搭建 Hadoop 僞分佈式環境

1. 安裝 SSH 客戶端

安裝SSH

sudo yum install openssh-clients openssh-server

2. 安裝 JAVA 環境

安裝 JDK

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

配置 JAVA 環境變量

編輯 ~/.bashrc，在結尾追加：

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

source ~/.bashrc

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

java -version
$JAVA_HOME/bin/java -version

3. 安裝 Hadoop

下載 Hadoop

wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz

安裝 Hadoop

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，便於後續操做方便:

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

若是成功輸出hadoop的版本信息，代表hadoop已經成功安裝。

4. 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，在結尾追加以下內容：

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 /usr/local/hadoop/etc/hadoop 目錄下，須要修改的配置文件爲以下兩個:

/usr/local/hadoop/etc/hadoop/core-site.xml /usr/local/hadoop/etc/hadoop/hdfs-site.xml

編輯 core-site.xml，修改<configuration></configuration>節點的內容爲以下所示：

示例代碼：/usr/local/hadoop/etc/hadoop/core-site.xml

<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>

同理，編輯 hdfs-site.xml，修改<configuration></configuration>節點的內容爲以下所示：

示例代碼：/usr/local/hadoop/etc/hadoop/hdfs-site.xml

<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

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

在輸出信息中看到以下信息，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

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

執行過程當中會提示輸入用戶密碼，輸入 root 用戶密碼便可。另外，啓動時ssh會顯示警告提示是否繼續鏈接，輸入 yes 便可。

檢查 NameNode 和 DataNode 是否正常啓動:

jps

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

[hadoop@VM_80_152_centos ~]$ jps
3689 SecondaryNameNode
3520 DataNode
3800 Jps
3393 NameNode

5. 運行 Hadoop 僞分佈式實例

Hadoop自帶了豐富的例子，包括 wordcount、grep、sort 等。下面咱們將以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, 執行下面命令能夠查看：

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

在 HDFS 中建立用戶目錄

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

準備實驗數據

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

使用下面命令能夠查看剛剛上傳到 HDFS 的文件:

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

運行實驗

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

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

若是運行成功，能夠看到以下結果:

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

刪除 HDFS 上的輸出結果

/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，不然會提示錯誤，所以在下次運行前須要先刪除輸出目錄。

關閉 Hadoop 進程

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

再起啓動只須要執行下面命令：

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