安装Hadoop单节点伪分布式集群

目录

• 安装Hadoop单节点伪分布式集群
  • 系统准备
    • 开启SSH
    • 安装JDK
  • 安装Hadoop
    • 下载
    • 准备启动
    • 伪分布式模式安装
      • 配置
      • 配饰SSH免密登录本机
      • 测试启动
      • 单节点安装YARN
      • 伪分布式集群启动与停止

安装Hadoop单节点伪分布式集群

操作系统：Ubuntu server 20.04

参考文档：http://apache.github.io/hadoop/hadoop-project-dist/hadoop-common/SingleCluster.html

系统准备

开启SSH

系统支持SSH远程登陆.

如未安装可使用下面命令安装：

sudo apt-get install ssh

安装JDK

参考网址：https://cwiki.apache.org/confluence/display/HADOOP/Hadoop+Java+Versions

官方文档:

• Apache Hadoop 3.3 and upper supports Java 8 and Java 11 (runtime only)
  • Please compile Hadoop with Java 8. Compiling Hadoop with Java 11 is not supported: HADOOP-16795 - Java 11 compile support OPEN
• Apache Hadoop from 3.0.x to 3.2.x now supports only Java 8
• Apache Hadoop from 2.7.x to 2.10.x support both Java 7 and 8

根据官方文档，目前支持JDK8和JDK11，我们安装JDK8即可

操作步骤如下：

# 更新软件包
sudo apt-get update
sudo apt-get upgrade

# 安装JDK8
sudo apt install openjdk-8-jdk

# 验证是否安装成功
java -version
# 输出
openjdk version "1.8.0_362"
OpenJDK Runtime Environment (build 1.8.0_362-8u372-ga~us1-0ubuntu1~22.04-b09)
OpenJDK 64-Bit Server VM (build 25.362-b09, mixed mode)

查看JAVA安装信息

# 查看安装目录
which java
# 输出：/usr/bin/java

# 查看具体路径
ll /usr/bin/java
# 输出：... /usr/bin/java -> /etc/alternatives/java*

设置JAVA_HOME

# 查找系统中可用的JAVA版本
update-alternatives --config java
# 输出：
# There is only one alternative in link group java (providing /usr/bin/java): /usr/lib/jvm/java-8-openjdk-amd64/jre/bin/java
# Nothing to configure.

# 通过上面输出信息安装路径为：/usr/lib/jvm/java-8-openjdk-amd64/jre/bin/java

# 编辑profile文件
vim /etc/profile
# 在文件中添加下面代码
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH

# 生效环境变量
source /etc/profile

# 验证是否设置成功
echo $JAVA_HOME

# 到这里如果停的话，就会出现一种情况，每次打开终端，就需要source /etc/profile一下才能使用java环境，所以参考博客https://blog.csdn.net/RABCDXB/article/details/123243868 做法如下：
# 输入vim ~/.bashrc，在对应文件中输入上面相同的配置数据。

安装Hadoop

下载

目前最新版本为：3.3.6，安装最新版本，可从官网下载。

下载地址：https://dlcdn.apache.org/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz

# 进入软件下载目录，如果该目录不存在则可创建此目录
cd /root/software

# 下载安装包
wget https://dlcdn.apache.org/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz

准备启动

# 将软件复制到安装目录，如果该目录不存在可创建
cd /root/program

# 复制安装包
cp /root/software/hadoop-3.3.6.tar.gz .

# 解压
tar -zxvf hadoop-3.3.6.tar.gz

# 设置JavaHome
vim /root/program/hadoop-3.3.6/etc/hadoop/hadoop-env.sh

# 修改JAVA_HOME变量，大约在54行
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64

# 保存后测试启动
cd /root/program/hadoop-3.3.6
bin/hadoop
# 此命令输出相关操作说明

接下来，将有三种启动模式部署：

• Local (Standalone) Mode：单机模式

• Pseudo-Distributed Mode：伪分布式

• Fully-Distributed Mode：分布式

下面以伪分布式模式进行说明，其他模式部署方式请参考官方文档。

伪分布式模式安装

Hadoop可以以伪分布式的方式部署在一台机器上。

配置

配置core-site.xml文件.

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 编辑配置文件
vim etc/hadoop/core-site.xml

# 在文件的configuration节点添加下面配置文件（第19行）：

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

配置etc/hadoop/hdfs-site.xml文件.

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 编辑配置文件
vim etc/hadoop/hdfs-site.xml

# 在文件的configuration节点添加下面配置文件（第19行）：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

配置sbin/start-dfs.sh文件中启动用户为root.

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 编辑配置文件
vim sbin/start-dfs.sh

# 文件顶部添加以下参数
#!/usr/bin/env bash
HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

配置sbin/stop-dfs.sh文件中启动用户为root.

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 编辑配置文件
vim sbin/stop-dfs.sh

# 文件顶部添加以下参数
#!/usr/bin/env bash
HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

配置sbin/start-yarn.sh文件中启动用户为root.

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 编辑配置文件
vim sbin/start-yarn.sh

# 文件顶部添加以下参数
#!/usr/bin/env bash
YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

配置sbin/stop-yarn.sh文件中启动用户为root.

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 编辑配置文件
vim sbin/stop-yarn.sh

# 文件顶部添加以下参数
#!/usr/bin/env bash
YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

配饰SSH免密登录本机

# 检查是否已支持免密登录
ssh localhost

# 如果未配置，可使用下面命令配置，注意当前登录用户为root
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys

测试启动

截至到目前配置，可以测试启动Hadoop，此种方式可手动执行MapReduce任务，该部分仅验证是否可正常启动。

后面将会介绍Yarn配置，并使用Yarn运行任务。

# 进入应用安装目录
cd /root/program/hadoop-3.3.6

# 文件系统格式化
bin/hdfs namenode -format

# 启动NameNode和DataNode
sbin/start-dfs.sh

# 浏览器打开终端进行查看运行状态，注意防火墙端口是否打开，NameNode网址如下：
http://192.168.40.134:9870/
# 现状状态 Active 即为运行成功

# 停止NameNode和DataNode
sbin/stop-dfs.sh

单节点安装YARN

在保证上面测试启动运行正常情况下，可以按照下面步骤配置启动YARN.

配置etc/hadoop/mapred-site.xml文件.

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 编辑配置文件
vim etc/hadoop/mapred-site.xml

# 在文件的configuration节点添加下面配置文件（第19行）：
<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.application.classpath</name>
        <value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value>
    </property>
</configuration>

配置etc/hadoop/yarn-site.xml文件.

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 编辑配置文件
vim etc/hadoop/yarn-site.xml

# 在文件的configuration节点添加下面配置文件（第16行）：
<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_HOME,PATH,LANG,TZ,HADOOP_MAPRED_HOME</value>
    </property>
</configuration>

服务启动与停止：

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 服务启动
sbin/start-yarn.sh

# 浏览器打开终端进行查看运行状态，注意防火墙端口是否打开，资源管理网址如下：
http://192.168.40.134:8088/

# 服务停止
sbin/stop-yarn.sh

伪分布式集群启动与停止

# 进入Hadoop软件目录
cd /root/program/hadoop-3.3.6

# 启动，注意顺序
sbin/start-dfs.sh
sbin/start-yarn.sh

# 停止，注意顺序
sbin/stop-dfs.sh
sbin/stop-yarn.sh