Hadoop 安装与伪分布的搭建

1 Hadoop 安装与伪分布的搭建

2 Hadoop词频统计

Rocky Linux 9.4 （CentOS同样适用）

hadoop版本 3.3.6

java ： jdk1.8

1 SSH免密登录

1.1 修改主机名称

[root@localhost ~]# hostnamectl set-hostname hadoop

退出重新登录

[root@localhost ~]# exit

1.2 修改hosts文件

[root@hadoop ~]# vim /etc/hosts

1.3 创建hadoop用户

[root@hadoop ~] useradd -m hadoop -s /bin/bash
[root@hadoop ~] ls /home/
hadoop  rocky
# 设置用户密码
[root@hadoop ~] passwd hadoop
更改用户 hadoop 的密码 。
新的密码： 
重新输入新的密码： 
passwd：所有的身份验证令牌已经成功更新。
[root@hadoop ~] ssh hadoop@hadoop
hadoop@hadoop's password: 
Last failed login: Sat Jun 29 15:08:33 CST 2024 from 192.168.239.131 on ssh:notty
There were 2 failed login attempts since the last successful login.
[hadoop@hadoop ~]$ exit
注销

1.4 生成密钥对免密登录

使用su - hadoop 登录hadoop 账户

[root@hadoop /]# su - hadoop

# 创建秘钥对，为免密登录做准备
[hadoop@hadoop ~]$ ssh-keygen -t rsa -b 4096
Generating public/private rsa key pair.
Enter file in which to save the key (/home/hadoop/.ssh/id_rsa): 
Enter passphrase (empty for no passphrase): 
Enter same passphrase again: 
Your identification has been saved in /home/hadoop/.ssh/id_rsa
Your public key has been saved in /home/hadoop/.ssh/id_rsa.pub
The key fingerprint is:
SHA256:NVZ+2Ur09zHUadG9KMNkwOnh1wodT3SUpR9ae6xM+wo hadoop@hadoop1
The key's randomart image is:
+---[RSA 4096]----+
|        ..o o.o=X|
|         + * ooO+|
|        o X * B==|
|         * B *o=B|
|        S o +.o.=|
|           . o o.|
|            E +  |
|             . . |
|              ...|
+----[SHA256]-----+

[hadoop@hadoop ~]$ ssh-copy-id root@hadoop
/usr/bin/ssh-copy-id: INFO: Source of key(s) to be installed: "/home/hadoop/.ssh/id_rsa.pub"
/usr/bin/ssh-copy-id: INFO: attempting to log in with the new key(s), to filter out any that are already installed
/usr/bin/ssh-copy-id: INFO: 1 key(s) remain to be installed -- if you are prompted now it is to install the new keys
root@hadoop1's password: 

Number of key(s) added: 1

Now try logging into the machine, with:   "ssh 'root@hadoop1'"
and check to make sure that only the key(s) you wanted were added.

# 给本机免密登录
[hadoop@hadoop ~]$ ssh-copy-id hadoop
/usr/bin/ssh-copy-id: INFO: Source of key(s) to be installed: "/home/hadoop/.ssh/id_rsa.pub"
/usr/bin/ssh-copy-id: INFO: attempting to log in with the new key(s), to filter out any that are already installed
/usr/bin/ssh-copy-id: INFO: 1 key(s) remain to be installed -- if you are prompted now it is to install the new keys
hadoop@hadoop1's password: 

Number of key(s) added: 1

Now try logging into the machine, with:   "ssh 'hadoop1'"
and check to make sure that only the key(s) you wanted were added.

# 测试免密登录是否成功
[hadoop@hadoop ~]$ ssh hadoop
Last login: Sat Jun 29 15:32:19 2024 from fe80::20c:29ff:fe33:d160%ens160
[hadoop@hadoop ~]$ exit
注销

命令行输入 ssh hadoop 不需要密码即成功

2 搭建hadoop环境与jdk环境

2.1 将下载好的压缩包进行解压

解压路径为

hadoop : /opt/hadoop

jdk : /opt/jdk

[root@hadoop ~] ls
hadoop-3.3.6.tar.gz  jdk-8u162-linux-x64.tar.gz 公共  模板  视频  图片  文档  下载  音乐  桌面  anaconda-ks.cfg  test

[root@hadoop ~] mkdir -p /opt/jdk
[root@hadoop ~] mkdir -p /opt/hadoop
[root@hadoop ~] tar -xzf jdk-8u162-linux-x64.tar.gz -C /opt/jdk
[root@hadoop ~] tar -xzf hadoop-3.3.6.tar.gz -C /opt/hadoop
[root@hadoop ~] cd /opt
[root@hadoop opt] ls
hadoop  jdk  rh  soft

2.2 编写hadoop环境变量脚本文件

添加路径到path环境变量中

[hadoop@hadoop ~]$ exit

[root@hadoop ~] # vim /etc/profile.d/hadoop-eco.sh

创建脚本文件，加入以下环境变量路径

JAVA_HOME=/opt/jdk
PATH=$JAVA_HOME/bin:$PATH

HADOOP_HOME=/opt/hadoop
PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

# HADOOP_USER
export HDFS_NAMENODE_USER=hadoop
export HDFS_DATANODE_USER=hadoop
export HDFS_SECONDARYNAMENODE_USER=hadoop
export YARN_RESOURCEMANAGER_USER=hadoop
export YARN_NODEMANAGER_USER=hadoop
export HDFS_JOURNALNODE_USER=hadoop
export HDFS_ZKFC_USER=hadoop

• HDFS_NAMENODE_USER=hadoop：指定HDFS NameNode服务的运行用户。NameNode负责管理文件系统的命名空间，包括文件和目录的元数据。
• HDFS_DATANODE_USER=hadoop：指定HDFS DataNode服务的运行用户。DataNodes存储实际的数据块，是HDFS数据存储的主要组成部分。
• HDFS_SECONDARYNAMENODE_USER=hadoop：指定HDFS Secondary NameNode服务的运行用户。Secondary NameNode并不存储集群的实时状态，但它定期合并NameNode的fsimage和editlogs文件，减少NameNode的启动时间。
• YARN_RESOURCEMANAGER_USER=hadoop：指定YARN ResourceManager服务的运行用户。ResourceManager是YARN中的主控服务，负责集群资源的分配和管理工作。
• YARN_NODEMANAGER_USER=hadoop：指定YARN NodeManager服务的运行用户。NodeManagers运行在每个集群节点上，负责容器的生命周期管理。
• HDFS_JOURNALNODE_USER=hadoop：指定HDFS JournalNode服务的运行用户。JournalNodes用于在HA（High Availability）配置中存储NameNode状态的编辑日志，以保证数据的一致性。
• HDFS_ZKFC_USER=hadoop：指定ZooKeeper Failover Controller（ZKFC）的运行用户。ZKFC用于监控NameNode的状态，并在检测到故障时触发failover，切换到备用NameNode。

通过设置这些环境变量，你确保了Hadoop的各个服务将以

hadoop

用户的身份运行，而不是以root或其他用户运行。这不仅增强了系统的安全性，还便于管理和审计。在Hadoop的启动脚本中，这些变量会被读取并应用到相应的服务启动过程中

2.3 修改hadoop配置文件，指定jdk路径

[root@hadoop ~]# vim /opt/hadoop/etc/hadoop/hadoop-env.sh

这个变量指定了 Java 的安装位置。Hadoop 依赖于 Java 运行，因此必须正确设置此变量，指向你的 Java 安装目录。

增加以下行，注意此路径为java环境变量的路径

运行修改后的脚本

[root@hadoop ~] source /opt/hadoop/etc/hadoop/hadoop-env.sh

2.4 查看环境是否搭建完成

输入hadoop version 和 java -version 查询版本号，检查环境是否配好

[root@hadoop ~] hadoop version
Hadoop 3.3.6
Source code repository https://github.com/apache/hadoop.git -r 1be78238728da9266a4f88195058f08fd012bf9c
Compiled by ubuntu on 2023-06-18T08:22Z
Compiled on platform linux-x86_64
Compiled with protoc 3.7.1
From source with checksum 5652179ad55f76cb287d9c633bb53bbd
This command was run using /opt/hadoop/share/hadoop/common/hadoop-common-3.3.6.jar

[root@hadoop ~] java -version
java version "1.8.0_162"
Java(TM) SE Runtime Environment (build 1.8.0_162-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.162-b12, mixed mode)

3 hadoop的启动

3.1 Hadoop 启动需要修改的配置文件

1、core-site.xml

    fs.defaultFS

    hadoop.tmp.dir

2、hdfs-site.xml

    dfs.replication => 1

    dfs.namenode.name.dir

    dfs.datanode.data.dir

3、mapred-site.xml

    mapreduce.framework.name =>yarn

4、yarn-site.xml

    yarn.resourcemanager.hostname => localhost

    yarn.nodemanager.aux-services => mapreduce_shuffle

3.2 配置文件的修改

1、core-site.xml

[root@hadoop hadoop] vim /opt/hadoop/etc/hadoop/core-site.xml

在configuration块中添加以下信息

<property>
       <name>fs.defaultFS</name>
       <value>hdfs://localhost:9000</value>
</property>
<property>
       <name>hadoop.tmp.dir</name>
       <value>file:///opt/hadoop-record/tep</value>
</property>

<configuration>

这是Hadoop配置文件的根标签，用于包含所有的配置属性。

<property>

这个标签用于定义一个具体的配置项，包括名称（

<name>

）和值（

<value>

）两部分。

<name>fs.defaultFS</name>

这个配置项指定了Hadoop的默认文件系统。在你的例子中，

hdfs://localhost:9000

表示Hadoop将使用运行在本地主机上的Hadoop分布式文件系统（HDFS），端口号为9000。

<name>hadoop.tmp.dir</name>

这个配置项定义了Hadoop存放临时文件的目录。这里设置为

file:///opt/hadoop-record/tep

，意味着所有Hadoop产生的临时文件将存储在本地文件系统的

/opt/hadoop-record/tep

目录下。

这些配置通常被写入到Hadoop的核心配置文件

core-site.xml

中，该文件位于Hadoop的配置目录

$HADOOP_HOME/etc/hadoop/

内。通过修改这些配置，可以指定Hadoop如何存储数据以及临时文件的存放位置，这对于优化性能和管理数据至关重要。

2、hdfs-site.xml

[root@hadoop hadoop] vim /opt/hadoop/etc/hadoop/hdfs-site.xml

在configuration块中添加以下配置

        <property>
                <name>dfs.replication</name>
                <value>1</value>
        </property>
        <property>
                <name>dfs.namenode.name.dir</name>
                <value>file:///opt/hadoop-record/name</value>
        </property>
                <property>
                <name>dfs.datanode.data.dir</name>
                <value>file:///opt/hadoop-record/data</value>
        </property>

<property>

每一个

<property>

标签都定义了一个具体的配置项，包括配置项的名称和对应的值。

<name>dfs.replication</name>

• 功能描述：此配置项决定了HDFS中数据块的默认复制因子。复制因子是指一个数据块在HDFS集群中存储的副本数量。
• 你的设置：你将其设置为1，这意味着数据块只在一个节点上保存一份副本，不进行冗余备份。在生产环境中，这通常是不推荐的做法，因为如果存储数据的节点出现故障，数据可能会丢失。但在测试或开发环境中，为了节省资源，有时会采用这种方式。

<name>dfs.namenode.name.dir</name>

• 功能描述：此配置项指定了NameNode存储元数据信息的本地文件系统目录。
• 你的设置：将其设置为file:///opt/hadoop-record/name，这意味着NameNode的元数据将存储在本地文件系统的/opt/hadoop-record/name目录下。

<name>dfs.datanode.data.dir</name>

• 功能描述：此配置项指定了DataNode存储实际数据块的本地文件系统目录。
• 你的设置：你将其设置为file:///opt/hadoop-record/data，这意味着DataNode的数据块将存储在本地文件系统的/opt/hadoop-record/data目录下。

3、mapred-site.xml

[root@hadoop hadoop] vim /opt/hadoop/etc/hadoop/mapred-site.xml

在configuration块中添加以下配置

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

<configuration>

这是Hadoop配置文件中的根元素，用于封装所有的配置项。

<property>

此标签定义了一个具体的配置属性，包含了属性的名称和值。

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

• 功能描述：此配置项指定了MapReduce作业执行时所依赖的资源管理和调度框架。在Hadoop生态系统中，YARN（Yet Another Resource Negotiator）是一个通用的资源管理系统，它不仅可以管理MapReduce作业，还可以支持其他类型的计算框架。
• 设置：将其设置为yarn，这意味着MapReduce作业将通过YARN来进行资源管理和调度。这是Hadoop 2.x版本及以后版本的默认设置，YARN提供了一个更加灵活和强大的平台，允许多种计算框架共存于同一集群中。

4、yarn-site.xml

[root@hadoop hadoop] vim /opt/hadoop/etc/hadoop/yarn-site.xml 

在configuration块中添加以下配置

        <property>
                <name>yarn.resourcemanager.hostname</name>
                <value>localhost</value>
        </property>
        <property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>

3.3 启动hadoop与权限修改

格式化namenode

[root@hadoop ~]# hdfs namenode -format

[root@hadoop ~]# start-all.sh

接下来启动hadoop会有可能发现以下问题，这是由于hadoop用户权限不足

修改权限

[root@hadoop ~]# chown -R hadoop:hadoop /opt/

3.4 再次启动hadoop

[root@hadoop opt]# start-all.sh

jsp 命令输出显示了当前运行在你的

hadoop

节点上的 Java 进程及其进程ID（PID）

[root@hadoop opt]# jps
9824 NameNode
10738 NodeManager
13539 Jps
10020 DataNode
10582 ResourceManager
10329 SecondaryNameNode

关闭防火墙

[root@hadoop opt]# systemctl stop firewalld

浏览器打开虚拟机的ip+端口号

http://192.168.239.132:9870/