完整版Hadoop安装教程伪分布式配置CentOS64Hadoop260.docx
《完整版Hadoop安装教程伪分布式配置CentOS64Hadoop260.docx》由会员分享，可在线阅读，更多相关《完整版Hadoop安装教程伪分布式配置CentOS64Hadoop260.docx（17页珍藏版）》请在冰豆网上搜索。
完整版Hadoop安装教程伪分布式配置CentOS64Hadoop260
Hadoop安装教程_伪分布式配置_CentOS6.4/Hadoop2.6.0
都能顺利在CentOS中安装并运行Hadoop。
环境
本教程使用CentOS6.432位作为系统环境，请自行安装系统（可参考使用VirtualBox安装CentOS）。
如果用的是Ubuntu系统，请查看相应的Ubuntu安装Hadoop教程。
本教程基于原生Hadoop2，在Hadoop2.6.0（stable）版本下验证通过，可适合任何Hadoop2.x.y版本，例如Hadoop2.7.1,Hadoop2.4.1等。
Hadoop版本
Hadoop有两个主要版本，Hadoop1.x.y和Hadoop2.x.y系列，比较老的教材上用的可能是0.20这样的版本。
Hadoop2.x版本在不断更新，本教程均可适用。
如果需安装0.20，1.2.1这样的版本，本教程也可以作为参考，主要差别在于配置项，配置请参考官网教程或其他教程。
新版是兼容旧版的，书上旧版本的代码应该能够正常运行（我自己没验证，欢迎验证反馈）。
装好了CentOS系统之后，在安装Hadoop前还需要做一些必备工作。
创建hadoop用户
如果你安装CentOS的时候不是用的“hadoop”用户，那么需要增加一个名为hadoop的用户。
首先点击左上角的“应用程序”->“系统工具”->“终端”，首先在终端中输入su，按回车，输入root密码以root用户登录，接着执行命令创建新用户hadoop:
su#上述提到的以root用户登录
useradd-mhadoop-s/bin/bash#创建新用户hadoop
如下图所示，这条命令创建了可以登陆的hadoop用户，并使用/bin/bash作为shell。
CentOS创建hadoop用户
接着使用如下命令修改密码，按提示输入两次密码，可简单的设为“hadoop”（密码随意指定，若提示“无效的密码，过于简单”则再次输入确认就行）:
passwdhadoop
可为hadoop用户增加管理员权限，方便部署，避免一些对新手来说比较棘手的权限问题，执行：
visudo
如下图，找到rootALL=（ALL）ALL这行（应该在第98行，可以先按一下键盘上的ESC键，然后输入:
98（按一下冒号，接着输入98，再按回车键），可以直接跳到第98行），然后在这行下面增加一行内容：
hadoopALL=（ALL）ALL（当中的间隔为tab），如下图所示：
为hadoop增加sudo权限
添加上一行内容后，先按一下键盘上的ESC键，然后输入:
wq（输入冒号还有wq，这是vi/vim编辑器的保存方法），再按回车键保存退出就可以了。
最后注销当前用户（点击屏幕右上角的用户名，选择退出->注销），在登陆界面使用刚创建的hadoop用户进行登陆。
（如果已经是hadoop用户，且在终端中使用su登录了root用户，那么需要执行exit退出root用户状态）
准备工作
使用hadoop用户登录后，还需要安装几个软件才能安装Hadoop。
CentOS使用yum来安装软件，需要联网环境，首先应检查一下是否连上了网络。
如下图所示，桌面右上角的网络图标若显示红叉，则表明还未联网，应点击选择可用网络。
检查是否联网
连接网络后，需要安装SSH和Java。
安装SSH、配置SSH无密码登陆
集群、单节点模式都需要用到SSH登陆（类似于远程登陆，你可以登录某台Linux主机，并且在上面运行命令），一般情况下，CentOS默认已安装了SSHclient、SSHserver，打开终端执行如下命令进行检验：
rpm-qa|grepssh
如果返回的结果如下图所示，包含了SSHclient跟SSHserver，则不需要再安装。
检查是否安装了SSH
若需要安装，则可以通过yum进行安装（安装过程中会让你输入[y/N]，输入y即可）：
sudoyuminstallopenssh-clients
sudoyuminstallopenssh-server
接着执行如下命令测试一下SSH是否可用：
sshlocalhost
此时会有如下提示（SSH首次登陆提示），输入yes。
然后按提示输入密码hadoop，这样就登陆到本机了。
测试SSH是否可用
但这样登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。
首先输入exit退出刚才的ssh，就回到了我们原先的终端窗口，然后利用ssh-keygen生成密钥，并将密钥加入到授权中：
exit#退出刚才的sshlocalhost
cd~/.ssh/#若没有该目录，请先执行一次sshlocalhost
ssh-keygen-trsa#会有提示，都按回车就可以
catid_rsa.pub>>authorized_keys#加入授权
chmod600./authorized_keys#修改文件权限
~的含义
在Linux系统中，~代表的是用户的主文件夹，即“/home/用户名”这个目录，如你的用户名为hadoop，则~就代表“/home/hadoop/”。
此外，命令中的#后面的文字是注释。
此时再用sshlocalhost命令，无需输入密码就可以直接登陆了，如下图所示。
SSH无密码登录
安装Java环境
Java环境可选择Oracle的JDK，或是OpenJDK，现在一般Linux系统默认安装的基本是OpenJDK，如CentOS6.4就默认安装了OpenJDK1.7。
按http:
//wiki.apache.org/hadoop/HadoopJavaVersions中说的，Hadoop在OpenJDK1.7下运行是没问题的。
需要注意的是，CentOS6.4中默认安装的只是JavaJRE，而不是JDK，为了开发方便，我们还是需要通过yum进行安装JDK，安装过程中会让输入[y/N]，输入y即可：
sudoyuminstalljava-1.7.0-openjdkjava-1.7.0-openjdk-devel
通过上述命令安装OpenJDK，默认安装位置为/usr/lib/jvm/java-1.7.0-openjdk（该路径可以通过执行rpm-qljava-1.7.0-openjdk-devel|grep'/bin/javac'命令确定，执行后会输出一个路径，除去路径末尾的“/bin/javac”，剩下的就是正确的路径了）。
OpenJDK安装后就可以直接使用java、javac等命令了。
接着需要配置一下JAVA_HOME环境变量，为方便，我们在~/.bashrc中进行设置（扩展阅读:
设置Linux环境变量的方法和区别）：
vim~/.bashrc
在文件最后面添加如下单独一行（指向JDK的安装位置），并保存：
exportJAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk
如下图所示：
设置JAVA_HOME环境变量
接着还需要让该环境变量生效，执行如下代码：
source~/.bashrc#使变量设置生效
设置好后我们来检验一下是否设置正确：
echo$JAVA_HOME#检验变量值
java-version
$JAVA_HOME/bin/java-version#与直接执行java-version一样
如果设置正确的话，$JAVA_HOME/bin/java-version会输出java的版本信息，且和java-version的输出结果一样，如下图所示：
成功设置JAVA_HOME环境变量
这样，Hadoop所需的Java运行环境就安装好了。
安装Hadoop2
Hadoop2可以通过或者下载，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。
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。
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。
cat~/下载/hadoop-2.6.0.tar.gz.mds|grep'MD5'#列出md5检验值
#head-n6~/下载/hadoop-2.7.1.tar.gz.mds#2.7.1版本格式变了，可以用这种方式输出
md5sum~/下载/hadoop-2.6.0.tar.gz|tr"a-z""A-Z"#计算md5值，并转化为大写，方便比较
若文件不完整则这两个值一般差别很大，可以简单对比下前几个字符跟后几个字符是否相等即可，如下图所示，如果两个值不一样，请务必重新下载。
检验文件完整性
我们选择将Hadoop安装至/usr/local/中：
sudotar-zxf~/下载/hadoop-2.6.0.tar.gz-C/usr/local#解压到/usr/local中
cd/usr/local/
sudomv./hadoop-2.6.0/./hadoop#将文件夹名改为hadoop
sudochown-Rhadoop:
hadoop./hadoop#修改文件权限
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
./bin/hadoopversion
相对路径与绝对路径
请务必注意命令中的相对路径与绝对路径，本文后续出现的./bin/...，./etc/...等包含./的路径，均为相对路径，以/usr/local/hadoop为当前目录。
例如在/usr/local/hadoop目录中执行./bin/hadoopversion等同于执行/usr/local/hadoop/bin/hadoopversion。
可以将相对路径改成绝对路径来执行，但如果你是在主文件夹~中执行./bin/hadoopversion，执行的会是/home/hadoop/bin/hadoopversion，就不是我们所想要的了。
Hadoop单机配置（非分布式）
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/hadoopjar./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。
cd/usr/local/hadoop
mkdir./input
cp./etc/hadoop/*.xml./input#将配置文件作为输入文件
./bin/hadoopjar./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jargrep./input./output'dfs[a-z.]+'
cat./output/*#查看运行结果
若运行出错，如出现如下图提示：
运行Hadoop实例时可能会报错
若出现提示“WARNutil.NativeCodeLoader:
Unabletoloadnative-hadooplibraryforyourplatform…usingbuiltin-javaclasseswhereapplicable”，该WARN提示可以忽略，不会影响Hadoop正常运行（可通过编译Hadoop源码解决，解决方法请自行搜索）。
若出现提示“INFOmetrics.MetricsUtil:
UnabletoobtainhostName.UnknowHostException”，这需要执行如下命令修改hosts文件，为你的主机名增加IP映射：
sudovim/etc/hosts
主机名在终端窗口标题里可以看到，或执行命令hostname查看，如下图所示，在最后面增加一行“127.0.0.1dblab”：
设置主机名的IP映射
保存文件后，重新运行hadoop实例，若执行成功的话会输出很多作业的相关信息，最后的输出信息如下图所示。
作业的结果会输出在指定的output文件夹中，通过命令cat./output/*查看结果，符合正则的单词dfsadmin出现了1次：
Hadoop例子输出结果
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。
rm-r./output
Hadoop伪分布式配置
Hadoop可以在单节点上以伪分布式的方式运行，Hadoop进程以分离的Java进程来运行，节点既作为NameNode也作为DataNode，同时，读取的是HDFS中的文件。
在设置Hadoop伪分布式配置前，我们还需要设置HADOOP环境变量，执行如下命令在~/.bashrc中设置：
gedit~/.bashrc
这次我们选择用gedit而不是vim来编辑。
gedit是文本编辑器，类似于Windows中的记事本，会比较方便。
保存后记得关掉整个gedit程序，否则会占用终端。
在文件最后面增加如下内容：
#HadoopEnvironmentVariables
exportHADOOP_HOME=/usr/local/hadoop
exportHADOOP_INSTALL=$HADOOP_HOME
exportHADOOP_MAPRED_HOME=$HADOOP_HOME
exportHADOOP_COMMON_HOME=$HADOOP_HOME
exportHADOOP_HDFS_HOME=$HADOOP_HOME
exportYARN_HOME=$HADOOP_HOME
exportHADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
exportPATH=$PATH:
$HADOOP_HOME/sbin:
$HADOOP_HOME/bin
保存后，不要忘记执行如下命令使配置生效：
source~/.bashrc
这些变量在启动Hadoop进程时需要用到，不设置的话可能会报错（这些变量也可以通过修改./etc/hadoop/hadoop-env.sh实现）。
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（通过gedit编辑会比较方便:
gedit./etc/hadoop/core-site.xml），将当中的
修改为下面配置：
hadoop.tmp.dir
file:
/usr/local/hadoop/tmp
Abaseforothertemporarydirectories.
fs.defaultFS
hdfs:
//localhost:
9000
同样的，修改配置文件hdfs-site.xml：
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
配置完成后，执行NameNode的格式化:
./bin/hdfsnamenode-format
成功的话，会看到“successfullyformatted”和“Exittingwithstatus0”的提示，若为“Exittingwithstatus1”则是出错。
执行NameNode格式化
接着开启NaneNode和DataNode守护进程：
./sbin/start-dfs.sh
若出现如下SSH的提示“Areyousureyouwanttocontinueconnecting”，输入yes即可。
首次启动Hadoop时的SSH提示
启动时可能会有WARN提示“WARNutil.NativeCodeLoader…”如前面提到的，这个提示不会影响正常使用。
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。
通过jps查看启动的Hadoop进程
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：
∙启动时会提示形如“dblab:
startingnamenode,loggingto/usr/local/hadoop/logs/hadoop-hadoop-namenode-dblab.out”，其中dblab对应你的主机名，但启动的日志信息是记录在/usr/local/hadoop/logs/hadoop-hadoop-namenode-dblab.log中，所以应该查看这个后缀为.log的文件；
∙每一次的启动日志都是追加在日志文件之后，所以得拉到最后面看，看下记录的时间就知道了。
∙一般出错的提示在最后面，也就是写着Fatal、Error或者JavaException的地方。
∙可以在网上搜索一下出错信息，看能否找到一些相关的解决方法。
成功启动后，可以访问Web界面http:
//localhost:
50070查看NameNode和Datanode信息，还可以在线查看HDFS中的文件。
Hadopp的Web界面
运行Hadoop伪分布式实例
上面的单机模式，grep例子读取的是本地数据，伪分布式读取的则是HDFS上的数据。
要使用HDFS，首先需要在HDFS中创建用户目录：
./bin/hdfsdfs-mkdir-p/user/hadoop
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/hdfsdfs-mkdirinput
./bin/hdfsdfs-put./etc/hadoop/*.xmlinput
复制完成后，可以通过如下命令查看HDFS中的文件列表：
./bin/hdfsdfs-lsinput
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）。
./bin/hadoopjar./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jargrepinputoutput'dfs[a-z.]+'
查看运行结果的命令（查看的是位于HDFS中的输出结果）：
./bin/hdfsdfs-catoutput/*
结果如下，注意到刚才我们已经更改了配置文件，所以运行结果不同。
Hadoop伪分布式运行grep的结果
我们也可以将运行结果取回到本地：
rm-r./output#先删除本地的output文件夹（如果存在）
./bin/hdfsdfs-getoutput./output#将HDFS上的output文件夹拷贝到本机
cat./output/*
Hadoop运行程序时，输出目录不能存在，否则会提示错误“org.apache.hadoop.mapred.FileAlreadyExistsException
升级会员 