centos中-hadoop单机安装及伪分布式运行实例

创建用户并加入授权

1，创建hadoop用户

sudo useradd -m hadoop -s /bin/bash

2,修改sudo的配置文件，位于/etc/sudoers，需要root权限才可以读写

找到root ALL=(ALL) ALL这一行，在后面再加上一行就可以了（不用引号）：
“username ALL=(ALL) ALL”，将hadoop用户添加到sudo中

安装vim编辑器：

sudo yum install vim

安装SSH、配置SSH无密码登陆

集群、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）

1,sudo yum install openssh-server

2，安装后进行测试

ssh localhost

3,利用ssh-keygen 生成密钥，并将密钥加入到授权中：

1. exit # 退出刚才的 ssh localhost
2. cd ~/.ssh/ # 若没有该目录，请先执行一次ssh localhost
3. ssh-keygen -t rsa # 会有提示，都按回车就可以
4. cat ./id_rsa.pub >> ./authorized_keys # 加入授权

4，再测试就不要密码了

安装java环境

1,安装jdk jre

sudo yum install openjdk-7-jre openjdk-7-jdk

2,查看软件是否安装成功。首先我们需要查看软件是否已经安装，或者说查看安装的软件包名称

rpm -qa |grep openjdk-7-jdk

查看具体路径：

rpm -ql 上个命令查看到的 openjdk-7-jdk全名称

3，修改/etc/profile修改环境变量

添加JAVA_HOME环境变量：

export JAVA_HOME=JDK安装路径

配置完成时候执行：source /etc/profile使环境变量生效

检测java安装：

echo $JAVA_HOME # 检验变量值

java -version

下载安装配置hadoop

1，下载：一般选择下载最新的稳定版本，即下载 "stable" 下的 hadoop-2.x.y.tar.gz 这个格式的文件，这是编译好的

，另一个包含 src 的则是 Hadoop 源代码，需要进行编译才可使用

其中涉及到一些hadoop位数问题，我的是centos32位的，

一个32位hadoop2.6.0的下载地址

链接：http://pan.baidu.com/s/1mi7IPz6 密码：faa0

2，安装：将 Hadoop 安装至 /usr/local/ 中：

1. sudo tar -zxf ~/下载/hadoop-2.6.0.tar.gz -C /usr/local # 解压到/usr/local中
2. cd /usr/local/
3. sudo mv ./hadoop-2.6.0/ ./hadoop # 将文件夹名改为hadoop
4. sudo chown -R hadoop ./hadoop # 修改文件权限

3，查看hadoop是否安装成功：

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

单机测试：

将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中。

1. cd /usr/local/hadoop
2. mkdir ./input
3. cp ./etc/hadoop/*.xml ./input # 将配置文件作为输入文件
4. ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
5. cat ./output/* # 查看运行结果

如果结果是：

1　　dfsadmin

则表示成功

注意：Hadoop 默认不会覆盖结果文件，因此再次运行上面实例会提示出错，需要先将 ./output 删除。

rm -r ./output

伪分布式配置

1，修改配置文件 core-site.xml (通过 gedit 编辑会比较方便: gedit ./etc/hadoop/core-site.xml)修改其中的<configuration></configuration>

修改为下面配置：

<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>

2，同样的，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>

3，配置完成后，执行 NameNode 的格式化:

./bin/hdfs namenode -format

执行过程最后如果含有：Exiting with statu 0则成功，如果是1则失败

4，开启 NameNode 和 DataNode 守护进程：

./sbin/start-dfs.sh #start-dfs.sh是个完整的可执行文件，中间没有空格

然后执行命令：

[hadoop@localhost /]$ jps
8067 DataNode
8349 Jps
7972 NameNode
8238 SecondaryNameNode

下面四个少一个都是失败！！

5，/etc/profile 中配置hadoop的环境变量

1. export HADOOP_HOME=/usr/local/hadoop
2. export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

注意：务必执行 ：source /etc/profile

启动hadoop：./sbin/start-dfs.sh

jps查看

运行伪分布式实例

1,HDFS 中创建用户目录：

./bin/hdfs dfs -mkdir -p /user/hadoop

2,将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中，

即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中

1. ./bin/hdfs dfs -mkdir input
2. ./bin/hdfs dfs -put ./etc/hadoop/*.xml input

3,复制完成后，可以通过如下命令查看文件列表：

./bin/hdfs dfs -ls input

4,伪分布式运行 MapReduce 作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

5,查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：

./bin/hdfs dfs -cat output/*

6,也可以将运行结果取回到本地：

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

最后记得删除output文件目录：

./bin/hdfs dfs -rm -r output

yarn的配置及使用

1， 首先修改配置文件 mapred-site.xml，这边需要先进行重命名

mv ./etc/hadoop/mapred-site.xml.template ./etc/hadoop/mapred-site.xml2，修改<configuration>

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

3,修改配置文件 yarn-site.xml：
<configuration>
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
    </property>
</configuration>

4,启动 YARN 了（需要先执行过 ./sbin/start-dfs.sh）：

1. ./sbin/start-yarn.sh # 启动YARN
2. ./sbin/mr-jobhistory-daemon.sh start historyserver # 开启历史服务器，才能在Web中查看任务运行情况

启动后多了：NodeManger和ResourceManager

web访问地址：

http:localhost:8088/cluster

注意：不启动 YARN 需重命名 mapred-site.xml

关闭 YARN 的脚本如下：

1. ./sbin/stop-yarn.sh
2. ./sbin/mr-jobhistory-daemon.sh stop historyserver

加入如下环境变量就可以直接执行bin和sbin中的可执行文件了
export PATH=$PATH:/usr/local/hadoop/sbin:/usr/local/hadoop/bin