Hadoop初體驗：快速搭建Hadoop偽分布式環境

0.前言

    本文旨在使用一個全新安裝好的Linux系統從0開始進行Hadoop偽分布式環境的搭建，以達到快速搭建的目的，從而體驗Hadoop的魅力所在，為后面的繼續學習提供基礎環境。

    對使用的系統環境作如下說明：

• 操作系統：CentOS 6.5 64位

• 主機IP地址：10.0.0.131/24

• 主機名：leaf

• 用戶名：root

• hadoop版本：2.6.5

• jdk版本：1.7
  

    可以看到，這里直接使用root用戶，而不是按照大多數的教程創建一個hadoop用戶來進行操作，就是為了達到快速搭建Hadoop環境以進行體驗的目的。

    為了保證后面的操作能夠正常完成，請先確認本機是否可以解析到主機名leaf，如果不能，請手動添加解析到/etc/hosts目錄中：

[root@leaf ~]# echo "127.0.0.1  leaf" >> /etc/hosts
[root@leaf ~]# ping leaf
PING leaf (127.0.0.1) 56(84) bytes of data.
64 bytes from localhost (127.0.0.1): icmp_seq=1 ttl=64 time=0.043 ms
64 bytes from localhost (127.0.0.1): icmp_seq=2 ttl=64 time=0.048 ms
64 bytes from localhost (127.0.0.1): icmp_seq=3 ttl=64 time=0.046 ms

1.rsync軟件安裝

    使用下面命令安裝：

[root@leaf ~]# yum install -y rsync

2.ssh安裝與免密碼登陸配置

（1）ssh安裝

    使用下面命令安裝

[root@leaf ~]# yum install -y openssh-server openssh-clients

（2）ssh免密碼登陸配置

    因為Hadoop使用ssh協議來管理遠程守護進程，所以需要配置免密碼登陸。

• 關閉防火墻和selinux
  

    為了確保能夠成功配置，在配置前，先把防火墻和selinux關閉：

# 關閉防火墻
[root@leaf ~]# /etc/init.d/iptables stop
[root@leaf ~]# chkconfig --level 3 iptables off

# 關閉selinux
[root@leaf ~]# setenforce 0
[root@leaf ~]# sed -i s/SELINUX=enforcing/SELINUX=disabled/g /etc/selinux/config 
[root@leaf ~]# cat /etc/selinux/config | grep disabled
#     disabled - No SELinux policy is loaded.
SELINUX=disabled

• 生成密鑰對

[root@leaf ~]# mkdir .ssh
[root@leaf ~]# ssh-keygen -t dsa -P '' -f .ssh/id_dsa
Generating public/private dsa key pair.
Your identification has been saved in .ssh/id_dsa.
Your public key has been saved in .ssh/id_dsa.pub.
The key fingerprint is:
5b:af:7c:45:f3:ff:dc:50:f5:81:4b:1e:5c:c1:86:90 root@leaf
The key's randomart p_w_picpath is:
+--[ DSA 1024]----+
|           .o oo.|
|           E..oo |
|             =...|
|            o = +|
|        S .  + oo|
|         o .  ...|
|        .   ... .|
|         . ..  oo|
|          o.    =|
+-----------------+

• 將公鑰添加到本地信任列表

[root@leaf ~]# cat .ssh/id_dsa.pub >> .ssh/authorized_keys

• 驗證
  

    上面三步完成后就完成了免密碼登陸的配置，可以使用下面的命令進行驗證：

[root@leaf ~]# ssh localhost
The authenticity of host 'localhost (::1)' can't be established.
RSA key fingerprint is d1:0d:ed:eb:e7:d1:2f:02:23:70:ef:11:14:4e:fa:42.
Are you sure you want to continue connecting (yes/no)? yes
Warning: Permanently added 'localhost' (RSA) to the list of known hosts.
Last login: Wed Aug 30 04:28:01 2017 from 10.0.0.1
[root@leaf ~]#

    在第一次登陸的時候需要輸入yes，之后再登陸時就可以直接登陸了：

[root@leaf ~]# ssh localhost
Last login: Wed Aug 30 04:44:02 2017 from localhost
[root@leaf ~]#

3.jdk安裝與配置

（1）jdk下載

    這里使用的是jdk1.7版本，可以到下面的網站進行下載：

http://www.oracle.com/technetwork/java/javase/downloads/java-archive-downloads-javase7-521261.html

    下載完成后，可以使用winscp上傳到/root目錄下，如下：

[root@leaf ~]# ls -lh jdk-7u80-linux-x64.tar.gz 
-rw-r--r--. 1 root root 147M Aug 29 12:05 jdk-7u80-linux-x64.tar.gz

（2）jdk安裝

    將jdk解壓到/usr/local目錄下，并創建軟鏈接：

[root@leaf ~]# cp jdk-7u80-linux-x64.tar.gz /usr/local/
[root@leaf ~]# cd /usr/local/
[root@leaf local]# tar -zxf jdk-7u80-linux-x64.tar.gz 
[root@leaf local]# ls -ld jdk1.7.0_80/
drwxr-xr-x. 8 uucp 143 4096 Apr 11  2015 jdk1.7.0_80/
[root@leaf local]# ln -s jdk1.7.0_80/ jdk
[root@leaf local]# ls -ld jdk
lrwxrwxrwx. 1 root root 12 Aug 30 04:56 jdk -> jdk1.7.0_80/

（3）JAVA_HOME環境變量配置

    java命令在/usr/local/jdk/bin目錄下：

[root@leaf local]# cd jdk/bin/
[root@leaf bin]# ls -lh java
-rwxr-xr-x. 1 uucp 143 7.6K Apr 11  2015 java

    配置java環境變量：

[root@leaf bin]# echo 'export JAVA_HOME=/usr/local/jdk/bin' >> /etc/profile
[root@leaf bin]# echo 'export PATH=$PATH:$JAVA_HOME' >> /etc/profile
[root@leaf bin]# source /etc/profile

    這樣我們就可以在任何一個目錄下使用java相關的命令：

[root@leaf ~]# java -version
java version "1.7.0_80"
Java(TM) SE Runtime Environment (build 1.7.0_80-b15)
Java HotSpot(TM) 64-Bit Server VM (build 24.80-b11, mixed mode)
[root@leaf ~]# javac -version
javac 1.7.0_80

4.hadoop安裝與配置

（1）hadoop下載

    這里使用hadoop 2.6.5版本，可以到下面的網站進行下載：

http://hadoop.apache.org/releases.html

    選擇2.6.5的binary進入相應的頁面便可以下載，然后使用winscp上傳到/root目錄下，如下：

[root@leaf ~]# ls -lh hadoop-2.6.5.tar.gz 
-rw-r--r--. 1 root root 191M Aug 29 19:09 hadoop-2.6.5.tar.gz

（2）hadoop安裝

    將hadoop解壓到/usr/local目錄下，并創建軟鏈接：

[root@leaf ~]# cp hadoop-2.6.5.tar.gz /usr/local
[root@leaf ~]# cd /usr/local
[root@leaf local]# tar -zxf hadoop-2.6.5.tar.gz 
[root@leaf local]# ls -ld hadoop-2.6.5
drwxrwxr-x. 9 1000 1000 4096 Oct  3  2016 hadoop-2.6.5
[root@leaf local]# ln -s hadoop-2.6.5 hadoop
[root@leaf local]# ls -ld hadoop
lrwxrwxrwx. 1 root root 12 Aug 30 05:05 hadoop -> hadoop-2.6.5

（3）hadoop環境變量配置

    hadoop相關命令在/usr/local/hadoop/bin和/usr/local/hadoop/sbin目錄下，如下所示：

[root@leaf local]# cd hadoop/bin/
[root@leaf bin]# ls -lh hadoop
-rwxr-xr-x. 1 1000 1000 5.4K Oct  3  2016 hadoop

    配置hadoop環境變量：

[root@leaf bin]# echo 'export HADOOP_HOME=/usr/local/hadoop/bin:/usr/local/hadoop/sbin' >> /etc/profile
[root@leaf bin]# echo 'export PATH=$PATH:$HADOOP_HOME' >> /etc/profile

    這樣我們就可以在任何一個目錄下使用hadoop相關的命令：

[root@leaf ~]# hadoop
Usage: hadoop [--config confdir] COMMAND
       where COMMAND is one of:
  fs                   run a generic filesystem user client
  version              print the version
  jar <jar>            run a jar file
  checknative [-a|-h]  check native hadoop and compression libraries availability
  distcp <srcurl> <desturl> copy file or directories recursively
  archive -archiveName NAME -p <parent path> <src>* <dest> create a hadoop archive
  classpath            prints the class path needed to get the
  credential           interact with credential providers
                       Hadoop jar and the required libraries
  daemonlog            get/set the log level for each daemon
  trace                view and modify Hadoop tracing settings
 or
  CLASSNAME            run the class named CLASSNAME

Most commands print help when invoked w/o parameters.

（4）hadoop配置

    hadoop的配置文件在/usr/local/hadoop/etc/hadoop目錄下：

[root@leaf ~]# cd /usr/local/hadoop/etc/hadoop/
[root@leaf hadoop]# ls
capacity-scheduler.xml      hadoop-policy.xml        kms-log4j.properties        ssl-client.xml.example
configuration.xsl           hdfs-site.xml            kms-site.xml                ssl-server.xml.example
container-executor.cfg      httpfs-env.sh            log4j.properties            yarn-env.cmd
core-site.xml               httpfs-log4j.properties  mapred-env.cmd              yarn-env.sh
hadoop-env.cmd              httpfs-signature.secret  mapred-env.sh               yarn-site.xml
hadoop-env.sh               httpfs-site.xml          mapred-queues.xml.template
hadoop-metrics2.properties  kms-acls.xml             mapred-site.xml.template
hadoop-metrics.properties   kms-env.sh               slaves

• 配置core-site.xml
  

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

    fs.default.name這個字段下的值用于指定NameNode（HDFS的Master）的IP地址和端口號，如下面的value值hdfs://localhost:9000，就表示HDFS NameNode的IP地址或主機為localhost，端口號為9000.

• 配置hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.name.dir</name>
        <value>/root/hdfs-filesystem/name</value>
    </property>
    <property>
        <name>dfs.data.dir</name>
        <value>/root/hdfs-filesystem/data</value>
    </property>
</configuration>

    dfs.replication用于指定HDFS中每個Block塊被復制的次數，起到數據冗余備份的作用；dfs.name.dir用于配置HDFS的NameNode的元數據，以逗號隔開，HDFS會把元數據冗余復制到這些目錄下；dfs.data.dir用于配置HDFS的DataNode的數據目錄，以逗號隔開，HDFS會把數據存在這些目錄下。

• 配置mapred-site.xml

<configuration>
    <property>
        <name>mapred.job.tracker</name>
        <value>localhost:9001</value>
    </property>
</configuration>

    mapred.job.tracker字段用于指定MapReduce Jobtracker的IP地址及端口號，如這里IP地址或主機為localhost，9001是MapReduce Jobtracker RPC的交互端口。

• 配置hadoop-env.sh

export JAVA_HOME=/usr/local/jdk

5.hadoop啟動與測試

（1）格式化HDFS分布式文件系統

    執行如下命令：

[root@leaf ~]# hadoop namenode -format
...
17/08/30 08:41:29 INFO namenode.NNStorageRetentionManager: Going to retain 1 p_w_picpaths with txid >= 0
17/08/30 08:41:29 INFO util.ExitUtil: Exiting with status 0
17/08/30 08:41:29 INFO namenode.NameNode: SHUTDOWN_MSG: 
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at leaf/127.0.0.1
************************************************************/

    注意看輸出顯示是不是跟上面的類似，如果是，則說明操作成功。

（2）啟動hadoop服務

    執行如下命令：

[root@leaf ~]# start-all.sh 
This script is Deprecated. Instead use start-dfs.sh and start-yarn.sh
17/08/30 08:53:22 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Starting namenodes on [localhost]
localhost: starting namenode, logging to /usr/local/hadoop-2.6.5/logs/hadoop-root-namenode-leaf.out
localhost: starting datanode, logging to /usr/local/hadoop-2.6.5/logs/hadoop-root-datanode-leaf.out
Starting secondary namenodes [0.0.0.0]
0.0.0.0: starting secondarynamenode, logging to /usr/local/hadoop-2.6.5/logs/hadoop-root-secondarynamenode-leaf.out
17/08/30 08:53:48 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
starting yarn daemons
starting resourcemanager, logging to /usr/local/hadoop-2.6.5/logs/yarn-root-resourcemanager-leaf.out
localhost: starting nodemanager, logging to /usr/local/hadoop-2.6.5/logs/yarn-root-nodemanager-leaf.out

（3）hadoop服務測試

    啟動完成后，執行jps命令，可以看到hadoop運行的守護進程，如下：

[root@leaf ~]# jps
4167 SecondaryNameNode
4708 Jps
3907 NameNode
4394 NodeManager
4306 ResourceManager
3993 DataNode

    也可以通過在瀏覽器中輸入地址來訪問相關頁面，這里訪問NameNode的頁面，地址為http://10.0.0.131:50070，如下：

    訪問DataNode的頁面，地址為http://10.0.0.131:50075，如下

6.參考資料

《Hadoop核心技術》

不過需要注意的是，書上版本用的是1.x，這里用的是2.x版本。