搭建Hadoop偽分散式環境（筆記）
軟硬體環境
- CentOS 7.2 64 位
- OpenJDK- 1.8
- Hadoop- 2.7
關於本教程的說明
雲實驗室雲主機自動使用 root 賬戶登入系統，因此本教程中所有的操作都是以 root 使用者來執行的。若要在自己的雲主機上進行本教程的實驗，為了系統安全，建議新建一個賬戶登入後再進行後續操作。
安裝 SSH 客戶端
安裝SSH
安裝SSH：
sudo yum install openssh-clients openssh-server
安裝完成後，可以使用下面命令進行測試：
ssh localhost
輸入 root 賬戶的密碼，如果可以正常登入，則說明SSH安裝沒有問題。測試正常後使用 exit 命令退出ssh。
安裝 JAVA 環境
安裝 JDK
使用 yum 來安裝1.7版本OpenJDK：
sudo yum install java-1.8.0-openjdkjava-1.8.0-openjdk-devel
安裝完成後，輸入 java 和 javac 命令，如果能輸出對應的命令幫助，則表明jdk已正確安裝。
配置 JAVA 環境變數
執行命令:
編輯 ~/.bashrc，在結尾追加：
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk
儲存檔案後執行下面命令使 JAVA_HOME 環境變數生效:
source ~/.bashrc
為了檢測系統中 JAVA 環境是否已經正確配置並生效，可以分別執行下面命令:
java -version
$JAVA_HOME/bin/java -version
若兩條命令輸出的結果一致，且都為我們前面安裝的 openjdk-1.8.0 的版本，則表明 JDK 環境已經正確安裝並配置。
安裝 Hadoop
下載 Hadoop
本教程使用 hadoop-2.7 版本，使用 wget 工具線上下載（注：本教程是從清華大學的映象源下載，如果下載失敗或報錯，可以自己在網上找到國內其他一個映象源下載 2.7 版本的 hadoop 即可）：
wgethttps://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz
安裝 Hadoop
將Hadoop 安裝到 /usr/local 目錄下:
tar -zxf hadoop-2.7.4.tar.gz -C /usr/local
對安裝的目錄進行重新命名，便於後續操作方便:
cd /usr/local
mv ./hadoop-2.7.4/ ./hadoop
檢查Hadoop是否已經正確安裝:
/usr/local/hadoop/bin/hadoop version
如果成功輸出hadoop的版本資訊，表明hadoop已經成功安裝。
Hadoop 偽分散式環境配置
Hadoop偽分散式模式使用多個守護執行緒模擬分佈的偽分佈執行模式。
設定 Hadoop 的環境變數
編輯 ~/.bashrc，在結尾追加如下內容：
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_INSTALL=$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
exportHADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
使Hadoop環境變數配置生效:
source ~/.bashrc
修改 Hadoop 的配置檔案
Hadoop的配置檔案位於安裝目錄的 /etc/hadoop 目錄下，在本教程中即位於 /url/local/hadoop/etc/hadoop 目錄下，需要修改的配置檔案為如下兩個:
/usr/local/hadoop/etc/hadoop/core-site.xml
/usr/local/hadoop/etc/hadoop/hdfs-site.xml
編輯 core-site.xml，修改<configuration></configuration>節點的內容為如下所示：
示例程式碼：/usr/local/hadoop/etc/hadoop/core-site.xml
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>location to store temporary files</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
同理，編輯 hdfs-site.xml，修改<configuration></configuration>節點的內容為如下所示：
示例程式碼：/usr/local/hadoop/etc/hadoop/hdfs-site.xml
<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>
格式化 NameNode
格式化NameNode:
/usr/local/hadoop/bin/hdfs namenode -format
在輸出資訊中看到如下資訊，則表示格式化成功:
Storage directory /usr/local/hadoop/tmp/dfs/name has beensuccessfully formatted.
Exiting with status 0
啟動 NameNode 和 DataNode 守護程序
啟動 NameNode 和 DataNode 程序:
/usr/local/hadoop/sbin/start-dfs.sh
執行過程中會提示輸入使用者密碼，輸入 root 使用者密碼即可。另外，啟動時ssh會顯示警告提示是否繼續連線，輸入 yes 即可。
檢查 NameNode 和 DataNode 是否正常啟動:
jps
如果NameNode和DataNode已經正常啟動，會顯示NameNode、DataNode和SecondaryNameNode的程序資訊:
[[email protected]_80_152_centos ~]$ jps
3689 SecondaryNameNode
3520 DataNode
3800 Jps
3393 NameNode
執行 Hadoop 偽分散式例項
Hadoop自帶了豐富的例子，包括 wordcount、grep、sort 等。下面我們將以grep例子為教程，輸入一批檔案，從中篩選出符合正則表示式 dfs[a-z.]+ 的單詞並統計出現的次數。
檢視 Hadoop 自帶的例子
Hadoop 附帶了豐富的例子, 執行下面命令可以檢視：
cd /usr/local/hadoop
./bin/hadoop jar./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar
在 HDFS 中建立使用者目錄
在HDFS 中建立使用者目錄 hadoop：
/usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop
準備實驗資料
本教程中，我們將以 Hadoop 所有的 xml 配置檔案作為輸入資料來完成實驗。執行下面命令在 HDFS 中新建一個 input 資料夾並將 hadoop 配置檔案上傳到該資料夾下：
cd /usr/local/hadoop
./bin/hdfs dfs -mkdir /user/hadoop/input
./bin/hdfs dfs -put ./etc/hadoop/*.xml /user/hadoop/input
使用下面命令可以檢視剛剛上傳到 HDFS 的檔案:
/usr/local/hadoop/bin/hdfs dfs -ls /user/hadoop/input
執行實驗
執行實驗:
cd /usr/local/hadoop
./bin/hadoop jar./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar grep/user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'
上述命令以 HDFS 檔案系統中的 input 為輸入資料來執行 Hadoop 自帶的 grep 程式，提取其中符合正則表示式 dfs[a-z.]+ 的資料並進行次數統計，將結果輸出到 HDFS 檔案系統的 output 資料夾下。
檢視執行結果
上述例子完成後的結果儲存在 HDFS 中，通過下面命令檢視結果:
/usr/local/hadoop/bin/hdfs dfs -cat /user/hadoop/output/*
如果執行成功，可以看到如下結果:
1 dfsadmin
1 dfs.replication
1 dfs.namenode.name.dir
1 dfs.datanode.data.dir
刪除 HDFS 上的輸出結果
刪除 HDFS 中的結果目錄:
/usr/local/hadoop/bin/hdfs dfs -rm -r /user/hadoop/output
執行 Hadoop 程式時，為了防止覆蓋結果，程式指定的輸出目錄不能存在，否則會提示錯誤，因此在下次執行前需要先刪除輸出目錄。
關閉 Hadoop 程序
關閉 Hadoop 程序：
/usr/local/hadoop/sbin/stop-dfs.sh
再起啟動只需要執行下面命令：
/usr/local/hadoop/sbin/start-dfs.sh