Hadoop的安装与配置

Hadoop的安装与配置

 

实验目的及要求

完成Hadoop的安装与配置

实验环境

VMWare、CentOS7、SecureCRT、JDK、Hadoop

实验步骤 VMWare 12安装并激活CentOS7安装SecureCRT安装SecureCRT新建Session修改外观Hadoop三种模式安装配置 JDK+Hadoop安装配置、单机模式配置

以下操作在SecureCRT里面完成

1.关闭防火墙

firewall-cmd --state 显示防火墙状态running/not running

systemctl stop firewalld 临时关闭防火墙，每次开机重新开启防火墙

systemctl disable firewalld 禁止防火墙服务。

2.传输JDK和HADOOP压缩包

SecureCRT 【File】→【Connect SFTP Session】开启sftp操作

put  jdk-8u121-linux-x64.tar.gz  

put  hadoop-2.7.3.tar.gz

传输文件从本地当前路径（Windows）到当前路径（Linux）

 

3.解压JDK、HADOOP

tar  -zxvf  jdk-8u121-linux-x64.tar.gz  -C  /opt/module  解压安装

tar  -zxvf  hadoop-2.7.3.tar.gz  -C  /opt/module  解压安装

4.配置JDK并生效

vi /etc/profile文件添加：

export JAVA_HOME=/opt/module/jdk1.8.0_121

export PATH=$JAVA_HOME/bin:$PATH

Esc :wq!保存并退出。不需要配置CLASSPATH。

source /etc/profile配置生效

运行命令javac，检验是否成功。

5.配置HADOOP并生效

vi /etc/profile文件添加：

export HADOOP_HOME=/opt/module/hadoop-2.7.3

export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

Esc :wq!保存并退出。

source /etc/profile配置生效

运行命令hadoop，检验是否成功。

5.单机模式配置hadoop -env.sh

vi /opt/module/hadoop-2.7.3/etc/hadoop/hadoop-env.sh文件修改

显示行号 Esc :set number    取消行号Esc :set nonumber

修改第25行export JAVA_HOME=/opt/module/jdk1.8.0_121

Esc :wq!保存并退出

本地模式没有HDFS和Yarn，配置JDK后MapReduce能够运行java程序。

6.运行自带程序wordcount

cd /opt/module/hadoop-2.7.3/share/hadoop/mapreduce 转入wordcount所在路径。

运行touch in.txt，创建In.txt文件，作为输入文件。

（如果in.txt是空文件，运行vi in.txt，输入内容作为被统计词频的输入文件）

输出目录/output必须不存在，程序运行后自动创建。

运行wordcount：

hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /adir/in.txt output/

运行成功之后，进入/output目录，打开文件part-r-00000查看计数结果。

Hadoop伪分布式模式配置

只有一台虚拟机bigdata128，既是namenode又是datanode。

一、基础安装配置

完成上述1-5安装配置。

二、修改以下5个配置文件

在<configuration>与</configuration>之间添加如下property：

①core-site.xml

<!--配置HDFS主节点，namenode的地址，9000是RPC通信端口-->

<property>

        <name>fs.defaultFS</name>

        <value>hdfs://bigdata128:9000</value>

</property>

<!--配置HDFS数据块和元数据保存的目录，一定要修改-->

<property>

        <name>hadoop.tmp.dir</name>

        <value>/opt/module/hadoop-2.7.3/tmp</value>

</property>

②hdfs-site.xml

<!--注释配置数据块的冗余度，默认是3-->  

<property>  

     <name>dfs.replication</name>  

     <value>1</value>  

</property>

<!--secondaryNameNode的主机地址--> 

<property>

         <name>dfs.namenode.secondary.http-address</name>

         <value>bigdata128:50090</value>

</property>

③mapred-site.xml(该配置文件不存在，先复制)

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

<!--配置MR程序运行的框架-->  

<property>  

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

  <value>yarn</value>

</property>  

④yarn-site.xml

<!--配置Yarn的节点-->  

<property>  

  <name>yarn.resourcemanager.hostname</name>

  <value>bigdata128</value>

</property>  

<!--NodeManager执行MR任务的方式是Shuffle洗牌-->  

<property>  

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

  <value>mapreduce_shuffle</value>

</property>  

⑤Slaves文件里使用默认localhost，或者添加 bigdata128（既是NameNode又是DataNode）

注：如果Slaves文件为空，就没有DataNode和NodeManager。

⑥修改\etc\hosts配置文件

运行命令  vi  \etc  hosts

注释掉已有内容，添加虚拟机的ip及对应主机名：

192.168.163.128  bigdata128

⑦修改\etc\hostname配置文件

运行命令  vi  \etc  hostname

添加虚拟机的主机名：

bigdata128

重启虚拟机，主机名生效。

三、格式化

hdfs namenode -format （如果不是第一次格式化，格式化之前先删除/opt/module/hadoop-2.7.3/下面的tmp、logs两个目录）

四、启动

start-all.sh （如果启动之前已经启动过，启动之前先停止stop-all.sh）

查看伪分布式配置是否成功：

①执行ll，查看/opt/module/hadoop-2.7.3/tmp/dfs目录，如下图所示，则正确。

②执行jps，如下图所示，NameNode、DataNode、SecondaryNameNode、ResourceManager、NodeManager如果全部启动，伪分布式配置成功。

③web控制台访问：http://192.168.163.132:50070 、http://192.168.163.132:8088 

页面正常显示，则成功。

五、运行wordcount

hdfs dfs -put in.txt /adir 上传本地当前路径下的in.txt文件 到hdfs的/adir目录下。

运行hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /adir/in.txt output/。

在http://192.168.163.132:50070 查看/user/root/output/part-r-00000文件里的词频统计结果。

六、SSH免密码登陆（解决每次启动hadoop输入用户密码问题）

生成公、私密钥对：ssh-keygen -t rsa  按3次回车键

查看：cd ~/.ssh路径下面的rd_rsa和rd_rsa.pub

复制：ssh-copy-id -i ~/.ssh/id_rsa.pub root@bigdata128

查看生成authorized_keys。

 

Hadoop完全分布式模式配置

一、新建另外两台Linux虚拟机

完全分布式模式共三台虚拟机，前述伪分布式的虚拟机（bigdata128）作为master主节点，克隆另外两个虚拟机（bigdata129、bigdata131）作为slaves子节点，克隆机自带安装JDK、Hadoop及配置文件。

注：此配置是为学习所用，且电脑资源有限，因此照搬伪分布式配置，将NameNode、SecondaryNameNode、ResourceManager全部配置在主节点bigdata128上面，实际情况则相反，应该分别配置在不同的节点上面。

二、修改以下配置文件

①slaves配置文件

三台虚拟机分别都运行命令  vi  /opt/module/hadoop-2.7.3/etc/hadoop  slaves

修改slaves为：

bigdata129

bigdata131

②修改\etc\hosts配置文件

三台虚拟机分别都运行命令  vi  \etc  hosts

注释已有内容，添加集群三台虚拟机的ip及对应主机名：

192.168.163.128  bigdata128

192.168.163.129  bigdata129

192.168.163.131  bigdata131

③修改\etc\hostname配置文件

三台虚拟机分别都运行命令  vi  \etc  hostname

添加各自的主机名bigdata128或者bigdata129或者bigdata131。

重启全部虚拟机，主机名生效。

三、格式化

在主节点bigdata128上面输入格式化命令（hdfs namenode -format），格式化集群。

注：如果不是第一次格式化，三台虚拟机都删除\opt\module\hadoop-2.7.3\下面的tmp、logs目录：rm –rf \opt\module\hadoop-2.7.3\tmp    rm –rf \opt\module\hadoop-2.7.3\logs

注：如果格式化之前启动过集群，先在主节点bigdata128上面停止集群（stop-all.sh），再格式化。

四、启动集群

在主节点bigdata128上面输入启动命令（start-all.sh），启动集群。    

注：如果启动之前启动过集群，先在主节点bigdata128上面停止集群（stop-all.sh），再启动。

web控制台访问：http://192.168.163.132:50070 、http://192.168.163.132:8088

页面正常显示，则成功。

五、运行wordcount

hdfs dfs -put in.txt /adir 上传本地当前路径下的in.txt文件 到hdfs的/adir目录下。

运行hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /adir/in.txt output/。

在http://192.168.163.132:50070 查看/user/root/output/part-r-00000文件里的词频统计结果。

实验总结 在实验过程中，发现对Linux系统命令还不够熟练，在下面还需多加练习。感觉自己的基本水平还是不能达到自己满意程度，对于很多东西还是未知的，对于新的知识了解甚少，这个还需要在课后下很大功夫。

3、java和Python了解的比较少，所以有些实验内容不能够实现。