大数据实战平台环境搭建

大数据实战平台环境搭建

一、创建 Hadoop 用户

1、创建 Hadoop 用户，输入最开始的密码

图1：创建 Hadoop 用户

打开Ubuntu终端Terminal运行sudo useradd -m hadoop -s /bin/bash用于创建用户，系统需要等待我们输入密码（注意的是Ubuntu终端输入密码是不会显示的）。输入完密码后重新弹出nuyoah@nuyoah-VirtualBox:-$这个才算创建成功。

2、设置Hadoop账户密码

图2：设置Hadoop账户密码

在Ubuntu终端输入sudo passwd hadoop为Hadoop账号设置账号密码，通过输入和确认密码完成对于Hadoop账号密码的设置。

3、赋权

图3：为Hadoop用户赋权

在Ubuntu终端输入sudo adduser hadoop sudo为Hadoop用户赋权

二、更新apt和安装Vim编辑器

1、切换Hadoop用户，并输入密码

图4：切换Hadoop用户，并输入密码

在Ubuntu终端输入su hadoop切换成hadoop用户。
（必须切换到hadoop用户，不然后面会有问题。）

2、更新 apt

图5：更新apt

首先要确认已经切换到了hadoop用户，接着在终端输入sudo apt-get update使得hadoop用户更新apt，为接下来下载vim做准备。

3、安装 vim 编辑器

图6：安装vim编译器

在终端输入sudo apt-get install vim下载vim编译器。（vim编译器的作用：创建、维护或修改文本文件，维护Linux系统中的各种配置文件。）
当出现Do you want to continue?的时候需要我们输入y进行确认。（这里大小写都可以。）

图7：vim编译器安装完成

三、安装 SSH 和配置 SSH 无密码登录

1、安装 SSH 服务端

图8：安装 SSH 服务端

在终端输入sudo apt-get install openssh-server安装openssh。（OpenSSH 是 SSH （Secure SHell） 协议的免费开源实现OpenSSH提供了服务端后台程序和客户端工具，用来加密远程控制和文件传输过程中的数据，并由此来代替原来的类似服务。）
当出现Do you want to continue?的时候需要我们输入y进行确认。（这里大小写都可以。）

图9： SSH 服务端安装完成

2、登录本机

图10：登录本机

在终端输入ssh localhost请求登录本机。注意这里的确认要填的是yes。

图11：输入hadoop用户密码

图12：成功登录本机

3、配置无密码登录

图13：退出openssh并进去ssh文件夹

在终端输入exit退出openssh，当出现Connection to localhost closed.表示成功退出openssh。接着在终端输入cd ~/.ssh/进入ssh文件夹内。

图14：生成密钥并保存

在终端输入ssh-keygen -t rsa生成密钥，接着要等相关指令出来后按enter回车键（一共三次）。完成后我们能看到密钥和公钥都保存在了/home/hadoop/.ssh/里面。

图15：查看/.ssh下的文件

在终端输入ll查看/.ssh下的所有文件，确保密钥和公钥都保存在了这里。

4、确认配置成功

图16：确认配置成功

在终端输入cat ./id_rsa.pub >> ./authorized_kays加入授权，接着输入ssh localhost测试无密码登录ssh，最后输入exit退出ssh。

四、安装 Java

1、拖拽安装包到 downloads

图17：将下载好的安装包拖拽到 Downloads

图18：成功拖拽安装包到 Downloads

2、Hadoop用户下进入Downloads文件夹

图19：查看Downloads文件夹位置

注意要在Hadoop用户下进入Downloads。（在Ubuntu终端输入su hadoop切换成hadoop用户。）
我这里是将安装包保存在nuyoah/Downloads下。（注意nuyoah是我最开始设置的用户名）通过终端输入ll查看downloads文件夹位置。

图20：进入Downloads文件夹

进入Downloads文件夹后，在终端输入ll确认Downloads文件夹有刚刚拖进来的安装包。

3、创建jvm文件夹

图21：创建jvm文件夹

在终端输入sudo mkdir /usr/lib/jvm创建jvm文件夹。（出现Permission denied错误表示要在指令前加“sudo”。）

4、将:JDK安装包复制到 jvm 文件夹下

图22：将:JDK安装包复制到 jvm 文件夹

在终端输入sudo cp jdk-8u211-linux-x64.gz /uer/lib/jvm复制JDK安装包到 jvm 文件夹，其中sudo是给权限，cp是复制，jdk-8u211-linux-x64.gz是要复制的文件名，/uer/lib/jvm是要复制到的路径。在终端输入cd /uer/lib/jvm以及ll到目标文件夹下查看是否完成复制。

5、解压

图23：解压jdk

在终端输入sudo tar -zxvf ./jdk-8u211-linux-x64.gz -C /uer/lib/jvm解压指令对jdk文件解压。（-zxvf ：z代表gzip的压缩包；x代表解压；v代表显示过程信息；f代表后面接的是文件）
需要记住jdk1.8.0_211/这个文件夹，后面环境配置时需要。

图24：解压完成

图25：确认解压是否成功

在终端输入cd jdk1.8.0_211/进入该文件夹确认解压是否成功，如果该文件夹为空则前面某一步有问题导致解压不成功，反之则为解压成功。
6、配置环境变量

图26：进入环境变量配置

在终端输入cd …返回上一级文件夹，再输入vim ~/.bashrc进入环境变量配置。

图27：进入环境变量

进入环境变量，此时补课编辑，只可查看。需要按“i”进入 insert 模式。

图28：配置环境变量

图29：按 ESC 保存，然后 shift+：wq

按 ESC 保存，然后 shift+：wq退出环境配置。

图30：确认jdk安装成功

在终端输入source ~/.bashrc激活刚刚配置的环境变量，接着在终端输入java -version查看java版本，确认jdk安装成功。

五、安装单机 Hadoop

1、确认文件及文件夹

图31：确认文件及文件夹

在终端进入Downloads文件夹确认hadoop的安装包在该文件夹内。

2、解压安装包到/usr/local下

图32：解压安装包到/usr/local

在终端输入sudo tar -zxvf hadoop-3.1.3.tar.gz -C /uer/local解压指令对hadoop文件解压。（-zxvf ：z代表gzip的压缩包；x代表解压；v代表显示过程信息；f代表后面接的是文件）

图33:解压完成

Hadoop安装包解压完成，其中hadoop-3.1.3/是解压后的文件夹的名称。

3、修改目录名及目录权限

图34：修改目录名及目录权限

在终端输入cd /uer/local进入local文件夹，通过ll查看改文件夹内的文件。为了方便，通过输入sudo mv ./hadoop-3.1.3/ ./hadoop将文件夹hadoop-3.1.3的名字改成了hadoop。通过输入sudo chown -R hadoop ./hadoop修改权限。

4、查看版本信息

图35：查看版本信息

在终端输入cd hadoop/进入hadoop文件夹，再输入./bin/hadoop version查看版本信息。

5、测试

图36：复制文件到新建文件夹input内

在终端输入mkdir input新建文件夹input，接着输入cp ./etc/hadoop/.xml ./input（其中.xml代表所有的.xml文件），此行目的是将uer/local/hadoop/etc/hadoop下的所有的.xml文件复制到input文件夹内。
通过cd input进入input文件夹我们确认了复制成功。

图37：测试

在终端输入./bin/hadoop jar /usr/loacl/hadoop/share/hadoop/mapreduce/
hadoop-mapreduce-examples-3.1.3.jar grep ./input ./output 'dfs[a-z.]+'测试指令进行测试。

图38：测试完成

测试完成，在终端输入cat ./output/*查看输出数据。

六、Hadoop 伪分布式安装

1、修改配置文件（在etc/hadoop下）

图39：查看要修改的配置文件

通过终端cd etc/hadoop进入etc/hadoop查看要修改的配置文件。通过查看得知需要配置core-site.xml和hdfs-site.xml两个文件夹。
在终端输入vim core-site.xml使用vim编辑器配置。

图40：进入core-site.xml

图41：core-site.xml配置完成
2、配置

图42：配置hdfs-site.xml

在终端输入vim hdfs-site.xml使用vim编辑器配置。

图43：进入hdfs-site.xml

图44：hdfs-site.xml配置完成

3、初始化

图45：初始化

在终端输入cd /usr/local/hadoop回到/usr/local/hadoop文件夹，再输入bin/hdfs namenode -format进行初始化。

图46：初始化成功

4、启动 hdfs

图47：启动hdfs

在终端输入./sbin/start-dfs.sh启动hsfd，再输入jsp查看java进程。

5、查看 Hadoop（用 Browser）

图48：用 Browser查看 Hadoop

注意这里要用Ubuntu自带的浏览器，地址为：http://localhost:9870

6、创建Hadoop用户的用户目录及input目录

图49：创建 Hadoop 用户的用户目录及 input 目录

在终端输入./bin/hdfs dfs -mkdir -p /usr/hadoop创建Hadoop用户的用户目录,在终端输入./bin/hdfs dfs -mkdir input创建Hadoop用户的input目录。(其中./bin/hdfs dfs是指令前缀，后面是正常的Ubuntu指令。)

7、将本地配置文件夹上传到分布式文件系统

图50：将本地配置文件夹上传到分布式文件系统

在终端输入bin/hdfs dfs -put ./etc/hadoop/.xml input将本地配置文件夹上传到分布式文件系统.(bin/hdfs dfs是指令前缀,-put是命令，./etc/hadoop/.xml是源，input是目标。）

8、测试demo

图51：测试demo

在终端输入./bin/hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/
hadoop-mapreduce-examples-3.1.3.jar grep input output 'dfs[a-z.]+'测试指令进行测试。
注意这里和单机hadoop测试不一样的地方是这里后面是input output，单机时是./input ./output。

图52：测试完成

9、查看结果

图53：查看测试结果

在终端输入.bin/hdfs dfs -cat output/*查看测试结果。

10、关闭 hdfs

图54：删除output目录

在终端输入.bin/hdfs dfs -rm -r output删除output目录。（每次执行都要吧上一次的output删除，测试过应该是底层写死的无法修改）

图55：关闭hdfs

在终端输入./sbin/stop-dfs.sh停止执行hdfs。

七、HDFS常用命令

（1）功能：显示

指定的文件的详细信息。 

hadoop fs -1s

 。 

（2）功能：1s 命令的递归版本。
hadoop fs -1s -R

。 

（3）功能：将

指定的文件的内容输出到标准输出 (stdout )。 

hadoop fs -cat

 。 

（4）功能：将

指定的文件所属的组改为group，使用-R对 

 指定的文件夹内的文件进行递归操作。这个命令只适用于超级用户。 

hadoop fs -chgrp [-RJgroup

  。 

（5）功能：改变

指定的文件所有者，-R 用于递归改交文件夹内的文件所有者。这个命令只适用于超级用户。 

hadoop fs-chown [-R] [owner][ :[group]]

 。 

（6）功能：将

指定的文件的权限更改为。这个命令只适用于超级用户和文件所有者。 

hadoop fs -chmod [- R]

 。 

（7）功能：将

指定的文件最后 1KB 的内容输出到标准输出 (stdout)上，一f选项用于持续检测新添加到文件中的内容。 

hadoop fs -tail [-f]

 。 

（8）功能：以指定的格式返回

指定的文件的相关信息。当不指定format 的时候，返回文件 

 的创建日期。 

hadoop fs -stat [format]

  。 

（9）功能：创建一个

指定的空文件。 

hadoop fs -touchz

 。 

（10）功能：创建指定的一个或多个文件夹，-p选项用于递归创建子文件夹。
hadoop fs -mkdir [-p] 。

（11）功能：将本地源文件复制到路径指定的文件或文件夹中。
hadoop fs -copy FromLocal 。

（12）功能：将日标文件复制到本地文件或文件夾中，可用-ignorearc 选项复制CRC
校验失败的文件，使用-crc选项复制文件以及 CRC信息。
hadoop ts -copyToLocal [-ignorecrc][-crc] 。

（13）功能：将文件从源路径复制到日标路径。
hadoop fs -cp 。

（14）功能：显示

指定的文件或文件夾中所有文件的大小。 

hadoop fs -du

 。 

（15）功能：清空回收站.
hadoop fs -expunge。

（16）功能：复制指定的文件到本地文件系统-指定的文件或文件夹，可用-ignorecrc 选项复制 CRC
校验失败的文件，使用-crc 选项复制文件以及 CRC信息。
hadoop fs-get [ignorecrc] [-crc] 。

（17）功能：对指定的源目录中的所有文件进行合并，写入指定的本地文件。-nl
是可选的，用于指定在每个文件结尾添加一个换行符。
hadoop fs -getmerge [-nl] 。

（18）功能：以本地文件系统中复制<1ocalsrc>指定的单个或多个源文件到指定的目标文件系统中，也支持从标准输人(stdin
）中读取输人并写人目标文件系统。
hadoop fs-put 。

（19）功能：与put 命令功能相同，但是文件上传结束后会从本地文件系统中删除指定的文件。
hadoop fs-moveFromLocal 。

（20）功能：将文件从源路径移动到目标路径
hadoop fs -mv 。

（21）功能：删除

指定的文件，只删除非室日录和文件。 

hardoop 1s -rm

 。 

（22）功能：除

指定的文什实及其下的所有文件，-r选项表示删除子目录。 

hadop fs -rm -r

 。 

（23）功能：改变

指定的文件的副本系数，-R 选项用于递归政变目录下所有文件的副本系数。 

hadoop fs-setrep [-R]

 。 

（24）功能：检查

指定的文什或文件夾的相关信息。不同选项的作用如下。 

hadoop fs -test -[ezd]

 。 ①-e检查文件是否存在，如果存在则返回0，否则返回 1。 ②-z检查文件是否是 0字节，如果是则返回 0，否则返回1。 ③ -d如果路径是个日录，则返回1，否则返回 0。 

（25）功能：将

指定的文什输出为文木格式，文件的格式世允许是zip和TextRecordinputStream 等 

hadoop ts -text

 。 

（26）查看帮助
hdfs dfs -help
（27）查看当前目录信息
hdfs dfs -ls /
（28）上传文件
hdfs dfs -put /本地路径 /hdfs路径
（29）剪切文件
hdfs dfs -moveFromLocal a.txt /aa.txt
（30）下载文件到本地
hdfs dfs -get /hdfs路径 /本地路径
（31）合并下载
hdfs dfs -getmerge /hdfs路径文件夹 /合并后的文件
（32）创建文件夹
hdfs dfs -mkdir /hello
（33）创建多级文件夹
hdfs dfs -mkdir -p /hello/world
（34）移动hdfs文件
hdfs dfs -mv /hdfs路径 /hdfs路径
（35）复制hdfs文件
hdfs dfs -cp /hdfs路径 /hdfs路径
（36）删除hdfs文件
hdfs dfs -rm /aa.txt
（37）删除hdfs文件夹
hdfs dfs -rm -r /hello
（38）查看hdfs中的文件
hdfs dfs -cat /文件
hdfs dfs -tail -f /文件
（39）查看文件夹中有多少个文件
hdfs dfs -count /文件夹
（40）查看hdfs的总空间
hdfs dfs -df /
hdfs dfs -df -h /
（41）修改副本数
hdfs dfs -setrep 1 /a.txt

八、HDFS实验之通过JAVA-API访问HDFS

1、Hadoop用户下进入Ubuntu

图56：Hadoop用户下进入Ubuntu

2、把eclipse拖到/home/hadoop/Downloads下

图57：把eclipse拖到/home/hadoop/Downloads下

3、检查一下是不是整个Ubuntu都在hadoop用户下，是的话，解压到/uer/local

图58：确认是在hadoop用户下

在终端输入whoami，当出现hadoop表示现在是在hadoop用户下进行的操作（确保后面的操作能正常进行）。
进入Downloads查询当前文件夹所有文件，看eclipse安装包是否存在。

图59：解压eclipse安装包

在终端输入sudo tar -zxvf ./eclipse-4.7.0-linux.tar.gz -C /usr/local解压eclipse安装包。

图60：解压eclipse安装包完成

4、cd到解压后的文件夹/usr/local/eclipse，启动eclipse（启动指令./eclipse）

图61：检查解压情况

在终端cd到文件夹/usr/local内，查看是否有eclipse文件夹，如果有则解压成功。

图62：启动eclipse

在终端输入启动指令./eclipse启动eclipse。

5、默认workspace（这里必须是Hadoop用户下，如果是个人用户名下，就代表前面错误，你不是在Hadoop下完成的操作，会显示没有java路径）

图63：默认workspace

默认workspace点击launch进入下一步。

6、启动成功

图64：启动eclipse成功

7、新建工程后选择java project，然后next

图65：新建工程

8、输入工程名称，其他默认即可，然后点击next

图66：输入新建的工程名称

9、点击libraries，添加jar包，添加完成后点击finish

图67：添加jar包

图68：添加jar包

选择add external jars进行添加jar包。

图69：添加jar包

图70：添加jar包

图71：添加第一个路径的jar包

注意路径，一般进来会直接选中第一个文件夹，这个时候需要取消选中在选择需要的jar包。

图72：添加第一个路径的jar包成功

图73：添加第二个路径的jar包

图74：添加第三个路径的jar包

图75：添加第四个路径的jar包

图76:4个路径的jar包添加完成

10、出现如下框点击open perspective

图77：点击open perspective

11、右键→New→class

图78：右键→New→class

12、右键→New→class

图79：给新建class起名

13、创建成功后出现如下界面，输入案例代码

图80：创建成功

图81：输入案例代码

图82：运行主程序

图83：出现报错

运行主程序后报错，说明程序有问题，经过检查发现需要改代码以及放入文件。

图84：将7个文件复制到hadoop的Downloads内

图85：启动hdfs

在终端输入./sbin/start-dfs.sh启动hsfd。

图86：将file1.txt上传到分布式文件系统

在终端输入bin/hdfs dfs -put /home/hadoop/Downloads/file.txt input将file1.txt上传到分布式文件系统.(bin/hdfs dfs是指令前缀,-put是命令，/home/hadoop/Downloads/file.txt是源，input是目标。）
通过bin/hdfs dfs -ls input查看刚刚是否成功将file1.txt上传到分布式文件系统。

图87：将剩下的6个文件上传到分布式文件系统

重复刚刚的指令，将源改成对应的文件名，将file2.txt，file3.txt，file4.txt，file5.txt，file4.abc，file5.abc六个文件上传到分布式文件系统。

图88：查看是否成功将文件上传到分布式文件系统

通过bin/hdfs dfs -ls input查看是否成功将文件上传到分布式文件系统。

图89：打开eclipse

cd到/usr/local/eclipse，通过指令./eclipse启动eclipse（注意要在启动hdfs后再启动eclipse）。

图90：修改程序并运行

经过检查代码，我发现在主函数里面的第二行"hdfs://localhost:9000/user/hadoop/"的后面少了input，加上input后运行程序便能出现输出文件的结果，但是有个问题出现，输出的只过滤掉了.abc文件，还有.xml文件没有过滤掉。

图91：对程序进行理解

通过对于代码的了解，我知道了PathFilter 接口里面的accept方法可以过滤掉文件名满足特定条件的文件。以及可以通过FileStatus[] sourceStatus = fsSource.listStatus(inputPath,new MyPathFilter(“.*.abc”)); 来过滤掉输入目录中后缀为.abc的文件。

图92：修改程序并输出所需结果

我将PathFilter 接口里面的accept方法进行了修改，把false与true的位置进行了替换，使得方法的用处不在是可以过滤掉文件名满足特定条件的文件，而是可以过滤掉除了特定条件的其他文件，也就是说只输出所需要的文件。
最后通过FileStatus[] sourceStatus = fsSource.listStatus(inputPath,new MyPathFilter(“.*.txt”));只输出hdfs://localhost:9000/user/hadoop/input里面所有.txt结尾的文件。入图92所示输出了所需要的结果。

图93：关闭hdfs

关闭eclipse后，在终端输入./sbin/stop-dfs.sh关闭hdfs。