Hadoop2.9 单机/伪分布式安装(Centos7环境)

Hadoop2.9 单机/伪分布式安装(Centos7环境)

Hadoop2.9 单机/伪分布式安装(Centos7环境)

准备

需要准备的软件: Java , ssh

下载Haddop:http://www.apache.org/dyn/closer.cgi/hadoop/common/

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 SSH client、SSH server,打开终端执行如下命令进行检验:

1
rpm -qa | grep ssh

若需要安装,则可以通过 yum 进行安装

1
2
sudo yum install openssh-clients
sudo yum install openssh-server

测试ssh 是否可以用

1
ssh localhost

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。

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:

1
2
3
4
cd ~/.ssh/                     # 若没有该目录,请先执行一次ssh localhost
ssh-keygen -t rsa # 会有提示,都按回车就可以
cat id_rsa.pub >> authorized_keys # 加入授权
chmod 600 ./authorized_keys # 修改文件权限

此时再用 ssh localhost 命令,无需输入密码就可以直接登陆了

配置JAVA Environment

编辑/etc/profile, 增加

/etc/profile
1
2
3
4
5
#JAVA Environment
export JAVA_HOME=/usr/java/jdk1.8.0_191-amd64/
export JRE_HOME=$JAVA_HOME/jre
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib

执行source /etc/profile 使配置生效

添加hadoop 用户

1
useradd -m hadoop -s /bin/bash
1
passwd hadoop

为 hadoop 用户增加管理员权限

ubantu:

1
adduser hadoop sudo

centos:

root用户执行 visudo,添加一行

1
hadoop  ALL=(ALL)       NOPASSWD:ALL

位置在Allow root to run any commands anywhere下面

Hadoop 安装

解压hadoop安装包到/usr/local/目录,并且为hadoop用户分配该目录所属权限

1
2
3
tar -xvzf hadoop-2.9.2.tar.gz -C /usr/local
mv /usr/local/hadoop-2.9.2 /usr/local/hadoop
chown -R hadoop /usr/local/hadoop

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:

1
2
cd /usr/local/hadoop
bin/hadoop version

添加hadoop环境配置,执行vim /etc/profile 在前面添加的java 环境变量配置后加上:

/etc/profile
1
2
3
4
5
6
7
8
9
# Hadoop Environment Variables
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

执行source /etc/profile使配置生效

单机版配置

Hadoop 默认模式为非分布式模式(本地模式),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。

Hadoop 附带了丰富的例子运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.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。

1
2
3
4
5
cd /usr/local/hadoop
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 'apach[a-z.]+'
cat ./output/*

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。

结果

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 程序执行信息输出	
Shuffle Errors
BAD_ID=0
CONNECTION=0
IO_ERROR=0
WRONG_LENGTH=0
WRONG_MAP=0
WRONG_REDUCE=0
File Input Format Counters
Bytes Read=228
File Output Format Counters
Bytes Written=100
# 统计结果
[hadoop@sloong hadoop]$ cat output/*
8 apache.org
1 apache.hadoop.yarn.util.resource.
1 apache.hadoop.crypto.key.kms.server.

若出现提示 “WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable”,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 “INFO metrics.MetricsUtil: Unable to obtain hostName java.net.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,主机名可以执行命令 hostname 查看

1
sudo vim /etc/hosts

在最后面增加一行 “127.0.0.1 your_hostname”:

保存文件后,重新运行 hadoop 实例

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。

####步骤一:修改配置文件

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.xmlhdfs-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core-site.xml: 命令行执行vim ./etc/hadoop/core-site.xml

etc/hadoop/core-site.xml
1
2
3
4
5
6
7
8
9
10
11
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>

修改配置文件 hdfs-site.xml

hdfs-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
<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>

伪分布式配置说明

Hadoop 的运行方式是由配置文件决定的(运行 Hadoop 时会读取配置文件),因此如果需要从伪分布式模式切换回非分布式模式,需要删除 core-site.xml 中的配置项。

此外,伪分布式虽然只需要配置 fs.defaultFS 和 dfs.replication 就可以运行(官方教程如此),不过若没有配置 hadoop.tmp.dir 参数,则默认使用的临时目录为 /tmp/hadoo-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,同时也指定 dfs.namenode.name.dir 和 dfs.datanode.data.dir,否则在接下来的步骤中可能会出错。

步骤二:执行NameNode 的格式化

配置完成后,执行 NameNode 的格式化:

1
./bin/hdfs namenode -format

执行成功会看到Storage directory ** has been successfully formatted.的信息

1
2
3
4
5
6
7
8
9
9/10/23 11:33:11 INFO namenode.FSImage: Allocated new BlockPoolId: BP-2003467812-192.168.0.103-1571801591641
19/10/23 11:33:11 INFO common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted.
19/10/23 11:33:11 INFO namenode.FSImageFormatProtobuf: Saving image file /usr/local/hadoop/tmp/dfs/name/current/fsimage.ckpt_0000000000000000000 using no compression
19/10/23 11:33:11 INFO namenode.FSImageFormatProtobuf: Image file /usr/local/hadoop/tmp/dfs/name/current/fsimage.ckpt_0000000000000000000 of size 324 bytes saved in 0 seconds .
19/10/23 11:33:11 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
19/10/23 11:33:11 INFO namenode.NameNode: SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at sloong.server/192.168.0.103
************************************************************/

如果出现Error: JAVA_HOME is not set and could not be found错误,请重新设置好JAVA_HOME后重试

步骤三:开启 NameNode 和 DataNode 守护进程。

1
./sbin/start-dfs.sh

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。

1
jps

可能出现的异常情况

1.出现JAVA_HOME is not set错误提示

1
2
3
4
[hadoop@sloong hadoop]$ sbin/start-dfs.sh
Starting namenodes on [localhost]
hadoop@localhost's password:
localhost: Error: JAVA_HOME is not set and could not be found.

但JAVA_HOME实际上已经设置好了,这时通过修改hadoop配置vim etc/hadoop/hadoop-env.sh

找到export JAVA_HOME=${JAVA_HOME} ,将JAVA_HOME= 改为绝对路径

1
2
3
4
5
6
echo $JAVA_HOME 
#复制输出的java home 的绝对路径
vim etc/hadoop/hadoop-env.sh
#找到 export JAVA_HOME=${JAVA_HOME}
#改为 echo $JAVA_HOME 打印出来的绝对路径
export JAVA_HOME=/usr/java/jdk1.8.0_191-amd64

2.如果期间需要不停的输入hadoop用户的密码:

检查“准备” -> “配置SSH无密码登陆” 环节是否成功

验证Hadoop伪分布式实例

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:

1
./bin/hdfs dfs -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:

1
2
./bin/hdfs dfs -mkdir input
./bin/hdfs dfs -put ./etc/hadoop/*.xml input

复制完成后,可以通过如下命令查看 HDFS 中的文件列表:

1
./bin/hdfs dfs -ls input

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)。

1
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output '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):

1
2
3
4
5
6
./bin/hdfs dfs -cat output/*
# 输出
1 dfsadmin
1 dfs.replication
1 dfs.namenode.name.dir
1 dfs.datanode.data.dir

我们也可以将运行结果取回到本地:

1
2
3
rm -r ./output    # 先删除本地的 output 文件夹(如果存在)
./bin/hdfs dfs -get output ./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: Output directory hdfs://localhost:9000/user/hadoop/output already exists” ,因此若要再次执行,需要执行如下命令删除 output 文件夹:

1
./bin/hdfs dfs -rm -r output    # 删除 output 文件夹

运行程序时,输出目录不能存在

运行 Hadoop 程序时,为了防止覆盖结果,程序指定的输出目录(如 output)不能存在,否则会提示错误,因此运行前需要先删除输出目录。在实际开发应用程序时,可考虑在程序中加上如下代码,能在每次运行时自动删除输出目录,避免繁琐的命令行操作:

1
2
3
4
5
6
>Configuration conf = new Configuration();
>Job job = new Job(conf);

>/* 删除输出目录 */
>Path outputPath = new Path(args[1]);
>outputPath.getFileSystem(conf).delete(outputPath, true);

若要关闭 Hadoop,则运行

1
./sbin/stop-dfs.sh

参考

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


Comments

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×