大数据Hadoop安装、配置及使用

大数据大数据，Spark，Hadoop，python大数据Hadoop安装和配置一、Hadoop 伪分布式配置1. 创建Hadoop用户:2. 配置Java环境3. 安装Hadoop4. 伪分布式配置5. 启动 Hadoop二、Hadoop 集群配置大数据，Spark，Hadoop，python大数据Hadoop安装和配置一、Hadoop 伪分布式配置1. 创建Hadoop用户:sudo user

Acegem

1682人浏览 · 2022-02-11 20:15:00

Acegem · 2022-02-11 20:15:00 发布

大数据，Spark，Hadoop，python

大数据Hadoop安装、配置及使用

一、安装和配置

（一）、Hadoop 伪分布式配置

1. 创建Hadoop用户:

为什么要新建一个名为hadoop的用户呢？
因为为了保证 Hadoop相关文件只有hadoop用户可以访问，其他用户访问不了。而且建立一个单独的用户组，在集群的时候很容易管理
另一方面，root更不建议，为了防止高危情况不要用root用户操作。

sudo useradd -m hadoop -s /bin/bash     # 创建hadoop用户（用户名就叫 hadoop）
sudo passwd hadoop          # 修改密码。我们不妨将密码也设置成 hadoop
sudo adduser hadoop sudo    # 增加管理员权限

输入su hadoop切换hadoop用户（也可注销后切换成hadoop 用户登录）。
【注意】：下面的每一步操作都要在 "hadoop用户"下执行！！！

2. 安装启动SSH，并配置无密码登录:

切换到了上面新建的hadoop用户后，接着先更新一下 apt ：

sudo apt-get update         # 更新apt

安装SSH，并配置无密码登录:

sudo apt-get install openssh-client # 安装ssh client
sudo apt-get install openssh-server # 安装ssh server
cd ~
mkdir .ssh                  # 可能该文件已存在，不影响
cd ~/.ssh/
ssh-keygen -t rsa           # 会有提示，都按回车就可以
cat id_rsa.pub >> authorized_keys  # 加入授权

启动并登录ssh：

sudo service ssh start
此时输入ssh localhost即可登录，无需输入密码，否则安装好SSH后登录，需要输入密码hadoop

注：集群、伪分布式、单节点模式都需要用到 SSH 登陆（类似于远程登陆，你可以登录某台 Linux 主机，并且在上面运行命令），有的Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server
附：ssh相关命令

sudo service ssh start    # 启动ssh
sudo service ssh stop     # 关闭ssh
sudo service ssh restart    # 重启ssh

2. 配置Java环境

Hadoop需要java环境支持，配置JDK参考我的另一篇博文https://blog.csdn.net/Acegem/article/details/120852985?spm=1001.2014.3001.5502。

3. 安装Hadoop

可以在Hadoop官网https://dlcdn.apache.org/hadoop/common/下载，我们下载hadoop-3.1.3，下载链接为：https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/hadoop-3.1.3.tar.gz，
或国内镜像网站，如：http://mirrors.cnnic.cn/apache/hadoop/common/ 下载，
将下载的hadoop-3.1.3压缩包解压到/usr/local/目录下

sudo tar -zxvf hadoop-3.1.3.tar.gz -C /usr/local  # 解压到/usr/local中
cd /usr/local/
sudo mv ./hadoop-3.1.3/ ./hadoop            # 将文件夹名改为hadoop
sudo chown -R hadoop:hadoop ./hadoop        # 修改文件权限。
# 也可以不改组。sudo chown -R hadoop ./hadoop

【测试】（检查hadoop是否可用）：

cd /usr/local/hadoop
./bin/hadoop version

若可用则会出现hadoop的版本信息，如下：
在这里插入图片描述

4. 伪分布式配置

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。
修改配置文件 core-site.xml：
将

<configuration>

</configuration>

更改为

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

修改配置文件 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>

5. 启动 Hadoop

cd /usr/local/hadoop
bin/hdfs namenode -format       # namenode 格式化
sbin/start-dfs.sh               # 开启守护进程
jps                             # 判断是否启动成功

若成功启动则会列出如下进程: NameNode、DataNode和SecondaryNameNode。
成功启动后，可以访问 Web 界面 http://localhost:9870 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。
注：
当关机重启后第二次使用hadoop时，记得先切换成“hadoop用户”和启动登录ssh！！！如下：
（1）切换hadoop用户：

su hadoop

回车后让输入密码，前面我设置的密码也叫hadoop
（2）启动并登录ssh：

sudo service ssh start
ssh localhost

如果忘记了这两步直接启动hadoop，会出现拒绝连接的报错信息：

Starting namenodes on [localhost]
localhost: ssh: connect to host localhost port 22: Connection refused
Starting datanodes
localhost: ssh: connect to host localhost port 22: Connection refused

附：
【报错1】：如果在这一步时提示 Error: JAVA_HOME is not set and could not be found. 的错误，则说明之前设置 JAVA_HOME 环境变量那边就没设置好。
如果已经按照前面教程在.bashrc文件中设置了JAVA_HOME，还是出现Error，那么，到hadoop的安装目录修改配置文件“/usr/local/hadoop/etc/hadoop/hadoop-env.sh”，在里面找到“export JAVA_HOME=${JAVA_HOME}”这行，然后，把它修改成JAVA安装路径的具体地址，比如，“export JAVA_HOME=/usr/lib/jvm/default-java”，然后，再次启动Hadoop。
【报错2】：如果启动 Hadoop 时遇到输出非常多“ssh: Could not resolve hostname xxx”的异常情况，如下图所示：
这个并不是 ssh 的问题，可通过设置 Hadoop 环境变量来解决。在 ~/.bashrc 中，增加如下两行内容（设置过程与 JAVA_HOME 变量一样，其中 HADOOP_HOME 为 Hadoop 的安装目录）：

export HADOOP_HOME=/usr/local/hadoop
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

【报错3】：此外，若是 DataNode 没有启动，可尝试如下的方法（注意这会删除 HDFS 中原有的所有数据，如果原有的数据很重要不要这样做！！！）：

# 针对 DataNode 没法启动的解决方法（不建议！会删除 HDFS 中原有的所有数据，如果原有的数据很重要不要这样做！！！）
cd /usr/local/hadoop
./sbin/stop-dfs.sh   # 关闭
rm -r ./tmp     # 删除 tmp 文件，注意这会删除 HDFS 中原有的所有数据
./bin/hdfs namenode -format   # 重新格式化 NameNode
./sbin/start-dfs.sh  # 重启

测试：
运行 WordCount 实例:

bin/hdfs dfs -mkdir -p /user/hadoop     # 创建HDFS目录
bin/hdfs dfs -mkdir input
bin/hdfs dfs -put etc/hadoop/*.xml input  # 将配置文件作为输入
bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'
bin/hdfs dfs -cat output/*                # 查看输出

也可将运行结果取回到本地：

rm -r ./output    # 先删除本地的 output 文件夹（如果存在）
./bin/hdfs dfs -get output ./output     # 将 HDFS 上的 output 文件夹拷贝到本机
cat ./output/*

Hadoop 运行程序时，输出目录不能存在，否则会提示错误 “org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://localhost:9000/user/hadoop/output already exists” ，因此若要再次执行，需要执行如下命令删除 output 文件夹:

./bin/hdfs dfs -rm -r output    # 删除 output 文件夹

6. 关闭 Hadoop

cd /usr/local/hadoop
sbin/stop-dfs.sh  # 关闭守护进程

（二）、Hadoop 集群配置

假定有两台机器:

Master  192.168.1.121
Slave1  192.168.1.122

Hadoop 集群配置过程:

选定一台机器作为 Master，在所有主机上配置网络映射
在 Master 主机上配置hadoop用户、安装SSH server、安装Java环境
在 Master 主机上安装Hadoop，并完成配置
在其他主机上配置hadoop用户、安装SSH server、安装Java环境
将 Master 主机上的Hadoop目录复制到其他主机上
开启、使用 Hadoop

所有主机配置hadoop用户、安装SSH server、安装Java环境：

sudo useradd -m hadoop -s /bin/bash     # 创建hadoop用户
sudo passwd hadoop          # 修改密码
sudo adduser hadoop sudo    # 增加管理员权限
# 注销并使用 Hadoop 用户登录
sudo apt-get update         # 更新apt
sudo apt-get install vim    # 安装vim
sudo apt-get install openssh-server  # 安装ssh

再配置好java的JDK环境
所有主机配置网络映射:

sudo vim /etc/hostname      # 修改主机名
sudo vim /etc/hosts         # 修改主机与 IP 的映射关系
sudo reboot                 # 重启，使网络配置生效

在 Master 主机上执行：

cd ~/.ssh
ssh-keygen -t rsa              # 一直按回车就可以
cat ~/id_rsa.pub >> ~/authorized_keys
scp ~/.ssh/id_rsa.pub hadoop@Slave1:/home/hadoop/ # 传输公钥到Slave1

接着在 Slave1 节点上执行

cd ~
mkdir .ssh
cat ~/id_rsa.pub >> ~/.ssh/authorized_keys

在Master节点上进行Hadoop集群配置(位于 /usr/local/hadoop/etc/hadoop中):

文件 slave:

将原来 localhost 删除，把所有Slave的主机名写上，每行一个。

文件 core-site.xml:

<property>
    <name>fs.defaultFS</name>
    <value>hdfs://Master:9000</value>
</property>
<property>
    <name>hadoop.tmp.dir</name>
    <value>file:/usr/local/hadoop/tmp</value>
    <description>Abase for other temporary directories.</description>
</property>

文件 hdfs-site.xml:

<property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>Master:50090</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>
<property>
    <name>dfs.replication</name>
    <value>1</value>
</property>

文件 mapred-site.xml(首先需执行 cp mapred-site.xml.template mapred-site.xml):

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

文件 yarn-site.xml：

<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>Master</value>
</property>
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>

配置好后，在 Master 主机上，将 Hadoop 文件复制到各个节点上:

cd /usr/local
rm -r ./hadoop/tmp  # 删除 Hadoop 临时文件
sudo tar -zcf ./hadoop.tar.gz ./hadoop
scp ./hadoop.tar.gz Slave1:/home/hadoop

在 Slave1 上执行：

sudo tar -zxf ~/hadoop.tar.gz -C /usr/local
sudo chown -R hadoop:hadoop /usr/local/hadoop

最后在 Master 主机上就可以启动hadoop了:

cd /usr/local/hadoop/
bin/hdfs namenode -format
sbin/start-dfs.sh
sbin/start-yarn.sh
jps             # 判断是否启动成功

若成功启动，则Master节点启动了NameNode、SecondrryNameNode、ResourceManager进程，Slave节点启动了DataNode和NodeManager进程。

在 Master 主机上执行WordCount实例:

bin/hdfs dfs -mkdir -p /user/hadoop
bin/hdfs dfs -put etc/hadoop input
bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

二、使用

Hadoop的伪分布式，读取的是 HDFS 上的数据。要使用 HDFS，首先需要在 HDFS 中创建用户目录“/user/hadoop”：

cd /usr/local/hadoop
./bin/hdfs dfs -mkdir -p /user/hadoop

此时，分布式文件系统有了用户 /user/hadoop
注意：
在HDFS中创建与当前Linux系统登录用户hadoop对应的用户目录“user/hadoop”，这里：

Linux系统的hadoop用户，是用来部署hadoop环境的。我们选择部署了伪分布式模式。
这里为了使用伪分布式的HDFS，故再创建分布式文件系统的用户目录/user/hadoop。（与上一条中的hadoop用户是两码事！）

其他hdfs的常用操作命令

其他hdfs的常用操作命令是根据linux命令模仿出来的，用法上大多数都差不多，写法上稍加改动即可。

1）新建目录：mkdir

用法：./bin/hdfs dfs -mkdir 伪分布式HDFS中的目录
例子：在hdfs（分布式文件系统中/user/hadoop）中创建目录input：

cd /usr/local/hadoop
./bin/hdfs dfs -mkdir input  # 等价：./bin/hdfs dfs -mkdir /user/hadoop/input

此时分布式文件系统/user/hadoop/下就有了/user/hadoop/input/目录。
注：上面的命令有三种写法：

./bin/hdfs dfs -mkdir input # 只能适用于HDFS文件系统
./bin/hadoop dfs -mkdir input # 与hdfs dfs命令作用都一样。即也只能适用于HDFS文件系统
./bin/hadoop fs -mkdir input  # 适用于任何不同的文件系统，比如本地文件系统和HDFS文件系统

2）将本地文件上传到hdfs中：put

用法：./bin/hdfs dfs -put 本地目录伪分布式HDFS中的目录
例子：再将 /usr/local/hadoop/etc/hadoop/ 目录下的所有 xml 文件作为输入文件，上传复制到分布式文件系统的 /user/hadoop/input中：

cd /usr/local/hadoop
./bin/hdfs dfs -put /usr/local/hadoop/etc/hadoop/*.xml input/ # 等价：./bin/hdfs dfs -put /usr/local/hadoop/etc/hadoop/*.xml /user/hadoop/input
# 即简写为：./bin/hdfs dfs -put etc/hadoop/*.xml input

3）将hdfs中文件下载到本地：get

用法：./bin/hdfs dfs -get 伪分布式HDFS中的目录本地目录
例子：将伪分布式HDFS中的目录input/中的所有内容下载到本地目录

cd /usr/local/hadoop

# 将整个input目录及目录下的所有内容都拷下来
./bin/hdfs dfs -get input /本地目录  # 等价：./bin/hdfs dfs -get /user/hadoop/input /本地目录

# 将整个input目录下的所有内容都拷下来，但不拷input目录
./bin/hdfs dfs -get input/* /本地目录  # 等价：./bin/hdfs dfs -get /user/hadoop/input/* /本地目录

4）查看目录：ls

用法：./bin/hdfs dfs -ls 伪分布式HDFS中的目录
例子：查看伪分布式HDFS中的目录input，

cd /usr/local/hadoop
./bin/hdfs dfs -ls input  # 等价：./bin/hdfs dfs -ls /user/hadoop/input

结果：
在这里插入图片描述

4）查看文件：cat

用法：./bin/hdfs dfs -cat 伪分布式HDFS中的目录名/文件名
例子：查看伪分布式HDFS中的目录input下的core-site.xml文件内容，

cd /usr/local/hadoop
./bin/hdfs dfs -cat input/core-site.xml  # 等价：./bin/hdfs dfs -cat /user/hadoop/input/core-site.xml

5）删除：rm

用法：./bin/hdfs dfs -rm 伪分布式HDFS中的文件名 ./bin/hdfs dfs -rm -r 伪分布式HDFS中的目录名
例子：删除hdfs中的input/core-site.xml文件；删除hdfs中的input目录

cd /usr/local/hadoop

# 删除hdfs中的input/core-site.xml文件
./bin/hdfs dfs -rm input/core-site.xml # 等价： ./bin/hdfs dfs -rm -r /hadoop/user/input/core-site.xml

# 删除hdfs中的input目录
./bin/hdfs dfs -rm -r input  # 等价： ./bin/hdfs dfs -rm -r /hadoop/user/input

CSDN学习社区

CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！

更多推荐

嵌入式作业（七）：基于Ardunio的STM32串口通信

嵌入式作业（七）0作业要求1Ardunio 完成STM32的串口通信（1）安装Ardunio IDE（2）stm32串口通信2关于 stduino IDE0作业要求安装 Ardunio IDE 和相关软件支持库，在Ardunio 完成STM32板子的串口通信程序：（1）持续向串口输出“Hello world！”；（2）当接收到“stop!”时，停止输出。网上有一个国人版的MCU集成开发平台， st

CSDN学习社区

JDBC详解

JDBC文章目录JDBC什么是JDBC?JDBC驱动程序:Java使用JDBC访问数据库的步骤:设置classpath:Oracle连接字符串的书写格式:简单的例子:常用数据库的驱动程序及JDBC URL:Oracle数据库:SQL Server数据库MySQL数据库Access数据库PreparedStatement接口:JNDI-数据源（Data Source）与连接池（Connection

CSDN学习社区

“模式识别与机器学习”学习笔记no2.再谈感知机

接**上篇：上篇主要进行了PLA，Pocket算法的理论过程分析和在给定数据集上利用pocket算法对数据集进行分类学习，得到错分数量最少的分类面。上篇中pocket算法的过程已经进行了编程和测试，框架已经建立了起来，这一篇主要上篇中没有提到或涉及不深的几个问题。1.数据集的构造。上篇是直接使用了题目给的向量，这次来根据正态分布来产生数据集。np.random.normal函数可以根据均值和方差生

CSDN学习社区

所有评论(0)

查看更多评论

Acegem

@Acegem

已为社区贡献6条内容