ubuntu中搭建Hadoop环境20180908(全)

一. Ubuntu Java8 的安装

　　添加ppa

　　　　sudo add-apt-repository ppa:webupd8team/java

　　　　sudo apt-get update

　　安装oracle-java-installer

　　　　sudo apt-get install oracle-java8-installer

　　设置系统默认jdk

　　　　sudo update-java-alternatives -s java-8-oracle

        java安装测试

　　　　java -version 　

 　　　javac -version

二、配置SSH

　　1. 安装ssh服务

　　进入shell命令，输入如下命令，查看是否已经安装好ssh服务，若没有，则使用如下命令进行安装：

　　　　sudo apt-get install ssh openssh-server

　　安装过程还是比较轻松加愉快的。

　　2. 使用ssh进行无密码验证登录

　　1.创建ssh-key，这里我们采用rsa方式，使用如下命令：

　　　　ssh-keygen -t rsa -P ""

　　2.出现一个图形，出现的图形就是密码，不用管它

　　　　cat ~/.ssh/id_rsa.pub >> authorized_keys(好像是可以省略的)

　　3.然后即可无密码验证登录了，如下：

　　　　ssh localhost

三、Hadoop的安装与配置

　　1. 下载Hadoop安装包

　　下载Hadoop安装也有两种方式

　　　　1.直接上官网进行下载，http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz                

　　　　2.使用shell进行下载，命令如下：

　　　　　　wget http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz 

　　貌似第二种的方法要快点，经过漫长的等待，终于下载完成。

　　2. 解压缩Hadoop安装包

　　使用如下命令解压缩Hadoop安装包

　　　　tar -zxvf hadoop-2.7.7.tar.gz

　　解压缩完成后出现hadoop2.7.7的文件夹

　　3. 配置Hadoop中相应的文件

　　需要配置的文件如下，hadoop-env.sh，core-site.xml，mapred-site.xml.template，hdfs-site.xml，所有的文件均位于hadoop2.7.7/etc/hadoop下面，具体需要的配置如下：

　　1.core-site.xml 配置如下：　　　　

　　　　<configuration>

　　　　　　<property>
　　　　　　　　<name>hadoop.tmp.dir</name>
　　　　　　　　<value>file:/home/zjp/hadoop-2.7.7/tmp</value>
　　　　　　　　<description>Abase for other temporary directories.</description>
　　　　　　</property>
　　　　　　<property>
　　　　　　　　<name>fs.defaultFS</name>
　　　　　　　　<value>hdfs://localhost:9000</value>
　　　　　　</property>

　　　　</configuration>

　　其中的hadoop.tmp.dir的路径可以根据自己的习惯进行设置。

　　2.mapred-site.xml.template配置如下：　　　　

　　　　<configuration>
　　　　　　<property>
　　　　　　　　<name>mapred.job.tracker</name>
　　　　　　　　<value>localhost:9001</value>
　　　　　　</property>
　　　　</configuration>

　　3.hdfs-site.xml配置如下：　　

　　　　<configuration>
　　　　　　<property>
　　　　　　　　<name>dfs.replication</name>
　　　　　　　　<value>1</value>
　　　　　    </property>
　　　　　    <property>
　　　　　　　　<name>dfs.namenode.name.dir</name>
　　　　　　　　<value>file:/home/zjp/hadoop-2.7.7/tmp/dfs/name</value>
　　 　　   　</property>
　　　　　　 <property>
　　　　　　　　<name>dfs.datanode.data.dir</name>
　　　　　　　　<value>file:/home/zjp/hadoop-2.7.7/tmp/dfs/data</value>
　　　 　　　</property>
</configuration>

　　其中dfs.namenode.name.dir和dfs.datanode.data.dir的路径可以自由设置，最好在hadoop.tmp.dir的目录下面。

　　补充，如果运行Hadoop的时候发现找不到jdk，可以直接将jdk的路径放置在hadoop.env.sh里面，具体如下：

　　　　export JAVA_HOME="/usr/lib/jvm/java-8-oracle"

　　4.hadoop-env.sh

　　5.yarn-env.sh

　　6./etc/profile

4. 运行Hadoop(截图为2.7.1版本的hadoop仅供参考)

　　在配置完成后，运行hadoop。

　　1.初始化HDFS系统

　　　　在hadop2.7.7目录下使用如下命令：

　　　　bin/hdfs namenode -format

　　　　截图如下：

　　　　　

　　　　过程需要进行ssh验证，之前已经登录了，所以初始化过程之间键入y即可。

　　　　成功的截图如下：

　　　　

　　　　表示已经初始化完成。

　　2.开启NameNode和DataNode守护进程

　　　　使用如下命令开启：

　　　　sbin/start-dfs.sh，成功的截图如下：

　　　　

　　3.查看进程信息

　　　　使用如下命令查看进程信息

　　　　jps，截图如下：

　　　　

　　　　表示数据DataNode和NameNode都已经开启

　　4.查看Web UI

　　　　在浏览器中输入http://localhost:50070，即可查看相关信息，截图如下：

　　　　

　　至此，hadoop的环境就已经搭建好了。

四. 备注：

1. ubantu中查看java的安装路径

有时候，使用apt-get install 安装了某个软件之后，却不知道这个软件的安装路径在哪里。 那怎么样去找出这个软件的安装路径呢？

1. 首先 java -version , 输出信息显示确实已经安装了java

2. whereis java , 输出信息看出路径在哪里

3. ls -l /usr/bin/java 看看这是否是个软连接，找出这个软连接指向的路径即可

发现输出的信息，显示还是个软连接，继续找出， ls -l /etc/alternatives/java

发现输出的信息，显示还是个软连接，继续找出，ls  /usr/lib/jvm/java-7-openjdk-amd64/jre/bin/java

这个就是实实在在的文件路径了，到此，就找到了java的路径地址。

----------------------------------------------------------------------------------

参考：http://www.blogjava.net/paulwong/archive/2014/05/04/413199.html

有时候不知道java安装在哪里了 通过whereis java命令不能知道java真是的安装路径 
可以通过 update-alternatives --config java 命令察看

zjp@ubuntu :~$ update-alternatives --config java
There is only one alternative in link group java: /usr/lib/jvm/java-7-oracle/jre/bin/java
Nothing to configure.
zjp@ubuntu :~$ 

或者这种方法也可以：
进入到相应的目录：cd /usr/bin

查看java链接到了哪里：ls -l java

 ------------------------------------------------------------------------------

 2. 解决hadoop启动时，没有启动Datanode

hadoop在多次运行下列指令

　　　　hadoop namenode -format

　　　　sbin/start-dfs.sh

经常会出现没有启动datanode的情况。

运行命令：jps 发现没有启动datanode线程，现给出原因和解决方案。

原因：

当我们使用hadoop namenode -format格式化namenode时，会在namenode数据文件夹（这个文件夹为自己配置文件中dfs.name.dir的路径）中保存一个current/VERSION文件，记录clusterID，datanode中保存的current/VERSION文件中的clustreID的值是上一次格式化保存的clusterID，这样，datanode和namenode之间的ID不一致。

解决方法：

第一种：如果dfs文件夹中没有重要的数据，那么删除dfs文件夹，再重新运行下列指令。（删除所有节点下的dfs文件夹，dfs目录在${HADOOP_HOME}/tmp/）　　

　　　　hadoop namenode -format

　　　　sbin/start-dfs.sh

第二种：如果dfs文件中有重要的数据，那么在dfs/name目录下找到一个current/VERSION文件，记录clusterID并复制。然后dfs/data目录下找到一个current/VERSION文件，将其中的clusterID的值替换成刚刚复制的clusterID的值即可。

总结：

其实每次运行结束Hadoop后，都应该关闭Hadoop

　　　　sbin/stop-dfs.sh

下次想重新运行Hadoop,不用再格式化namenode,直接启动Hadoop即可

　　　　sbin/start-dfs.sh