大数据带你快速搭建Hadoop运行环境

Hadoop 是一个分布式系统基础架构，在大数据领域被广泛的使用，它将大数据处理引擎尽可能的靠近存储，Hadoop 最核心的设计就是 HDFS 和 MapReduce，HDFS 为海量的数据提供了存储，MapReduce 为海量的数据提供了计算。这篇文章主要就是介绍一下如何搭建一个 Hadoop 运行环境。

我们使用 Linux 操作系统来搭建环境，下面的信息是用来准备搭建 Hadoop 环境的电脑环境信息。

1. hadoop@ubuntu:~$ cat /etc/os-release 
2. NAME="Ubuntu" 
3. VERSION="14.04.5 LTS, Trusty Tahr" 
4. ID=ubuntu 
5. ID_LIKE=debian 
6. PRETTY_NAME="Ubuntu 14.04.5 LTS" 
7. VERSION_ID="14.04" 
8. HOME_URL="http://www.ubuntu.com/" 
9. SUPPORT_URL="http://help.ubuntu.com/" 
10. BUG_REPORT_URL="http://bugs.launchpad.net/ubuntu/" 

紧接着来新建一个用户，这一步其实也可以省略的，可以根据实际情况来决定，这里是新建了一个叫 hadoop 的新用户。

1. #创建新用户 
2. sudo useradd -m hadoop -s /bin/bash 
3. #设置密码 
4. sudo passwd hadoop 
5. #为hadoop用户增加管理员权限 
6. sudo adduser hadoop sudo 
7. #切换到hadoop用户 
8. su hadoop 

我们首先来设置一下 SSH 无密码登录，这一步建议都设置一下，因为分布式系统环境都是由多台服务器构成的，设置免密码登录会方便使用。

1. #先检查下是否可以在没有密码的情况下ssh到localhost 
2. ssh localhost 
3. #如果在没有密码的情况下无法ssh到localhost，请执行以下命令 
4. ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa 
5. cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 
6. chmod 0600 ~/.ssh/authorized_keys 

上面是一些准备工作，接下来就正式开始部署 Hadoop 环境了。我们先在 Apache 官网(http://hadoop.apache.org)这里下载最新的稳定版本的 Hadoop 发行版，然后解压到指定目录并进入这个目录，执行 ./bin/hadoop 和 ./bin/hadoop version 可以分别显示 hadoop 脚本的使用文档和版本信息，然后修改一下 ./etc/hadoop/core-site.xml 和 ./etc/hadoop/hdfs-site.xml这两个配置文件，配置修改分别如下所示。

修改 ./etc/hadoop/core-site.xml 配置文件，添加如下配置：

1. <configuration> 
2.     <property> 
3.         <name>fs.defaultFS</name> 
4.         <value>hdfs://localhost:9090</value> 
5.     </property> 
6.     <property> 
7.         <name>hadoop.tmp.dir</name> 
8.         <value>file:/opt/bigdata/hadoop/tmp</value> 
9.         <description>A base for other temporary directories.</description> 
10.     </property> 
11. </configuration> 

修改 ./etc/hadoop/hdfs-site.xml 配置文件，添加如下配置：

1. <configuration> 
2.     <property> 
3.         <name>dfs.replication</name> 
4.         <value>1</value> 
5.     </property> 
6.     <property> 
7.         <name>dfs.namenode.name.dir</name> 
8.         <value>file:/opt/bigdata/hadoop/tmp/dfs/name</value> 
9.     </property> 
10.     <property> 
11.         <name>dfs.datanode.data.dir</name> 
12.         <value>file:/opt/bigdata/hadoop/tmp/dfs/data</value> 
13.     </property> 
14. </configuration> 

配置修改好之后，执行格式化文件系统，操作如下。

1. hadoop@ubuntu:/opt/bigdata/hadoop$ ./bin/hdfs namenode -format 
2. #执行后输出会比较多，看到下边这条信息表示成功 
3.  INFO common.Storage: Storage directory /opt/bigdata/hadoop/tmp/dfs/name has been successfully formatted. 

在格式化 NameNode 的时候可能会遇到下面这样的两个问题。

1. 提示 Error: java_HOME is not set and could not be found. 的错误，这说明 JAVA_HOME 环境变量没有配置好，重新配置一下，或者修改 ./etc/hadoop/hadoop-env.sh 文件把 export JAVA_HOME=${JAVA_HOME} 直接修改成绝对目录 export JAVA_HOME=/usr/lib/jvm/java-8 既可解决。
2. 提示 ERROR namenode.NameNode: java.io.IOException: Cannot create directory /opt/bigdata/hadoop/tmp/dfs/name/current 的错误，这是因为配置的 /opt/bigdata/hadoop/tmp 目录的写入权限有问题，可以直接执行 sudo chmod -R a+w /home/hadoop/tmp 即可解决。

接下来执行 ./sbin/start-dfs.sh 来开启 NameNode 和 DataNode 守护进程，然后检查 NameNode、DataNode 和 SecondaryNameNode 是否都已经启动成功，操作如下：

1. hadoop@ubuntu:/opt/bigdata/hadoop$ jps 
2. 4950 Jps 
3. 3622 SecondaryNameNode 
4. 3295 DataNode 
5. 2910 NameNode 

启动成功之后可以用浏览器来打开 http://localhost:50070/ 浏览 NameNode 的Web界面。

到此为止，Hadoop 单节点集群(伪分布式)环境搭建就已经成功了， 接下来运行一个 Hadoop 伪分布式实例。因为 Hadoop 单机模式是运行的本地文件系统，(伪)分布式模式则是运行的 HDFS 上的数据。我们现在 HDFS 中创建用户目录，执行目命令 ./bin/hdfs dfs -mkdir -p /user/hadoop 即可，执行如下命令将输入文件复制到分布式文件系统中。

1. #这个可以不执行，因为会自动创建好目录的  
2. #./bin/hdfs dfs -mkdir input 
3. ./bin/hdfs dfs -put etc/hadoop input 
4. #查看复制到HDFS的文件列表 
5. ./bin/hdfs dfs -ls input 

接下来运行一个 Hadoop 自带的 mapreduce 实例看看效果吧，直接执行如下命令。

1. ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples- 
2. 2.9.1.jar grep input output 'dfs[a-z.]+' 

使用 ./bin/hdfs dfs -cat output/* 命令查看运行后在 HDFS 上的输出文件列表，或者使用下面的命令拷贝到本地查看。

1. ./bin/hdfs dfs -get output output 
2. ./cat output/* 

关闭 Hadoop 直接使用 ./sbin/stop-dfs.sh 命令即可。

这里介绍了 Hadoop 环境搭建的最基本最简单的方法，我建议最好是边看边动手操作一下，这样可以加深印象和理解，更加有利于掌握相关知识点。当然，Hadoop 环境搭建还有其他一些方法，也是实际开发中常用的方法，比如基于 Yarn、Mesos 等资源调度系统搭建、使用 Docker 搭建等等，有兴趣的朋友们可以尝试一下这些方法，也欢迎留言交流。

对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。