Hadoop初体验：快速搭建Hadoop伪分布式环境
0.前言
本文旨在使用一个全新安装好的Linux系统从0开始进行Hadoop伪分布式环境的搭建，以达到快速搭建的目的，从而体验Hadoop的魅力所在，为后面的继续学习提供基础环境。
对使用的系统环境作如下说明：
操作系统：CentOS 6.5 64位
主机IP地址：10.0.0.131/24
主机名：leaf
用户名：root
hadoop版本：2.6.5
jdk版本：1.7
可以看到，这里直接使用root用户，而不是按照大多数的教程创建一个hadoop用户来进行操作，就是为了达到快速搭建Hadoop环境以进行体验的目的。
为了保证后面的操作能够正常完成，请先确认本机是否可以解析到主机名leaf，如果不能，请手动添加解析到/etc/hosts目录中：
[root@leaf ~]# echo "127.0.0.1 leaf" >> /etc/hosts[root@leaf ~]# ping leafPING 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 ms64 bytes from localhost (127.0.0.1): icmp_seq=2 ttl=64 time=0.048 ms64 bytes from localhost (127.0.0.1): icmp_seq=3 ttl=64 time=0.046 ms
1.rsync软件安装
使用下面命令安装：
[root@leaf ~]# yum install -y rsync
2.ssh安装与免密码登陆配置
（1）ssh安装
使用下面命令安装
[root@leaf ~]# yum install -y openssh-server openssh-clients
（2）ssh免密码登陆配置
因为Hadoop使用ssh协议来管理远程守护进程，所以需要配置免密码登陆。
关闭防火墙和selinux
为了确保能够成功配置，在配置前，先把防火墙和selinux关闭：
# 关闭防火墙[root@leaf ~]# /etc/init.d/iptables stop[root@leaf ~]# chkconfig --level 3 iptables off# 关闭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
生成密钥对
[root@leaf ~]# mkdir .ssh[root@leaf ~]# ssh-keygen -t dsa -P '' -f .ssh/id_dsaGenerating 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@leafThe key's randomart p_w_picpath is:+--[ DSA 1024]----+| .o oo.|| E..oo || =...|| o = +|| S . + oo|| o . ...|| . ... .|| . .. oo|| o. =|+-----------------+
将公钥添加到本地信任列表
[root@leaf ~]# cat .ssh/id_dsa.pub >> .ssh/authorized_keys
验证
上面三步完成后就完成了免密码登陆的配置，可以使用下面的命令进行验证：
[root@leaf ~]# ssh localhostThe 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)? yesWarning: 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 ~]#
在第一次登陆的时候需要输入yes，之后再登陆时就可以直接登陆了：
[root@leaf ~]# ssh localhostLast login: Wed Aug 30 04:44:02 2017 from localhost[root@leaf ~]#
3.jdk安装与配置
（1）jdk下载
这里使用的是jdk1.7版本，可以到下面的网站进行下载：
http://www.oracle.com/technetwork/java/javase/downloads/java-archive-downloads-javase7-521261.html
下载完成后，可以使用winscp上传到/root目录下，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安装
将jdk解压到/usr/local目录下，并创建软链接：
[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 jdklrwxrwxrwx. 1 root root 12 Aug 30 04:56 jdk -> jdk1.7.0_80/
（3）JAVA_HOME环境变量配置
java命令在/usr/local/jdk/bin目录下：
[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环境变量：
[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
这样我们就可以在任何一个目录下使用java相关的命令：
[root@leaf ~]# java -versionjava 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 -versionjavac 1.7.0_80
4.hadoop安装与配置
（1）hadoop下载
这里使用hadoop 2.6.5版本，可以到下面的网站进行下载：
http://hadoop.apache.org/releases.html
选择2.6.5的binary进入相应的页面便可以下载，然后使用winscp上传到/root目录下，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安装
将hadoop解压到/usr/local目录下，并创建软链接：
[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-2.6.5drwxrwxr-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 hadooplrwxrwxrwx. 1 root root 12 Aug 30 05:05 hadoop -> hadoop-2.6.5
（3）hadoop环境变量配置
hadoop相关命令在/usr/local/hadoop/bin和/usr/local/hadoop/sbin目录下，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环境变量：
[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
这样我们就可以在任何一个目录下使用hadoop相关的命令：
[root@leaf ~]# hadoopUsage: hadoop [--config confdir] COMMAND where COMMAND is one of: fs run a generic filesystem user client version print the version jarrun a jar file checknative [-a|-h] check native hadoop and compression libraries availability distcp copy file or directories recursively archive -archiveName NAME -p * 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 CLASSNAMEMost commands print help when invoked w/o parameters.
（4）hadoop配置
hadoop的配置文件在/usr/local/hadoop/etc/hadoop目录下：
[root@leaf ~]# cd /usr/local/hadoop/etc/hadoop/[root@leaf hadoop]# lscapacity-scheduler.xml hadoop-policy.xml kms-log4j.properties ssl-client.xml.exampleconfiguration.xsl hdfs-site.xml kms-site.xml ssl-server.xml.examplecontainer-executor.cfg httpfs-env.sh log4j.properties yarn-env.cmdcore-site.xml httpfs-log4j.properties mapred-env.cmd yarn-env.shhadoop-env.cmd httpfs-signature.secret mapred-env.sh yarn-site.xmlhadoop-env.sh httpfs-site.xml mapred-queues.xml.templatehadoop-metrics2.properties kms-acls.xml mapred-site.xml.templatehadoop-metrics.properties kms-env.sh slaves
配置core-site.xml
fs.default.name hdfs://localhost:9000
fs.default.name这个字段下的值用于指定NameNode（HDFS的Master）的IP地址和端口号，如下面的value值hdfs://localhost:9000，就表示HDFS NameNode的IP地址或主机为localhost，端口号为9000.
配置hdfs-site.xml
dfs.replication 1 dfs.name.dir /root/hdfs-filesystem/name dfs.data.dir /root/hdfs-filesystem/data
dfs.replication用于指定HDFS中每个Block块被复制的次数，起到数据冗余备份的作用；dfs.name.dir用于配置HDFS的NameNode的元数据，以逗号隔开，HDFS会把元数据冗余复制到这些目录下；dfs.data.dir用于配置HDFS的DataNode的数据目录，以逗号隔开，HDFS会把数据存在这些目录下。
配置mapred-site.xml
mapred.job.tracker localhost:9001
mapred.job.tracker字段用于指定MapReduce Jobtracker的IP地址及端口号，如这里IP地址或主机为localhost，9001是MapReduce Jobtracker RPC的交互端口。
配置hadoop-env.sh
export JAVA_HOME=/usr/local/jdk
5.hadoop启动与测试
（1）格式化HDFS分布式文件系统
执行如下命令：
[root@leaf ~]# hadoop namenode -format...17/08/30 08:41:29 INFO namenode.NNStorageRetentionManager: Going to retain 1 p_w_picpaths with txid >= 017/08/30 08:41:29 INFO util.ExitUtil: Exiting with status 017/08/30 08:41:29 INFO namenode.NameNode: SHUTDOWN_MSG: /************************************************************SHUTDOWN_MSG: Shutting down NameNode at leaf/127.0.0.1************************************************************/
注意看输出显示是不是跟上面的类似，如果是，则说明操作成功。
（2）启动hadoop服务
执行如下命令：
[root@leaf ~]# start-all.sh This script is Deprecated. Instead use start-dfs.sh and start-yarn.sh17/08/30 08:53:22 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicableStarting namenodes on [localhost]localhost: starting namenode, logging to /usr/local/hadoop-2.6.5/logs/hadoop-root-namenode-leaf.outlocalhost: starting datanode, logging to /usr/local/hadoop-2.6.5/logs/hadoop-root-datanode-leaf.outStarting 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.out17/08/30 08:53:48 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicablestarting yarn daemonsstarting resourcemanager, logging to /usr/local/hadoop-2.6.5/logs/yarn-root-resourcemanager-leaf.outlocalhost: starting nodemanager, logging to /usr/local/hadoop-2.6.5/logs/yarn-root-nodemanager-leaf.out
（3）hadoop服务测试
启动完成后，执行jps命令，可以看到hadoop运行的守护进程，如下：
[root@leaf ~]# jps4167 SecondaryNameNode4708 Jps3907 NameNode4394 NodeManager4306 ResourceManager3993 DataNode
也可以通过在浏览器中输入地址来访问相关页面，这里访问NameNode的页面，地址为http://10.0.0.131:50070，如下：
访问DataNode的页面，地址为http://10.0.0.131:50075，如下
6.参考资料
《Hadoop核心技术》
不过需要注意的是，书上版本用的是1.x，这里用的是2.x版本。
