CentOS5.4 搭建Hadoop2.5.2伪分布式环境

简介：

  Hadoop是处理大数据的主要工具，其核心部分是HDFS、MapReduce。为了学习的方便，我在虚拟机上搭建了一个伪分布式环境，来进行开发学习。

一、安装前准备：

1）linux服务器：Vmware 上CentOS6.4 mini安装

2) JDK：jdk-7u65-linux-x64.gz

3) SSH:ssh client

4) YUM源配置妥当:yum list查看

5）Hadoop：hadoop-2.5.2.tar.gz

下载地址：http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.5.2/hadoop-2.5.2.tar.gz 

 

二、环境配置

1）linux环境基本设置：

 

vi /etc/sysconfig/network

编辑HOSTNAME=Master

 

vi /etc/hosts

#添加

本机IP地址   Master

 

#关闭防火墙iptables，并设置为开机不启动

service iptables stop

chkconfig iptables off

 

2)JDK的安装配置

#将jdk解压到指定目录/opt/java

mkdir /opt/java

tar -zxvf jdk-7u65-linux-x64.gz -C /opt/java

 

#配置环境变量

vi /etc/profile

#在文件最后添加以下内容

export JAVA_HOME=/opt/java/jdk1.7.0_65

export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

export PATH=$PATH:$JAVA_HOME/bin

#保存退出，立即生效该配置文件

source /etc/profile

#查看java是否配置好

java -version

重启系统，接下来是配置ssh无密码登陆。配置这个的理由是在启动hadoop可以不用输入密码。

3)配置SSH无密码登录

vi /etc/ssh/sshd_config

#以下4行的注释需要打开

HostKey /etc/ssh/ssh_host_rsa_key

RSAAuthentication yes

PubkeyAuthentication yes

AuthorizedKeysFile      .ssh/authorized_keys

 

#保存，并重启sshd

 

service sshd restart

 

#生成免登陆秘钥

ssh-keygen -t rsa

#一路回车就行。之后会在当前登陆用户主目录中的.ssh文件夹里生成2个文件。

#进入.ssh目录。

cat id_rsa.pub >> authorized_keys

 

#现在可以用ssh无密码登陆系统了。

ssh localhost

 

PS：如果提示出错，则是没有安装SSH客户端导致的

yum list|grep ssh

#找到ssh客户端

yum install -y ssh客户端名称

 

三、Hadoop安装与配置

1）上传

通过ftp将下载的hadoop安装包（hadoop-2.5.2.tar.gz）上传到/tmp目录下

2）解压

将hadoop安装包解压到指定目录下

mkdir /opt/hadoop

tar -zxvf hadoop-2.5.2.tar.gz -C /opt/hadoop

3)  配置环境变量

vi /etc/profile

#在文件最后添加以下内容

export HADOOP_HOME=/usr/hadoop-2.5.2
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_YARN_HOME=$HADOOP_HOME
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS=-Djava.library.path=$HADOOP_HOME/lib

#保存，并执行source /etc/profile

#cd $HADOOP_HOME，看能否进入hadoop的home目录

 

4）配置Hadoop

#Hadoop配置文件放在：$HADOOP_HOME/etc/hadoop

#Hadoop主要配置五个文件：hadoop_env.sh，core_site.sh，hdfs_site.xml，mapred-site.xml，yarn-site.xml

 

#创建hadoop的name与data目录

mkdir -p /usr/hdfs/name

mkdir -p /usr/hdfs/data

mkdir -p /usr/tmp

 

#hadoop_env.sh

vi hadoop_env.sh

#配置export JAVA_HOME的目录

 

#core_site.sh

vi core_site.sh

#在configuration节点里面加入以下配置，Master也为为本地ip地址

<property>

      <name>hadoop.tmp.dir</name>

      <value>/usr/tmp</value>

      <description>A base for other temporary directories.</description>

  </property>

<!--file system properties-->

  <property>

      <name>fs.defaultFS</name>

      <value>Master:9000</value>

  </property>

 

#hdfs_site.xml

vi hdfs_site.xml

#同样在configuration节点里面加入以下配置，配置分片数和namenode和datanode的目录

    <property>

        <name>dfs.replication</name>

        <value>1</value>

    </property>

    <property>

        <name>dfs.namenode.name.dir</name>

        <value>/usr/hdfs/name</value>

    </property>

    <property>

        <name>dfs.datanode.data.dir</name>

        <value>/usr/hdfs/data</value>

    </property>

 

#mapred-site.xml

#从模板复制一份mapred-site.xml

cp mapred-site.xml.template mapred-site.xml

vi mapred-site.xml

#同样在configuration节点里面加入以下配置,因为从0.23.0版本开始，就用新的mapreduce框架YARN来代替旧的框架了，所以，这里要配置成yarn

<property>

  <name>mapreduce.framework.name</name>

  <value>yarn</value>

</property>

 

#yarn-site.xml

vi yarn-site.xml

#同样在configuration节点里面加入以下配置,注意使用Master或者本机的ip地址

<property>

    <name>yarn.nodemanager.aux-services</name>

    <value>mapreduce_shuffle</value>

  </property>

  <property>

    <description>The address of the applications manager interface in the RM.</description>

    <name>yarn.resourcemanager.address</name>

    <value>Master:18040</value>

  </property>

  <property>

    <description>The address of the scheduler interface.</description>

    <name>yarn.resourcemanager.scheduler.address</name>

    <value>Master:18030</value>

  </property>

  <property>

    <description>The address of the RM web application.</description>

    <name>yarn.resourcemanager.webapp.address</name>

    <value>Master:18088</value>

  </property>

  <property>

    <description>The address of the resource tracker interface.</description>

    <name>yarn.resourcemanager.resource-tracker.address</name>

    <value>Master:8025</value>

  </property>

 至此，就将Hadoop的基本环境配置好了，现在可以开始我们的Hadoop之旅了！

 

四、Hadoop启动

1）HDFS格式化

#在启动Hadoop之前，我们需要先将HDFS的namenode格式化

输入命令：hadoop namenode -format

 

2）启动Hadoop，这几个sh文件在$HADOOP_HOME/sbin

启动命令：

start-dfs.sh

start-yarn.sh

 

停止命令：

stop-dfs.sh

stop-yarn.sh

 

3) 查看启动状况

#我们通过java自带的命令来查看

jps

#我们可以看到6个进程

9293 Jps

5762 ResourceManager

4652 NameNode

5850 NodeManager

4907 SecondaryNameNode

4733 DataNode

至此，我们就将Hadoop启动起来了！

我们可以通过浏览器来查看，打开浏览器输入  http://Master的IP:50070  与  http://Master的IP:8088  验证安装。

 

五、测试Hadoop

#通过运行hadoop自带的wordcount来验证安装是否正确。

#进入hadoop安装的目录，输入以下命令。

mkdir example

cd example

 

#编辑file1.txt与file2.txt

vi file1.txt

hellozhmsdd

hello hadoop

hello cz

vi file2.txt

hadoop is ok

hadoop is newbee

hadoop 2.5.2

#拷贝fiel1和file2到输入目录：data目录下

cd ..

hadoop fs -mkdir /data

hadoop fs -put -f example/file1.txt example/file2.txt /data

#进入HADOOP_HOME目录，运行wordcount例子

hadoop jar ./share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.5.2-sources.jar org.apache.hadoop.examples.WordCount /data /output

#查看运行结果

hadoop fs -cat /output/part-r-00000

#结果如下：

2.5.2   1

cz      1

hadoop  4

hello   3

is      2

newbee  1

ok      1

zhm     1

到这里，环境就已经配置好了，下面就是搞使用Maven开发Hadoop项目了。