WSL2+Ubuntu配置Java Maven Hadoop Spark环境

所需文件：

更新日期为2021/5/8:

Linux 内核更新包

JDK1.8

maven3.8.1

hadoop3.3.0

spark3.1.1

WSL？WSL2？

WSL是适用于 Linux 的 Windows 子系统可让开发人员按原样运行 GNU/Linux 环境 - 包括大多数命令行工具、实用工具和应用程序 - 且不会产生传统虚拟机或双启动设置开销。

您可以：

在 Microsoft Store 中选择你偏好的 GNU/Linux 分发版。
运行常用的命令行软件工具（例如 grep、sed、awk）或其他 ELF-64 二进制文件。
运行 Bash shell 脚本和 GNU/Linux 命令行应用程序，包括：
- 工具：vim、emacs、tmux
- 语言：NodeJS、Javascript、Python、Ruby、C/ C++、C# 与 F#、Rust、Go 等。
- 服务：SSHD、MySQL、Apache、lighttpd、MongoDB、PostgreSQL。
使用自己的 GNU/Linux 分发包管理器安装其他软件。
使用类似于 Unix 的命令行 shell 调用 Windows 应用程序。
在 Windows 上调用 GNU/Linux 应用程序。

WSL 2 是适用于 Linux 的 Windows 子系统体系结构的一个新版本，它支持适用于 Linux 的 Windows 子系统在 Windows 上运行 ELF64 Linux 二进制文件。它的主要目标是 提高文件系统性能，以及添加 完全的系统调用兼容性。

这一新的体系结构改变了这些 Linux 二进制文件与Windows 和计算机硬件进行交互的方式，但仍然提供与 WSL 1（当前广泛可用的版本）中相同的用户体验。

单个 Linux 分发版可以在 WSL 1 或 WSL 2 体系结构中运行。每个分发版可随时升级或降级，并且你可以并行运行 WSL 1 和 WSL 2 分发版。 WSL 2 使用全新的体系结构，该体系结构受益于运行真正的 Linux 内核。

简而言之WSL类似于windows提供的虚拟机，同时相比VMWare Workstation拥有更好的IO性能且支持硬件直通。

WSL的官方文档地址：https://docs.microsoft.com/zh-cn/windows/wsl/

安装WSL和WSL2

参考官方文档：文档地址

执执行手动安装步骤即可。

以管理员身份打开 PowerShell 并运行如下代码安装WSL：

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

检查系统是否支持WSL2:

对于 x64 系统：版本 1903 或更高版本，采用 内部版本 18362 或更高版本。
对于 ARM64 系统：版本 2004 或更高版本，采用 内部版本 19041 或更高版本。
低于 18362 的版本不支持 WSL 2。

若要检查 Windows 版本及内部版本号，选择 Windows 徽标键 + R，然后键入“winver”，选择“确定”。

如果不支持WSL2，可以直接重启电脑，安装Linux发行版即可。

以管理员身份打开 PowerShell 并运行如下代码启用虚拟机功能：

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

重启计算机

下载安装 Linux 内核更新包：点击下载

打开 PowerShell，然后在安装新的 Linux 发行版时运行以下命令，将 WSL 2 设置为默认版本：

wsl --set-default-version 2

安装Linux发行版

安装完成后点击启动，首次启动需要输入用户名和密码。

子系统安装java

首先描述一下如何进行Windows和Linux之间的文件操作：

方法一：通过 \\wsl$ 访问 Linux 文件时将使用 WSL 分发版的默认用户。因此，任何访问 Linux 文件的 Windows 应用都具有与默认用户相同的权限。

方法二：通过VS Code访问Linux文件

参考文档：CSDN博客

正式安装：

将所需的文件复制到WSL的目录中，我一般遵循实体机的习惯放置到下载目录。

cd到存放目录使用tar命令解压压缩文件：

tar -zxvf jdk-8u291-linux-x64.tar.gz

使用cp命令修改文件名便于后续操作(jdk1.8.0_291为解压后文件)

cp -r jdk1.8.0_291 jdk8

将jdk移动到某个目录，我放在了/usr/bin/java/。（通过mkdir创建java目录并移动）

sudo mkdir /usr/bin/java/

sudo mv jdk8 /usr/bin/java/

添加java到环境中：

sudo vi /etc/profile

使用vi编辑器在最后面添加：请将JAVA_HOME路径修改为你的jdk目录，可以通过pwd查看当前目录，直接复制输出即可。

export JAVA_HOME=/usr/bin/java/jdk8
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

添加完成后按ESC键输入:wq!保存并退出。

使用如下命令刷新：

source /etc/profile

输入 java -version和javac -version测试无异常即可。

子系统安装Maven

安装步骤与Java基本相同，解压到制定目录，添加到环境。

写入：(同样注意修改路径)

# maven
export MAVEN_HOME=/usr/bin/maven
export PATH=$PATH:$MAVEN_HOME/bin

使用source /etc/profile刷新后使用mvn -v检查能否正常使用。

子系统安装Hadoop

安装ssh服务端：

sudo apt-get update
sudo apt-get install openssh-server -y

如果提示已经安装请删除后重新安装。安装完成后重启ssh服务：

sudo service ssh --full-restart

使用如下命令测试ssh：

ssh localhost

执行该命令后会，会出现“yes/no”选择提示，输入“yes”，然后按提示输入密码。如果出现以下提示：

修改/etc/ssh/sshd_config文件中PasswordAuthentication为yes

重启服务即可。

进入SSH后，输入命令“exit”退出刚才的SSH，就回到了原先的终端窗口；然后，可以利用ssh-keygen生成密钥，并将密钥加入到授权中，命令如下：

cd ~/.ssh/        # 若没有该目录，请先执行一次ssh localhost
ssh-keygen -t rsa    # 会有提示，都按回车即可
cat ./id_rsa.pub >> ./authorized_keys  # 加入授权

此时，再执行ssh localhost命令，无需输入密码就可以直接登录了。

下面安装hadoop

Hadoop包括三种安装模式：

单机模式：只在一台机器上运行，存储是采用本地文件系统，没有采用分布式文件系统HDFS；

伪分布式模式：存储采用分布式文件系统HDFS，但是，HDFS的名称节点和数据节点都在同一台机器上；

分布式模式：存储采用分布式文件系统HDFS，而且，HDFS的名称节点和数据节点位于不同机器上。

本文只介绍Hadoop的安装方法

解压hadoop到制定目录：（我放在了/opt/hadoop）

配置环境

#Hadoop
export HADOOP_HOME=/opt/hadoop
export PATH=.:${JAVA_HOME}/bin:${HADOOP_HOME}/bin:$PATH

刷新后使用hadoop verson命令检查：

子系统安装Spark

解压spark到制定目录：（我放在了/opt/spark）

关联用户：

sudo chown -R pteromyini ./spark #pteromyini是你的用户名

修改Spark的配置文件spark-env.sh模板文件

cd /opt/spark/
cp ./conf/spark-env.sh.template ./conf/spark-env.sh

修改配置文件

sudo vi /opt/spark/conf/spark-env.sh

添加以下信息：（修改hadoop目录为你的目录）

export SPARK_DIST_CLASSPATH=$(/opt/hadoop/bin/hadoop classpath)

有了上面的配置信息以后，Spark就可以把数据存储到Hadoop分布式文件系统HDFS中，也可以从HDFS中读取数据。如果没有配置上面信息，Spark就只能读写本地数据，无法读写HDFS数据。

配置环境：

#Spark
export SPARK_HOME=/opt/spark
export PATH=$HADOOP_HOME/bin:$SPARK_HOME/bin:$PATH
export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/lib/py4j-0.10.9-src.zip:$PYTHONPATH
export PYSPARK_PYTHON=python3

PYTHONPATH环境变量主要是为了在Python3中引入pyspark库，PYSPARK_PYTHON变量主要是设置pyspark运行的python版本。

.bashrc中必须包含JAVA_HOME,HADOOP_HOME,SPARK_HOME,PYTHONPATH,PYSPARK_PYTHON,PATH这些环境变量。如果已经设置了这些变量则不需要重新添加设置。另外需要注意，上面的配置项中，PYTHONPATH这一行有个py4j-0.10.4-src.zip，这个zip文件的版本号一定要和“/usr/local/spark/python/lib”目录下的py4j-0.10.4-src.zip文件保持版本一致。比如，如果“/usr/local/spark/python/lib”目录下是py4j-0.10.7-src.zip，那么，PYTHONPATH这一行后面也要写py4j-0.10.7-src.zip，从而使二者版本一致。

执行自带实例检查是否正常：

run-example SparkPi 2>&1 | grep "Pi is"

如果正常则安装完成。