NameNode:

/usr/local/hadoop/bin/hdfs namenode -format

在輸出信息中看到如下信息，則表示格式化成功:

Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted.
Exiting with status 0

啓動 NameNode 和 DataNode 守護進程

啓動 NameNode 和 DataNode 進程:

/usr/local/hadoop/sbin/start-dfs.sh

執行過程中會提示輸入用戶密碼，輸入 root 用戶密碼即可。另外，啓動時ssh會顯示警告提示是否繼續連接，輸入 yes 即可。
檢查 NameNode 和 DataNode 是否正常啓動:

jps

如果NameNode和DataNode已經正常啓動，會顯示NameNode、DataNode和SecondaryNameNode的進程信息:

[root@somnus-hadoop  ~]$ jps
3689 SecondaryNameNode
3520 DataNode
3800 Jps
3393 NameNode

運行 Hadoop 僞分佈式實例

Hadoop自帶了豐富的例子，包括 wordcount、grep、sort 等。下面我們將以grep例子爲教程，輸入一批文件，從中篩選出符合正則表達式 dfs[a-z.]+ 的單詞並統計出現的次數。

查看 Hadoop 自帶的例子

Hadoop 附帶了豐富的例子, 執行下面命令可以查看：

cd /usr/local/hadoop
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar

在 HDFS 中創建用戶目錄

在 HDFS 中創建用戶目錄 hadoop：

/usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop

我們將以 Hadoop 所有的 xml 配置文件作爲輸入數據。執行下面命令在 HDFS 中新建一個 input 文件夾並將 hadoop 配置文件上傳到該文件夾下：

cd /usr/local/hadoop
./bin/hdfs dfs -mkdir /user/hadoop/input
./bin/hdfs dfs -put ./etc/hadoop/*.xml /user/hadoop/input

使用下面命令可以查看剛剛上傳到 HDFS 的文件:

/usr/local/hadoop/bin/hdfs dfs -ls /user/hadoop/input

cd /usr/local/hadoop
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar grep /user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'

上述命令以 HDFS 文件系統中的 input 爲輸入數據來運行 Hadoop 自帶的 grep 程序，提取其中符合正則表達式 dfs[a-z.]+ 的數據並進行次數統計，將結果輸出到 HDFS 文件系統的 output 文件夾下。

查看運行結果
上述完成後的結果保存在 HDFS 中，通過下面命令查看結果:

/usr/local/hadoop/bin/hdfs dfs -cat /user/hadoop/output/*

如果運行成功，可以看到如下結果:

1 dfsadmin
1 dfs.replication
1 dfs.namenode.name.dir
1 dfs.datanode.data.dir

刪除 HDFS 上的輸出結果

刪除 HDFS 中的結果目錄:

/usr/local/hadoop/bin/hdfs dfs -rm -r /user/hadoop/output

運行 Hadoop 程序時，爲了防止覆蓋結果，程序指定的輸出目錄不能存在，否則會提示錯誤，因此在下次運行前需要先刪除輸出目錄。

關閉 Hadoop 進程

關閉 Hadoop 進程：

/usr/local/hadoop/sbin/stop-dfs.sh

再起啓動只需要執行下面命令：

/usr/local/hadoop/sbin/start-dfs.sh

至此，centos下搭建Hadoop分佈式環境就結束了。

如果本文對你有所幫助，歡迎關注點贊，分享給您身邊的朋友。您的鼓勵就是對我的最大動力。