一、创建Hadoop用户
1.创建Hadoop用户
输入如下命令创建新用户 :

sudo useradd -m hadoop -s /bin/bash
这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为 shell。



接着使用如下命令设置密码，可简单设置为 hadoop，按提示输入两次密码：

sudo passwd hadoop


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：

sudo adduser hadoop sudo


2.更换用户
关闭终端，注销当前用户，选择Hadoop用户登录





二、更新Apt，安装SSH，配置SSH无密码登录
1.更新Apt
用 hadoop 用户登录后，我们先更新一下 apt，后续我们使用 apt 安装软件，如果没更新可能有一些软件安装不了。按 Ctrl+Alt+T打开终端窗口，执行如下命令：

sudo apt-get update


2.安装SSH
安装 SSH server，执行如下命令：

sudo apt-get install openssh-server
输入“Y”，按回车继续安装



安装后，可以使用如下命令登陆本机：

ssh localhost
输入“yes”，后输入密码按回车即可

3.配置SSH无密码登陆
首先输入以下代码：

exit
退出刚才的 ssh localhost



输入以下代码：

cd ~/.ssh/
进入到ssh目录中

输入以下代码：

ssh-keygen -t rsa
利用ssh-keygen生成密匙

出现提示后，按回车键即可



输入以下代码：

cat ./id_rsa.pub >> ./authorized_keys
将密钥加入到授权中

此时再用ssh localhost命令，无需输入密码就可以直接登陆了

ssh localhost


三、安装Java环境
输入以下代码，安装Openjdk-8-jdk

sudo apt-get install openjdk-8-jdk
输入“Y”，按回车继续安装



输入以下代码，查看已安装的Java版本

java -version


输入以下代码，配置Java环境文件

gedit ~/.bashrc
在文件最前面添加如下单独一行（注意，等号“=”前后不能有空格），然后保存退出：

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64


接下来，要让环境变量立即生效，请执行如下代码：

source ~/.bashrc


执行上述命令后，可以检验一下是否设置正确：

echo $JAVA_HOME
java -version
$JAVA_HOME/bin/java -version


四、安装 Hadoop
1.下载Hadoop
使用Ubuntu系统内置的Firefix浏览器下载Hadoop-3.2.4

Hadoop下载地址：Index of /apache/hadoop/common/hadoop-3.2.4



2.安装Hadoop
输入以下代码：（注意C要大写）

sudo tar -zxf ~/下载/hadoop-3.2.4.tar.gz -C /usr/local
将Hadoop解压安装到/usr/local文件夹内

输入以下代码：

cd /usr/local/
sudo mv ./hadoop-3.2.4/ ./hadoop # 将文件夹名改为hadoop
sudo chown -R hadoop ./hadoop
并将文件夹名改为hadoop，和修改文件权限

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：

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


五、Hadoop单机配置(非分布式)
Grep 例子

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

cd /usr/local/hadoop
mkdir ./input
cp ./etc/hadoop/*.xml ./input
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/*




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 删除。

rm -r ./output
六、Hadoop伪分布式配置
Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。

修改配置文件 core-site.xml

cd /usr/local/hadoop
gedit ./etc/hadoop/core-site.xml
修改为以下配置，点击保存后退出：



hadoop.tmp.dir
file:/usr/local/hadoop/tmp
Abase for other temporary directories.


fs.defaultFS
hdfs://localhost:9000




修改配置文件 hdfs-site.xml

gedit ./etc/hadoop/hdfs-site.xml
修改为以下配置，点击保存后退出：



dfs.replication
1


dfs.namenode.name.dir
file:/usr/local/hadoop/tmp/dfs/name


dfs.datanode.data.dir
file:/usr/local/hadoop/tmp/dfs/data




配置完成后，执行 NameNode 的格式化:

./bin/hdfs namenode -format


接着开启 NameNode 和 DataNode 守护进程

./sbin/start-dfs.sh


启动完成后，可以通过命令jps来判断是否成功启动

jps


成功启动后，可以访问 Web 界面 http://localhost:9870 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件



七、运行Hadoop伪分布式实例
要使用 HDFS，首先需要在 HDFS 中创建用户目录：

cd /usr/local/hadoop
./bin/hdfs dfs -mkdir -p /user/hadoop


接着将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中，即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中

./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


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

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


查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：

./bin/hdfs dfs -cat output/*


将运行结果取回到本地：

rm -r ./output
./bin/hdfs dfs -get output ./output
cat ./output/*
Hadoop 运行程序时，输出目录不能存在，否则会提示错误

因此若要再次执行，需要执行如下命令删除 output 文件夹:

./bin/hdfs dfs -rm -r output
若要关闭 Hadoop，则运行:

./sbin/stop-dfs.sh

免责申明：

本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！

《数据治理行业实践白皮书》下载地址：https://fs80.cn/4w2atu

《数栈V6.0产品白皮书》下载地址：https://fs80.cn/cw0iw1

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack