1、准备工作
1.1 创建 hadoop 用户
如果你安装 CentOS 的时候不是用的 “hadoop” 用户,那么需要增加一个名为
hadoop 的用户。
首先点击左上角的 “应用程序” -> “系统工具” -> “终端”,首先在终端中输入 su ,
按回车,输入 root 密码以 root 用户登录,接着执行命令创建新用户 hadoop:
1. su # 上述提到的以 root 用户登录
2. useradd -m hadoop -s /bin/bash # 创建新用户hadoop
Shell 命令
如下图所示,这条命令创建了可以登陆的 hadoop 用户,并使用 /bin/bash 作
为 shell。
CentOS 创建 hadoop 用户
接着使用如下命令修改密码,按提示输入两次密码,可简单的设为 “hadoop”(密
码随意指定,若提示“无效的密码,过于简单”则再次输入确认就行):
1. passwd hadoop
Shell 命令
可为 hadoop 用户增加管理员权限,方便部署,避免一些对新手来说比较棘手
的权限问题,执行:
1. visudo
Shell 命令
如下图,找到 root ALL=(ALL) ALL 这行(应该在第 98 行,可以先按一下键盘
上的 ESC 键,然后输入 :98 (按一下冒号,接着输入 98,再按回车键),可以直
接跳到第 98 行 ),然后在这行下面增加一行内容:hadoop ALL=(ALL) ALL (当
中的间隔为 tab),如下图所示:
为 hadoop 增加 sudo 权限
sudo 是 linux 系统管理指令,是允许系统管理员让普通用户执行一些或者全部的 root 命令的一
个工具
添加上一行内容后,先按一下键盘上的 ESC 键,然后输入 :wq (输入冒号还有 wq,
这是 vi/vim 编辑器的保存方法),再按回车键保存退出就可以了。
最后注销当前用户(点击屏幕右上角的用户名,选择退出->注销),在登陆界面使
用刚创建的 hadoop 用户进行登陆。(如果已经是 hadoop 用户,且在终端中
使用 su 登录了 root 用户,那么需要执行 exit 退出 root 用户状态)
使用 hadoop 用户登录后,还需要安装几个软件才能安装 Hadoop。
CentOS 使用 yum 来安装软件,需要联网环境,首先应检查一下是否连上了网
络。如下图所示,桌面右上角的网络图标若显示红叉,则表明还未联网,应点击
选择可用网络。
检查是否联网
连接网络后,需要安装 SSH 和 Java。
1.2 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),一般情况下,CentOS 默认已安装了 SSH
client、SSH server,打开终端执行如下命令进行检验:
1. rpm -qa | grep ssh
Shell 命令
如果返回的结果如下图所示,包含了 SSH client 跟 SSH server,则不需要再
安装。
检查是否安装了 SSH
若需要安装,则可以通过 yum 进行安装(安装过程中会让你输入 [y/N],输入 y
即可):
1. sudo yum install openssh-clients
2. sudo yum install openssh-server
Shell 命令
接着执行如下命令测试一下 SSH 是否可用:
1. ssh localhost
Shell 命令
此时会有如下提示(SSH 首次登陆提示),输入 yes 。然后按提示输入密码
hadoop,这样就登陆到本机了。
测试 SSH 是否可用
但这样登陆是需要每次输入密码的,我们需要配置成 SSH 无密码登陆比较方便。
首先输入 exit 退出刚才的 ssh,就回到了我们原先的终端窗口,然后利用
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ss
h 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
5. chmod 600 ./authorized_keys # 修改文件权限
Shell 命令
~的含义
在 Linux 系统中,~ 代表的是用户的主文件夹,即 “/home/用户名” 这个目录,
如你的用户名为 hadoop,则 ~ 就代表 “/home/hadoop/”。 此外,命令中的 #
后面的文字是注释。
此时再用 ssh localhost 命令,无需输入密码就可以直接登陆了,如下图所示。
SSH 无密码登录
1.3 安装 Java 环境
Java 环境可选择 Oracle 的 JDK,或是 OpenJDK,现在一般 Linux 系统默
认安装的基本是 OpenJDK,如 CentOS 6.4 就默认安装了 OpenJDK 1.7。
按 http://wiki.apache.org/hadoop/HadoopJavaVersions 中说的,Hadoop 在
OpenJDK 1.7 下运行是没问题的。需要注意的是,CentOS 6.4 中默认安装的
只是 Java JRE,而不是 JDK,为了开发方便,我们还是需要通过 yum 进行安
装 JDK,安装过程中会让输入 [y/N],输入 y 即可:
1. sudo yum install java-1.7.0-openjdk java-1.7.0-openjdk-de
vel
Shell 命令
通过上述命令安装 OpenJDK,默认安装位置为 /usr/lib/jvm/java-1.7.0-openjdk
(该路径可以通过执行 rpm -ql java-1.7.0-openjdk-devel | grep
'/bin/javac' 命令确定,执行后会输出一个路径,除去路径末尾的 “/bin/javac”,
剩下的就是正确的路径了)。OpenJDK 安装后就可以直接使用 java、javac 等
命令了。
接着需要配置一下 JAVA_HOME 环境变量,为方便,我们在 ~/.bashrc 中进
行设置(扩展阅读: 设置 Linux 环境变量的方法和区别):
1. vim ~/.bashrc
Shell 命令
在文件最后面添加如下单独一行(指向 JDK 的安装位置),并保存:
1. export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk
Shell
如下图所示:
设置 JAVA_HOME 环境变量
接着还需要让该环境变量生效,执行如下代码:
1. source ~/.bashrc # 使变量设置生效
Shell 命令
设置好后我们来检验一下是否设置正确:
1. echo $JAVA_HOME # 检验变量值
2. java -version
3. $JAVA_HOME/bin/java -version # 与直接执行 java -version 一
样
Shell 命令
如果设置正确的话,$JAVA_HOME/bin/java -version 会输出 java 的版本信息,
且和 java -version 的输出结果一样,如下图所示:
成功设置 JAVA_HOME 环境变量
这样,Hadoop 所需的 Java 运行环境就安装好了。
3、安装 Hadoop 2
3.1 下载安装文件
Hadoop 2 可以通过 http://mirror.bit.edu.cn/apache/hadoop/common/ 或
者 http://mirrors.cnnic.cn/apache/hadoop/common/下载,本教程选择的是
2.6.0 版本,下载时请下载 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。
下载时强烈建议也下载 hadoop-2.x.y.tar.gz.mds 这个文件,该文件包含了检验
值可用于检查 hadoop-2.x.y.tar.gz 的完整性,否则若文件发生了损坏或下载不
完整,Hadoop 将无法正常运行。
本文涉及的文件均通过浏览器下载,默认保存在 “下载” 目录中(若不是请自行
更改 tar 命令的相应目录)。另外,如果你用的不是 2.6.0 版本,则将所有命
令中出现的 2.6.0 更改为你所使用的版本。
1. cat ~/下载/hadoop-2.6.0.tar.gz.mds | grep 'MD5' # 列出md5
检验值
2. # head -n 6 ~/下载/hadoop-2.7.1.tar.gz.mds # 2.7.1 版本格式
3. md5sum ~/下载/hadoop-2.6.0.tar.gz | tr "a-z" "A-Z" # 计算m
变了,可以用这种方式输出
d5 值,并转化为大写,方便比较
Shell 命令
若文件不完整则这两个值一般差别很大,可以简单对比下前几个字符跟后几个字
符是否相等即可,如下图所示,如果两个值不一样,请务必重新下载。
检验文件完整性
我们选择将 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 ./hadoop # 修改文件权限
Shell 命令
Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用,成功则会
显示 Hadoop 版本信息:
1. cd /usr/local/hadoop
2. ./bin/hadoop version
Shell 命令
相对路径与绝对路径
请务必注意命令中的相对路径与绝对路径,本文后续出现
的 ./bin/...,./etc/... 等包含 ./ 的路径,均为相对路径,以
/usr/local/hadoop 为当前目录。例如在 /usr/local/hadoop 目录中执
行 ./bin/hadoop version 等同于执行 /usr/local/hadoop/bin/hadoop version。
可以将相对路径改成绝对路径来执行,但如果你是在主文件夹 ~ 中执
行 ./bin/hadoop version,执行的会是 /home/hadoop/bin/hadoop version,
就不是我们所想要的了。
3.2 Hadoop 单机配置(非分布式)
Hadoop 默认模式为非分布式模式,无需进行其他配置即可运行。非分布式即单
Java 进程,方便进行调试。
现在我们可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子
(运行 ./bin/hadoop
jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 可以
看到所有例子),包括 wordcount、terasort、join、grep 等。
在此我们选择运行 grep 例子,我们将 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-mapreduc
e-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
5. cat ./output/* # 查看运行结果
Shell 命令
若运行出错,如出现如下图提示:
运行 Hadoop 实例时可能会报错
若出现提示 “WARN util.NativeCodeLoader: Unable to load native-hadoop
library for your platform… using builtin-java classes where applicable”,该
WARN 提示可以忽略,不会影响 Hadoop 正常运行(可通过编译 Hadoop 源
码解决,解决方法请自行搜索)。
若出现提示 “INFO metrics.MetricsUtil: Unable to obtain hostName
java.net.UnknowHostException”,这需要执行如下命令修改 hosts 文件,为你
的主机名增加 IP 映射:
1. sudo vim /etc/hosts
Shell 命令
主机名在终端窗口标题里可以看到,或执行命令 hostname 查看,如下图所示,
在最后面增加一行 “127.0.0.1 dblab”: