Hadoop 3.1.1 - 概述 - 单节点安装

Hadoop: 单节点安装

目标

本文描述了如何安装和配置单机的 Hadoop，这样你可以使用 Hadoop MapReduce 和 Hadoop 分布式文件系统（HDFS）快速地尝试简单的操作。

前提

支持的平台

• 支持 GNU/Linux 作为开发平台和生产环境。经实战检验，Hadoop 能运行在包含 2000 台 GNU/Linux 机器组成的集群上。
• 同样支持 Windows，但后续步骤只适用于 Linux。要在 Windows 上安装 Hadoop，请查阅百科文档。

需要的软件

Linux 平台需要的软件包括：

1. Java 一定要安装。推荐的 Java 版本参见 Hadoop Java 版本。
2. 如果要执行 Hadoop 可选的启停脚本来管理远端的 Hadoop 守护进程，ssh 一定要安装。此外，推荐安装 pdsh 以更好地管理 ssh 资源。

安装软件

如果你的集群没有上述软件，你必须先安装它们。

在 Ubuntu Linux 上可执行：

 $ sudo apt-get install ssh
 $ sudo apt-get install pdsh

下载

为了获得 Hadoop 发行包，请从 Apache 下载镜像中任意一家下载最近的稳定版本。

准备启动 Hadoop 集群

解压下载的 Hadoop 发行包，编辑文件 etc/hadoop/hadoop-env.sh 以定义如下的参数：

 # 给定 Java 安装的根目录
 export JAVA_HOME=/usr/java/latest　

执行如下命令：

$ bin/hadoop

屏幕将显示 Hadoop 脚本的使用文档。

现在，你可以任选以下三种模式之一来启动你的 Hadoop 集群：

• 本地模式
• 伪分布式模式
• 完全分布式模式

本地模式

默认情况，Hadoop 以一个 Java 进程的形态运行在非分布式模式下，这对于调试很有帮助。

以下示例复制解压后的配置目录作为输入，查询所有匹配正则表达式的文本，结果被写到给定的输出目录中。

$ mkdir input
$ cp etc/hadoop/*.xml input
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.1.jar grep input output 'dfs[a-z.]+'
$ cat output/*

伪分布式模式

Hadoop 同样可以在单机上以伪分布式模式运行，此时每个 Hadoop 守护进程是一个独立的 Java 进程。

配置

修改文件内容如下：

etc/hadoop/core-site.xml

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

etc/hadoop/hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

etc/hadoop/hadoop-env.sh

# 添加如下环境变量
export HDFS_DATANODE_USER=root
export HDFS_NAMENODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root

配置免密码的 ssh

现在，检查你是否可以 ssh 登录到本机而无需密码：

$ ssh localhost

如果无法免密登录，请执行如下命令：

$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ chmod 0600 ~/.ssh/authorized_keys

执行

执行后续命令以本地运行一个 MapReduce 作业。如果你想在 Yarn 上执行一个作业，请参阅单机运行 Yarn。

1. 格式化文件系统：

   $ bin/hdfs namenode -format

2. 启动 NameNode 守护进程和 DataNode 守护进程：

   $ sbin/start-dfs.sh

   Hadoop 守护进程的日志输出目录是 $HADOOP_LOG_DIR，其默认值是 $HADOOP_HOME/logs。

3. 浏览 NameNode 的网页，地址默认是：

   • NameNode - http://localhost:9870/

4. 创建运行 MapReduce 作业必需的 HDFS 目录：

   $ bin/hdfs dfs -mkdir /user
   $ bin/hdfs dfs -mkdir /user/<username>

5. 复制输入文件到分布式文件系统中：

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

6. 运行提供的示例程序：

   $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.1.jar grep input output 'dfs[a-z.]+'

7. 从分布式文件系统中复制文件到本地文件系统，验证输出的结果：

   $ bin/hdfs dfs -get output output
   $ cat output/*

   或者直接查看分布式文件系统的输出文件：

   $ bin/hdfs dfs -cat output/*

8. 完成以上步骤后，执行一下命令来停止所有的守护进程：

   $ sbin/stop-dfs.sh

单机运行 Yarn

在伪分布式模式中，只需设定很少的参数，你就可以用 Yarn 运行一个 MapReduce 作业，并激活 ResourceManager 守护进程和 NodeManager 守护进程。

后续指令假定上述指令的第 1 ~ 4 步已被执行：

1. 如下配置参数：

   etc/hadoop/mapred-site.xml

   <configuration>
       <property>
           <name>mapreduce.framework.name</name>
           <value>yarn</value>
       </property>
   </configuration>
   
   <configuration>
       <property>
           <name>mapreduce.application.classpath</name>
           <value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value>
       </property>
   </configuration>

   etc/hadoop/yarn-site.xml

   <configuration>
       <property>
           <name>yarn.nodemanager.aux-services</name>
           <value>mapreduce_shuffle</value>
       </property>
       <property>
           <name>yarn.nodemanager.env-whitelist</name>
           <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
       </property>
   </configuration>

2. 启动 ResourceManager 守护进程和 NodeManager 守护进程：

   $ sbin/start-yarn.sh

3. 浏览 ResourceManager 的网页，地址默认是：

   • ResourceManager - http://localhost:8088/

4. 运行一个 MapReduce 作业。

5. 完成以上步骤后，执行一下命令来停止所有的守护进程：

   $ sbin/stop-yarn.sh

完全分布式模式

如果想要安装完全分布式的、非试验性的集群，请参阅文档集群安装。