Ubuntu18.04中Hadoop3.1.3安装教程（单机/伪分布式配置）

参考文章

厦门大学数据库实验室 / 林子雨出品http://dblab.xmu.edu.cn/blog/2441-2/

环境要求

Ubuntu 18.04 64位
hadoop-3.1.3.tar
jdk-8u162-linux-x64.tar

安装过程

首先我们需要一个已经安装成功的Ubuntu系统，安装过程可参考我之前的文章：
vmware15.5.0安装Ubuntu18.04.5详细配置

创建用户

改用户名的原因：最开始的用户是我们自己创建的，在后期的学习中用户名改为hadoop会更加方便。下图是创建用户前。

在Ubuntu系统中打开终端，输入指令创建hadoop新用户。

sudo useradd -m hadoop -s /bin/bash  #创建用户
sudo passwd hadoop  #设置密码
sudo adduser hadoop sudo  #提权

注意：sudo是用高级权限执行指令，需要输入密码，在Linux中输入密码不会显示，自己只管输入，没用显示是正常现象。
在这里插入图片描述

以上步骤完成后需要注销用户重新登录（也可选择重启虚拟机）。点击屏幕右上角的齿轮，选择注销），返回登陆界面。在登陆界面中选择刚创建的 hadoop 用户进行登陆。

注销之后就可以在我们的登录界面看到我们新注册的hadoop用户。输入密码登录hadoop用户。

更新apt和安装编辑器

由于系统内置的软件版本可能会和我们用到的软件的版本不一致，所以需要升级apt。终端输入以下指令。

sudo apt-get update

安装vim编辑器和gedit编辑器，遇见Y输y就好。

sudo apt-get install vim

sudo apt-get install gedit

浅述vim与gedit不同：
vim：不能随意定位光标，编辑是需要按

i

键，退出编辑

esc

键，保存需要先按esc键，在打出

:wq

（w是保存，q是退出）。
复制：

Ctrl+shift+C

粘贴是

Ctrl+shift+V

gedit：可以用法与window文本编辑一样。
复制：

Ctrl+C

粘贴：

Ctrl+V

保存：

Ctrl+S

安装SSH、配置SSH无密码登陆

为了实现免密和远程登录。

sudo apt-get install openssh-server

安装后用ssh localhost登录本机

ssh localhost

首次登陆会有提示，输入 yes 。然后按提示输入密码。

此时登录ssh还是需要输入密码为了方便我们将其配置成无密码登陆。首先退出登录的ssh，然后加入授权。

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

注意千万不要跳步骤，连贯性完成，不然容易出错。

然后再次输入ssh localhost，就可以免密登录了。

ssh localhost

安装配置Java环境

首先我们通过共享文件夹或Xftp传输jdk和hadoop的安装文件：jdk-8u162-linux-x64.tar和hadoop-3.1.3.tar。
共享文件夹配置方法：
实现共享粘贴板，共享文件夹
Xftp使用：
Xshell、Xftp连接虚拟机
我这里为了方便使用了Xftp传输文件，直接拖拽就好。这里将hadoop文件和jdk文件都传输了。

传输后可以直接在虚拟机中看到，将文件移动到到下载里面。（为了好利用指令处理）直接选中拖拽即可。

打开终端执行以下指令。

cd /usr/lib
sudo mkdir jvm #创建/usr/lib/jvm目录用来存放JDK文件
cd ~ 
cd 下载 
sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm  #把JDK文件解压到/usr/lib/jvm目录下

创建文件夹/usr/lib保存jdk文件。

执行指令查看文件夹是否存在。

cd /usr/lib/jvm
ls

文件夹存在即为正确。

接下来配置环境变量，打开环境文件。

cd ~
vim ~/.bashrc

将下面代码输入

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

vim编辑用

i

键

编辑完成后先按

esc

键，再输入

:wq

会在界面左下方显示。

如果实在不会用vim，可以用gedit编辑。但是要注意用gedit编辑千万不要动到源文件代码，哪怕多一个符号也可能会出问题。
添加成功后输入下面指令让修改生效。

source ~/.bashrc

输入以下指令查看jdk是否安装成功也是查看jdk版本号的代码。

java -version

出现下面信息说明安装成功。

安装 Hadoop3.1.3

之前已经将安装包放在下载里了，所以直接解压就可以。

sudo tar -zxf ~/下载/hadoop-3.1.3.tar.gz -C /usr/local
cd /usr/local/
sudo mv./hadoop-3.1.3/ ./hadoop            # 将文件夹名改为hadoop
sudo chown -R hadoop ./hadoop       # 修改文件权限

hadoop解压后直接就可以使用。
检查是否成功解压也是查看hadoop版本号的指令。

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

出现以下信息即为成功。

配置过程

Hadoop单机配置(非分布式)

利用hadoop自带的例子测试。

cd /usr/local/hadoop
mkdir ./input
cp./etc/hadoop/*.xml ./input   # 将配置文件作为输入文件./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar grep ./input ./output 'dfs[a-z.]+'cat./output/*# 查看运行结果

这中间会出现很多信息，但是不用管，最后结果如下就好。
出现：
1 dfsadmin

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(即输出文件) 删除

rm-r ./output

Hadoop伪分布式配置

修改core-site.xml文件

gedit ./etc/hadoop/core-site.xml

在

<configuration> </configuration>

中间添加代码

 <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>

添加前：

添加后：

直接Ctrl+S保存就好。关闭后修改文件文件 hdfs-site.xml

gedit ./etc/hadoop/hdfs-site.xml

同理，在

<configuration> </configuration>

中间添加代码

 <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>

添加后：

注意代码不能多也不能少。配置完成后，执行 NameNode 的格式化

cd /usr/local/hadoop
./bin/hdfs namenode -format

下面是反馈信息的前部分和后部分

WARNING: /usr/local/hadoop/logs does not exist. Creating.
2022-07-23 23:29:21,335 INFO namenode.NameNode: STARTUP_MSG: 
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG:   host = crush-virtual-machine/127.0.1.1
STARTUP_MSG:   args = [-format]
STARTUP_MSG:   version = 3.1.3
STARTUP_MSG:   classpath = /usr/local/hadoop/etc/hadoop:/usr/local/hadoop/share/hadoop/common/lib/accessors-smart-1.2.jar:

..........（省略的部分）

2022-07-23 23:29:22,983 INFO namenode.FSImage: Allocated new BlockPoolId: BP-1971598584-127.0.1.1-1658590162973
2022-07-23 23:29:22,998 INFO common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted.
2022-07-23 23:29:23,051 INFO namenode.FSImageFormatProtobuf: Saving image file /usr/local/hadoop/tmp/dfs/name/current/fsimage.ckpt_0000000000000000000 using no compression
2022-07-23 23:29:23,175 INFO namenode.FSImageFormatProtobuf: Image file /usr/local/hadoop/tmp/dfs/name/current/fsimage.ckpt_0000000000000000000 of size 393 bytes saved in 0 seconds .
2022-07-23 23:29:23,196 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
2022-07-23 23:29:23,202 INFO namenode.FSImage: FSImageSaver clean checkpoint: txid = 0 when meet shutdown.
2022-07-23 23:29:23,207 INFO namenode.NameNode: SHUTDOWN_MSG: 
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at crush-virtual-machine/127.0.1.1
************************************************************/

一般报错为java的错，若出错请仔细检查jdk安装与配置和 core-site.xml与hdfs-site.xml文件的配置是否出现多个字符少个字符的情况。

尝试启动hadoop，开启 NameNode 和 DataNode 进程。

cd /usr/local/hadoop
./sbin/start-dfs.sh  

输入

jps

查看进程。

jps

如下图出现4个进程说明配置成功

即伪分布式配置成功。尝试运行实例。
首先在 HDFS 中创建用户目录。

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

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

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

复制完成后，可以通过如下命令查看文件列表：

./bin/hdfs dfs -ls input

伪分布式运行 MapReduce 作业的方式跟单机模式相同：

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar grep input output 'dfs[a-z.]+'

查看运行结果。

./bin/hdfs dfs -cat output/*

将运行结果取回到本地，在本地查看。

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

为了避免重复最后删除 output 文件夹

./bin/hdfs dfs -rm-r output    # 删除 output 文件夹

最后关闭 Hadoop.

./sbin/stop-dfs.sh

注意：伪分布式的使用必须开启

./sbin/start-dfs.sh

和关闭

./sbin/stop-dfs.sh

，异常关闭可能会使下次使用出现错误。
至此，完成了Hadoop3.1.3的安装与单机/伪分布式配置并测试。