1、基础环境配置

主机名 IP地址 角色 Hadoop用户
centos05 192.168.48.105

NameNode、ResourceManager、SecondaryNameNode、

DataNode、NodeManager

hadoop

1.1、关闭防火墙和SELinux

1.1.1、关闭防火墙

    略

1.1.2、关闭SELinux

    略

    注:以上操作需要使用root用户

1.2、hosts配置

  

 | [root@centos05 ~]#  vim/etc/hosts
| ##hadoop host####
| 192.168.48.105 centos05

  

 | [root@centos05 ~]#  vim /etc/sysconfig//network

3 | HOSTNAME=centos05

  注:以上操作需要使用root用户,通过ping 主机名可以返回对应的IP即可

1.3、创建主机账号及配置无密码访问

  

新建用户,建议用adduser命令
sudo adduser hadoop
passwd hadoop 输入密码后一直按回车即可,最后输入y确定。
在创建hadoop用户的同时也创建了hadoop用户组,下面我们把hadoop用户加入到hadoop用户组
输入
sudo usermod -a -G hadoop hadoop 前面一个hadoop是组名,后面一个hadoop是用户名。完成后输入一下命令查询结果。
cat /etc/group 然后再把hadoop用户赋予root权限,让他可以使用sudo命令
切换到可以root的用户输入
sudo gedit /etc/sudoers
sudo vi /etc/sudoers
在图形界面可以用第一个命令,是ubuntu自带的一个文字编辑器,终端命令界面使用第二个命令。有关vi编辑器的使用自行百度。 修改文件如下:
# User privilege specification
root ALL=(ALL) ALL
hadoop ALL=(ALL) ALL
保存退出,hadoop用户就拥有了root权限
生成私钥和公钥
ssh-keygen -t rsa
拷贝公钥到主机(需要输入密码)
ssh-copy-id hadoop@hadoop
注:以上操作需要在hadoop用户,通过hadoop用户ssh到本机主机不需要密码即可

1.4、Java环境配置

1.4.1、下载JDK

  略

1.4.2、安装java

  略

2、安装hadoop

2.1、下载安装CDH版本的hadoop

  下载链接:http://archive-primary.cloudera.com/cdh5/cdh/5/

2.2、安装配置hadoop

  hadoop的安装配置使用hadoop用户操作;

  • 创建目录,用于存放hadoop数据;
[hadoop@centos05 ~]$ mkdir -p /home/hadoop/app/hadoop/hdfs/{name,data}

2.2.1、配置core-site.xml

[hadoop@centos05 ~]$vim  /opt/hadoop/hadoop-2.6./etc/hadoop/core-site.xml

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/opt/hadoop/tmp</value>
</property>
</configuration>

2.2.2、配置hdfs-site.xml

[hadoop@centos05 hadoop]$ vim /opt/hadoop/hadoop-2.6./etc/hadoop/hdfs-site.xml

<configuration>
<property>
<name>dfs.replication</name>
<value></value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/hadoop/hdfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/opt/hadoop/hdfs/data</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>

2.2.3、配置mapred-site.xml

[hadoop@centos05 hadoop]$cd /opt/hadoop/hadoop-2.6./etc/hadoop

[hadoop@centos05 hadoop]$cp mapred-site.xml.template mapred-site.xml

[hadoop@centos05 hadoop]$vim /opt/hadoop/hadoop-2.6./etc/hadoop/mapred-site.xml

<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>

2.2.4、配置yarn-site.xml

[hadoop@centos05 hadoop]$  vim /opt/hadoop/hadoop-2.6./etc/hadoop/yarn-site.xml

<configuration>
<!-- Site specific YARN configuration properties -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>

2.2.5、配置slaves

[hadoop@centos05 hadoop]$ vim /opt/hadoop/hadoop-2.6./etc/hadoop/slaves

centos05

2.2.6、配置hadoop-env

  修改hadoop-env.sh文件的JAVA_HOME环境变量,操作如下:  

[hadoop@centos05 hadoop]$ vim /opt/hadoop/hadoop-2.6./etc/hadoop/hadoop-env.sh

export JAVA_HOME=/opt/java/jdk1..0_191

2.2.7、配置yarn-env

  修改yarn-env.sh文件的JAVA_HOME环境变量,操作如下:

[hadoop@centos05 hadoop]$ vim /opt/hadoop/hadoop-2.6./etc/hadoop/hadoop-env.sh

export JAVA_HOME=/opt/java/jdk1..0_191

2.2.8、配置mapred-env

  修改mapred-env.sh文件的JAVA_HOME环境变量,操作如下:

[hadoop@centos05 hadoop]$ vim /opt/hadoop/hadoop-2.6./etc/hadoop/hadoop-env.sh

export JAVA_HOME=/opt/java/jdk1..0_191

2.2.9、配置HADOOP_PREFIX

  配置HADOOP主机用户环境变量:

[hadoop@centos05 ~]$ vim .bash_profile

####HADOOP_PREFIX####
export HADOOP_PREFIX=/opt/hadoop/hadoop-2.6.
export PATH=$PATH:$HADOOP_PREFIX/bin:$HADOOP_PREFIX/sbin

  启用环境变量

[hadoop@centos05 ~]$ source .bash_profile 

  注:通过echo $HADOOP_PREFIX命令返回hadoop的安装目录

3、启动hadoop伪分布式

3.1、启动hdfs和yarn

  • 格式化hdfs

    [hadoop@centos05 ~]$  hdfs namenode -format
  • 启动dfs

  • 启动yarn

    [hadoop@centos05 ~]$  start-dfs.sh
    
    [hadoop@centos05 ~]$  start-yarn.sh

      

  • 查看启动的进程

    [hadoop@centos05 ~]$ jps
    DataNode
    ResourceManager
    SecondaryNameNode
    Jps
    NodeManager
    NameNode

    注:关闭dfs命令为:stop-dfs.sh     stop-yarn.sh

3.3、启动集群

  hdfs和yarn的启动可以使用一条命令执行:  

启动:start-all.sh
关闭: stop-all.sh
  • 启动后的所有进程:  

[hadoop@centos05 ~]$ start-all.sh
This script is Deprecated. Instead use start-dfs.sh and start-yarn.sh
Starting namenodes on [centos05]
centos05: starting namenode, logging to /opt/hadoop/hadoop-2.6./logs/hadoop-hadoop-namenode-centos05.out
centos05: starting datanode, logging to /opt/hadoop/hadoop-2.6./logs/hadoop-hadoop-datanode-centos05.out
Starting secondary namenodes [0.0.0.0]
0.0.0.0: starting secondarynamenode, logging to
      /opt/hadoop/hadoop-2.6./logs/hadoop-hadoop-secondarynamenode-centos05.out
starting yarn daemons
starting resourcemanager, logging to /opt/hadoop/hadoop-2.6./logs/yarn-hadoop-resourcemanager-centos05.out
centos05: starting nodemanager, logging to /opt/hadoop/hadoop-2.6./logs/yarn-hadoop-nodemanager-centos05.out
[hadoop@centos05 ~]$

 

  • 启动后的所有进程:

[hadoop@centos05 ~]$ jps
NodeManager
Jps
NameNode
ResourceManager
SecondaryNameNode
DataNode

4、hdfs的shell操作和Wordcount演示

4.1、简单的hdfs shell操作

  • 创建目录

    [hadoop@centos05 ~]$ hadoop fs -mkdir /input_test
    $ hadoop fs -mkdir /output_test
  • 查看目录

    [hadoop@centos05 ~]$ hadoop fs -ls /
    Found items
    drwxr-xr-x - hadoop supergroup -- : /input_test
    drwxr-xr-x - hadoop supergroup -- : /output_test
    drwx------ - hadoop supergroup -- : /tmp
  • 上传文件

    [hadoop@centos05 /]$ hadoop fs -put  /opt/hadoop/hadoop-2.6./share/doc/index.html  /input_test
  • 查看上传文件
  • [hadoop@centos05 /]$ hadoop fs -ls    /input_test/index.html
    -rw-r--r-- hadoop supergroup -- : /input_test/index.html

      

  • 查看文本文件内容

    [hadoop@centos05 /]$ hadoop fs -cat    /input_test/index.html

4.2、Wordcount

  将HDFS上/input_text/index.html 使用hadoop内置Wordcount的jar包统计文档的Wordcount

  • 启动测试

    [hadoop@centos05 /]$ hadoop jar /opt/hadoop/hadoop-2.6./share/hadoop/mapreduce/
    hadoop-mapreduce-examples-2.6.-cdh5.15.1.jar wordcount
       /input_test/index.html /output_test/runcount
    // :: INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:
    // :: INFO input.FileInputFormat: Total input paths to process :
    // :: INFO mapreduce.JobSubmitter: number of splits:
    // :: INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1543369969234_0002
    // :: INFO impl.YarnClientImpl: Submitted application application_1543369969234_0002
    // :: INFO mapreduce.Job: The url to track the job:
    http://centos05:/proxy/application_1543369969234_0002/
    // :: INFO mapreduce.Job: Running job: job_1543369969234_0002
    // :: INFO mapreduce.Job: Job job_1543369969234_0002 running in uber mode : false
    // :: INFO mapreduce.Job: map % reduce %
    // :: INFO mapreduce.Job: map % reduce %
    // :: INFO mapreduce.Job: map % reduce %
    // :: INFO mapreduce.Job: Job job_1543369969234_0002 completed successfully
    // :: INFO mapreduce.Job: Counters:
    File System Counters
    FILE: Number of bytes read=
    FILE: Number of bytes written=
    FILE: Number of read operations=
    FILE: Number of large read operations=
    FILE: Number of write operations=
    HDFS: Number of bytes read=
    HDFS: Number of bytes written=
    HDFS: Number of read operations=
    HDFS: Number of large read operations=
    HDFS: Number of write operations=
    Job Counters
    Launched map tasks=
    Launched reduce tasks=
    Data-local map tasks=
    Total time spent by all maps in occupied slots (ms)=
    Total time spent by all reduces in occupied slots (ms)=
    Total time spent by all map tasks (ms)=
    Total time spent by all reduce tasks (ms)=
    Total vcore-milliseconds taken by all map tasks=
    Total vcore-milliseconds taken by all reduce tasks=
    Total megabyte-milliseconds taken by all map tasks=
    Total megabyte-milliseconds taken by all reduce tasks=
    Map-Reduce Framework
    Map input records=
    Map output records=
    Map output bytes=
    Map output materialized bytes=
    Input split bytes=
    Combine input records=
    Combine output records=
    Reduce input groups=
    Reduce shuffle bytes=
    Reduce input records=
    Reduce output records=
    Spilled Records=
    Shuffled Maps =
    Failed Shuffles=
    Merged Map outputs=
    GC time elapsed (ms)=
    CPU time spent (ms)=
    Physical memory (bytes) snapshot=
    Virtual memory (bytes) snapshot=
    Total committed heap usage (bytes)=
    Shuffle Errors
    BAD_ID=
    CONNECTION=
    IO_ERROR=
    WRONG_LENGTH=
    WRONG_MAP=
    WRONG_REDUCE=
    File Input Format Counters
    Bytes Read=
    File Output Format Counters
    Bytes Written=
    [hadoop@centos05 /]$
  • 查看结果
    [hadoop@centos05 /]$ hadoop fs -ls /output_test/runcount/
    
    Found  items
    -rw-r--r-- hadoop supergroup -- : /output_test/runcount/_SUCCESS
    -rw-r--r-- hadoop supergroup -- : /output_test/runcount/part-r- [hadoop@centos05 /]$ hadoop fs -cat /output_test/runcount/part-r-
    --
    <!--
    <!DOCTYPE
    </a>
    </body>
    </div>
    </head>
    </html>
    </li>
    </style>
    </ul>
    <a
    <body
    <div
    ......略

5、遇到的问题

5.1、WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable

解决:导致该问题的改版本是因为${HADOOP_PREFIX}/lib/native目录没有lib库,解决办法是到hadoop官网下载2.6的包,把lib/native目录下的数据拷贝过去。

5.2、openssl: false Cannot load libcrypto.so (libcrypto.so: 无法打开共享对象文件: 没有那个文件或目录)!

解决:/usr/lib64/目录下做一个libcrypto.so软连

cd /usr/lib64/
ln -s /usr/lib64/libcrypto.so.1.0.1e libcrypto.so
  • 使用命令export HADOOP_ROOT_LOGGER=DEBUG,console可以在终端上看到更详细的日志信息方便排查问题;
  • 以上两个问题可以使用命令检查是否为true:hadoop checknative

注:${HADOOP_PREFIX}表示hadoop的安装目录,或者说是${HADOOP_HOME}

6、参考资料

http://archive.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.7.5/hadoop-project-dist/hadoop-common/SingleCluster.html

CDH版本hadoop2.6伪分布式安装的更多相关文章

  1. Hadoop单机和伪分布式安装

    本教程为单机版+伪分布式的Hadoop,安装过程写的有些简单,只作为笔记方便自己研究Hadoop用. 环境 操作系统 Centos 6.5_64bit   本机名称 hadoop001   本机IP ...

  2. 一.Kylin的伪分布式安装

    一.伪分布式安装kylin 2018年4月15日 15:06 安装需要的环境 1. hadoop集群环境:由于安装的是CDH5.14.0的版本,所以相关组件都是跟5.14.0相关 2. spark采用 ...

  3. Hadoop大数据初入门----haddop伪分布式安装

    一.hadoop解决了什么问题 hdfs 解决了海量数据的分布式存储,高可靠,易扩展,高吞吐量mapreduce 解决了海量数据的分析处理,通用性强,易开发,健壮性 yarn 解决了资源管理调度 二. ...

  4. HBase伪分布式安装(HDFS)+ZooKeeper安装+HBase数据操作+HBase架构体系

    HBase1.2.2伪分布式安装(HDFS)+ZooKeeper-3.4.8安装配置+HBase表和数据操作+HBase的架构体系+单例安装,记录了在Ubuntu下对HBase1.2.2的实践操作,H ...

  5. 【Hadoop】伪分布式安装

    创建hadoop用户 创建用户命令: sudo useradd -m hadoop -s /bin/bash 创建好后需要更改hadoop用户的密码,命令如下: sudo passwd hadoop ...

  6. HBase基础和伪分布式安装配置

    一.HBase(NoSQL)的数据模型 1.1 表(table),是存储管理数据的. 1.2 行键(row key),类似于MySQL中的主键,行键是HBase表天然自带的,创建表时不需要指定 1.3 ...

  7. Zookeeper 初体验之——伪分布式安装(转)

    原文地址: http://blog.csdn.net/salonzhou/article/details/47401069 简介 Apache Zookeeper 是由 Apache Hadoop 的 ...

  8. hadoop2.6完全分布式安装HBase1.1

    本文出自:http://wuyudong.com/archives/119 对于全分布式的HBase安装,需要通过hbase-site.xml文档来配置本机的HBase特性,由于各个HBase之间通过 ...

  9. ZooKeeper:win7上安装单机及伪分布式安装

    zookeeper是一个为分布式应用所设计的分布式的.开源的调度服务,它主要用来解决分布式应用中经常遇到的一些数据管理问题,简化分布式应用,协调及其管理的难度,提高性能的分布式服务. 本章的目的:如何 ...

随机推荐

  1. csu 1030: 素数槽

     素数槽 Description 处于相邻的两个素数p和p + n之间的n - 1个连续的合数所组成的序列我们将其称为长度为n的素数槽.比如,‹24, 25, 26, 27, 28›是处于素数23 ...

  2. 对VC++的OO思考

    1. MFC借助C++的优势为Windows开发开辟了一片新天地,同时也借助 ApplicationWizzard使开发者摆脱离了那些每次都必写基本代码2. 借助ClassWizard和消息映射使开发 ...

  3. h5-7 canvas

    <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/ ...

  4. [NOIP 2017] 奶酪

    [题目链接] http://uoj.ac/problem/332 [算法] 直接搜索即可 注意使用long long [代码] #include<bits/stdc++.h> using ...

  5. 修改python的pip下载源

    推荐两个源: 豆瓣:http://pypi.douban.com/simple/ 清华:https://pypi.tuna.tsinghua.edu.cn/simple 使用方法有两种,一种为临时使用 ...

  6. C# 获取操作系统相关信息

    1.获取操作系统版本(PC,PDA均支持) Environment.OSVersion 2.获取应用程序当前目录(PC支持) Environment.CurrentDirectory 3.列举本地硬盘 ...

  7. C#使用ICSharpCode.SharpZipLib.dll进行文件的压缩与解压

    using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.I ...

  8. less常用方法

    最近在开发中使用了less,总结一下less一些常用的方法: 1.可以定义变量 SASS允许使用变量,所有变量以$开头. $blue : #1875e7; div { color : $blue; } ...

  9. RAP开发入门-开发笔记-bug记录

    NamespaceException: The alias '/rwt-resources' is already in use 该bug发生的第一种情况是: This means that more ...

  10. phpExcel导出大量数据出现内存溢出错误的解决方法

    phpExcel将读取的单元格信息保存在内存中,我们可以通过 代码如下:PHPExcel_Settings::setCacheStorageMethod() 来设置不同的缓存方式,已达到降低内存消耗的 ...