撰文目的：记录 NUAA 2022-2023 学年第一学期选修实验课的过程，也希望对后面学这门课程的同学有所帮助。
主要参考链接：https://blog.csdn.net/catharryy/article/details/9186757
Hadoop实验教程部分由老师给出，这部分内容非常详细，我在自己实践的基础上稍加改动了一些。
Hadoop****实验教程
一、安装虚拟机软件VirtualBox （Vmware Workstation也可）
这里我选择的是Vmware Workstation。
二、使用VirtualBox新建虚拟机并安装Ubuntu系统
提示：硬盘不要分太小，后续计算有出问题的可能性
Ubuntu镜像下载地址 https://ubuntu.com/download/desktop
若遇到关于虚拟机的安装问题，请自行解决，此处不做过多阐述。
唯一要提醒大家的是：虚拟机用户名尽量能体现自己的身份（比如名字拼写之类的），这样就可以跳过第三个步骤了。
三、创建一个新账户（教程中红色hadoop为用户名，黑色hadoop为文件夹）
** 1、使用CTRL+ALT+T打开命令行终端，输入命令创建新用户**
sudo useradd -m hadoop -s /bin/bash
说明：-m表示自动创建用户目录（/home/hadoop），hadoop是用户名，-s表示使用/bin/bash作为shell (注意用户名能体现是自己做的)
** 2、给新用户设置密码**
sudo passwd hadoop
说明：输入两次新密码
** 3、给新用户增加管理员权限**
sudo adduser hadoop sudo
** 4、注销当前用户，并以新用户登录（登录新建的hadoop账户）**
四、在Ubuntu中挂载共享文件夹
VirtualBox****：
** 1、“设备”->“共享文件夹”，记住共享文件夹的共享名**
** 2、“设备”->“安装增强功能“**
说明：安装好了，桌面上会出现光盘图标VBox_GAs_5.2.18和一个虚拟盘sf_VirtualBoxShare
3****、进入目录/media/hadoop/VBox_GAs_5.2.18，执行命令./VBoxLinuxAddtion.run
** 4、将共享文件夹挂载到Ubuntu的一个文件夹**
（1）创建挂载的目标文件夹
mkdir ~/share
（2）挂载
格式：mount -t vboxsf 共享名 本地目录
mount -t vboxsf VirtualBoxShare ~/share
说明：VirtualBox是共享文件夹的共享名，share目录需要事先在家目录（~，即/home/hadoop） 下创建
** 5、设置vbox共享粘贴板**
“设备”->“共享粘贴板”->“双向“
说明：这样在真机和虚拟机之间可以任意的复制和粘贴。
Vmware Workstation****：
**1.**依次点击VMWare窗口左上方的“虚拟机”、“设置”
**2.**弹出的对话框中依次点击“选项”、“共享文件夹”、“下一步”
**3.**选择要共享的文件夹路径，并填写名称。
**4.**进入虚拟机，安装VMware Tools：依次点击“虚拟机”、“重新安装VMware Tools”（1. 具体安装方法自行查找2. 如果该选项是灰色，说明已经安装好，无需再次安装）
**5.**至此，在/mnt/hgfs/下应该就能看到刚才在虚拟机中设置的windows下的共享文件夹vmshare了
**6.**如果到上面一步时/mnt/hgfs/下没有共享文件夹,再加一条命令即可：
vmhgfs-fuse .host:/ /mnt/hgfs/
这时把你在windows下的文件放入共享文件夹vmshare中，再回到Ubuntu中，cd 到/mnt/hgfs/vmshare，就可以看到这些共享的文件了。
五、安装一些必要的工具
** 1、更新apt-get**
sudo apt-get update (执行这一步之前可将用户模式切换到根模式——输入sudo -s)
说明：apt-get是用来安装软件的工具
** 2、安装ssh服务**
apt-get install openssh-server
说明：ssh是机器之间远程登录的服务
** 3、安装vim (如果不习惯使用vim编辑器可不安装)**
apt-get install vim
六、配置免密登录
** 1、禁用防火墙 **
ufw disable
ufw status //查看防火墙状态
2****、生成密钥对
** ssh localhost（测试一下 SSH 是否可用，要在用户模式下登录**——在此之前输入su hadoop）
exit
** **cd ~/.ssh
ssh-keygen -t rsa
说明：一路回车，在~/.ssh目录会生成一个两个文件，id_rsa和id_rsa.pub
** 3、将公钥复制到localhost**
ssh-copy-id localhost
说明：也可cat ./id_rsa.pub >> ./authorized_keys，这样~/.ssh目录又会多一个文件authorized_keys
** 4、登录测试 **
ssh localhost （看是否需要输入密码）
** 5、退出与localhost的连接**
exit
七、安装并配置jdk
** 1、在家目录（~）下新建/app 文件夹**
mkdir ~/app
说明：后面的jdk、hadoop等都安装在此
2****、在真机中将jdk、hadoop的安装包复制到真机的共享文件夹中
jdk****、hadoop安装包下载地址（hadoop尽量下载最新的适用版本，jdk下载jdk8的版本）
https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
https://mirrors.cnnic.cn/apache/hadoop/common/hadoop-2.10.1/
** 3、安装jdk**
tar -zxvf /mnt/hgfs/vmshare/jdk-8u311-linux-x64.tar.gz -C ~/app
mv ~/app/jdk1.8.0_311 ~/app/jdk (注意文件名匹配)
** 4、配置jdk**
（1）编辑配置文件.bashrc
vim ~/.bashrc （不习惯用vim编辑器可改用 gedit ~/.bashrc，下同）（稍微提一下vim，可能经常用到的：i -> 插入模式，此时可以在文件任意位置编辑内容；编辑完成后，按下Esc键，依次输入 **:wq **即可完成保存）
export JAVA_HOME=/home/hadoop/app/jdk
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JRE_HOME/lib
export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
这段内容可以复制到文件末尾，注意修改红字部分
（2）编译配置文件
source ~/.bashrc
（3）测试jdk
java -version
八、安装hadoop
** 1、安装hadoop**
tar -zxvf /mnt/hgfs/vmshare/hadoop-2.10.1.tar.gz -C ~/app //解压
mv ~/app/hadoop-2.10.1 ~/app/hadoop //改名 (注意文件名匹配)
sudo chown -R hadoop ./hadoop //修改hadoop权限
** 2、配置hadoop**
（1）配置环境变量
vim ~/.bashrc，添加或修改以下语句：
export HADOOP_HOME=/app/hadoop
export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
source ~/.bashrc //编译生效
（2）配置hadoop-env.sh
vim ~/app/hadoop/etc/hadoop/hadoop-env.sh
找到export JAVA_HOME=${JAVA_HOME}这一行，将其修改为：
export JAVA_HOME=/home/hadoop/app/jdk
（3）配置core-site.xml (均位于~/app/hadoop/etc/hadoop/，下同)
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/app/hadoop/tmp</value>
</property>
</configuration>
（4）配置hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
（5）配置mapred-site.xml
说明：需将mapred-site.xml.template复制成mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
（6）配置yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
九、运行hadoop
** 1、格式化namenode**
cd ~/app/hadoop/bin
./hadoop namenode -format
说明：首次运行须格式化，以后运行就不需要这一步。格式化后会在core-site.xml中hadoop.tmp.dir所指定的目录中生成name文件夹。
** 2、运行hadoop (要在用户模式下)**
cd ~/app/hadoop/sbin
./start-all.sh
** 3、查看进程：**
jps
14262 NameNode
15976 NodeManager
14385 DataNode
15884 ResourceManager
14601 SecondaryNameNode
16120 Jps
如果出现以上进程（前面的数字不一定一致），说明hadoop环境搭建成功，分布式系统启动完成。
** 4、webUI查看（在虚拟机中的网络浏览器查看）**
http://localhost:50070 //查看hdfs
http://localhost:8088 //查看mapreduce作业情况
十、测试wordcount程序
** 1、生成单词文件**
mkdir ~/tmp
echo 'hello world hello hadoop' > ~/tmp/word1.txt
echo 'hive run on hadoop' > ~/tmp/word2.txt
** 2、上传至hdfs**
（1）在hdfs上新建输入数据的目录(在**~/app/hadoop/bin目录下**)
./hdfs dfs -mkdir /input
（2）上传文件
./hdfs dfs -put ~/tmp/word*.txt /input
** 3、运行hadoop自带的单词计数程序 **
./hadoop jar ~/app/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /input output
注：这里的红字部分可能需要修改，这时你需要去对应的路径下查看文件名，按实际情况进行修改，比如我在做这一步骤的时候，就将2.7.3修改成了2.10.1
4****、查看结果
./hdfs dfs -cat /user/hadoop/output/part-r-00000
可以看到每个单词出现的次数
十一、实现并测试矩阵相乘程序（必做）
由于伪分布式环境下，节点性能有限，尤其是跑在虚拟机环境下，试了一下跑500500的矩阵，Map到66%左右就发现虚拟机硬盘爆了，所以，为了测试算法的正确性，下面使用5050的矩阵来运行。只要算法是恰当的，数据规模可以随硬件支持程度而改变。
参考博客 https://blog.csdn.net/catharryy/article/details/9186757
若对具体实现思路有兴趣，可以看看上面这篇文章，这里只说要实际操作的部分。
1、在**~/app/hadoop**目录下新建一个名为 local_matrix 的文件夹
2、在 local_matrix 文件夹下新建一个名为 MartrixMultiplication 的java文件，
参考 https://github.com/intergret/snippet/blob/master/MartrixMultiplication.java
文件内容如下（在链接所示的代码基础上略微改动）：
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
public class MartrixMultiplication{
public static class MartrixMapper extends Mapper<Object, Text, Text, Text>{
private Text map_key = new Text();
private Text map_value = new Text();
int rNumber = 50;
int cNumber = 50;
String fileTarget;
String i, j, k, ij, jk;
public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
String eachterm[] = value.toString().split("#");
fileTarget = eachterm[0];
if(fileTarget.equals("M")){
i = eachterm[1];
j = eachterm[2];
ij = eachterm[3];
for(int c = 1; c<=cNumber; c++){
map_key.set(i + "#" + String.valueOf(c));
map_value.set("M" + "#" + j + "#" + ij);
context.write(map_key, map_value);
}
}else if(fileTarget.equals("N")){
j = eachterm[1];
k = eachterm[2];
jk = eachterm[3];
for(int r = 1; r<=rNumber; r++){
map_key.set(String.valueOf(r) + "#" +k);
map_value.set("N" + "#" + j + "#" + jk);
context.write(map_key, map_value);
}
}
}
}
public static class MartrixReducer extends Reducer<Text,Text,Text,Text> {
private Text reduce_value = new Text();
int jNumber = 50;
int M_ij[] = new int[jNumber+1];
int N_jk[] = new int[jNumber+1];
int j, ij, jk;
String fileTarget;
int jsum = 0;
public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
jsum = 0;
for (Text val : values) {
String eachterm[] = val.toString().split("#");
fileTarget = eachterm[0];
j = Integer.parseInt(eachterm[1]);
if(fileTarget.equals("M")){
ij = Integer.parseInt(eachterm[2]);
M_ij[j] = ij;
}else if(fileTarget.equals("N")){
jk = Integer.parseInt(eachterm[2]);
N_jk[j] = jk;
}
}
for(int d = 1; d<=jNumber; d++){
jsum += M_ij[d] * N_jk[d];
}
reduce_value.set(String.valueOf(jsum));
context.write(key, reduce_value);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length != 2) {
System.err.println("Usage: MartrixMultiplication <in> <out>");
System.exit(2);
}
Job job = new Job(conf, "martrixmultiplication");
job.setJarByClass(MartrixMultiplication.class);
job.setMapperClass(MartrixMapper.class);
job.setReducerClass(MartrixReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
3、进入 local_matrix 文件目录下，在终端输入
javac MartrixMultiplication.java -cp $(~/app/hadoop/bin/hadoop classpath) ，
此时目录下多出了一个MartrixMultiplication.class文件
4、接着在终端依次输入：
cd ..
jar -cvf local_matrix/MartrixMultiplication.jar -C local_matrix/ .
此时 local_matrix文件夹下又多出两个class文件和一个jar文件
5、回到根目录，创建一个名为 input2 的文件夹，在里面新建两个文件 M.data 和 N.data
M.data中的数据形式为：（一行一个数据）
M#a#b#c 表示M矩阵第a行第b列的值是c；
N.data中的数据形式为：（一行一个数据）
N#a#b#c 表示M矩阵第a行第b列的值是c；
注：1 <= a，b <= 50，c = 1
6、在hdfs上新建输入数据的目录(在**~/app/hadoop/bin目录下**)
./hdfs dfs -mkdir /input2
7、上传文件
./hdfs dfs -put ~/input2/*.data /input2
8、运行
./hadoop jar ~/app/hadoop/local_matrix/MartrixMultiplication.jar MartrixMultiplication /input2 output2
9、查看结果
./hdfs dfs -cat /user/hadoop/output2/part-r-00000
正确的结果图（部分）
版权归原作者 Avitimber 所有， 如有侵权，请联系我们删除。