Ubuntu 16.04 Hadoop-2.7.3全分布模式 + eclipse hadoop
Ps1：主要答疑區(qū)在本帖最下方，疑點會標注出來。個人在配置過程中遇到的困難都會此列舉。
Ps2：本帖也是我自己原創(chuàng)的，最近從CSDN搬家過來。原帖地址
實驗介紹：
本次實驗主要介紹了Hadoop平臺的兩個核心工具，HDFS和Mapreduce，結合這兩個核心在Linux下搭建基于YARN集群的全分布模式的Hadoop架構。
實驗案例，基于Hadoop平臺下的Wordcount分詞統(tǒng)計的試驗
實驗需求：
1、PC機，局域網(wǎng)服務，Linux系統(tǒng)
背景介紹：
Hadoop實現(xiàn)了一個分布式文件系統(tǒng)，簡稱HDFS。HDFS有高容錯性的特點，并且設計用來部署在普PC機上，而且它提供高吞吐量來訪問應用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集的應用程序。HDFS放寬了POSIX的要求，可以以流的形式訪問文件系統(tǒng)中的數(shù)據(jù)。 Hadoop的框架最核心的設計就是：HDFS和MapReduce。HDFS為海量的數(shù)據(jù)提供了存儲，則MapReduce為海量的數(shù)據(jù)提供了計算。開發(fā)者在熟練掌握了hadoop的使用后輕松地在Hadoop上開發(fā)和運行處理海量數(shù)據(jù)的應用程序NameNode
NameNode 是一個通常在 HDFS 實例中的單獨機器上運行的軟件。它負責管理文件系統(tǒng)名稱空間和控制外部客戶機的訪問。NameNode 決定是否將文件映射到 DataNode 上的復制塊上。對于最常見的 3 個復制塊，第一個復制塊存儲在同一機架的不同節(jié)點上，最后一個復制塊存儲在不同機架的某個節(jié)點上。實際的 I/O事務并沒有經(jīng)過 NameNode，只有表示 DataNode 和塊的文件映射的元數(shù)據(jù)經(jīng)過 NameNode。當外部客戶機發(fā)送請求要求創(chuàng)建文件時，NameNode 會以塊標識和該塊的第一個副本的 DataNode IP 地址作為響應，這個 NameNode 還會通知其他將要接收該塊的副本的 DataNode。 NameNode 在一個稱為 FsImage 的文件中存儲所有關于文件系統(tǒng)名稱空間的信息。這個文件和一個包含所有事務的記錄文件（這里是 EditLog）將存儲在 NameNode 的本地文件系統(tǒng)上。FsImage 和 EditLog 文件也需要復制副本，以防文件損壞或 NameNode 系統(tǒng)丟失。NameNode本身不可避免地具有SPOF單點失效的風險，主備模式并不能解決這個問題，通過Hadoop Non-stop namenode才能實現(xiàn)100% uptime可用時間。DataNode
DataNode 也是一個通常在 HDFS實例中的單獨機器上運行的軟件。Hadoop 集群包含一個 NameNode 和大量 DataNode。DataNode 通常以機架的形式組織，機架通過一個交換機將所有系統(tǒng)連接起來。Hadoop 的一個假設是：機架內部節(jié)點之間的傳輸速度快于機架間節(jié)點的傳輸速度。 DataNode 響應來自 HDFS 客戶機的讀寫請求。它們還響應來自 NameNode 的創(chuàng)建、刪除和復制塊的命令。NameNode 依賴來自每個 DataNode 的定期心跳（heartbeat）消息。每條消息都包含一個塊報告，NameNode 可以根據(jù)這個報告驗證塊映射和其他文件系統(tǒng)元數(shù)據(jù)。如果 DataNode 不能發(fā)送心跳消息，NameNode 將采取修復措施，重新復制在該節(jié)點上丟失的塊。
實驗步驟及結果：
1.搭建平臺（全分布式hadoop + eclipse Neon.1 + JDK1.8）
集群搭建：
主機兩臺（可拓展）：
（1）兩個主機系統(tǒng)均為Ubuntu 16.04 LTS
詳情：
master 192.168.:103.26（虛擬機）
slave2 192.168.103.22（物理機）
注：
（1）slave1是在同學的筆記本上，因為他的筆記本總是飄忽不定，所以這次博客上就先不寫他的ip地址
（2）master是虛擬機的理由就是第一次嘗試怕配錯環(huán)境，導致崩潰，所以用了VMware為master，方便拯救平臺
（2）hadoop平臺版本都為最新穩(wěn)定版2.7.3(解壓及安裝hadoop)
下載地址：Hadoop官網(wǎng) hadoop.apache.org/releases.ht…
步驟1：點開網(wǎng)頁以后，點擊紅色箭頭所指的鏈接
步驟2：點開后如下圖
步驟3：選擇一個鏈接下載（個人推薦最后一個 tsinghua.edu.cn 清華大學鏈接源比較好）
步驟4：下載完后打開文件管理器，選擇Downloads文件夾（如果修改主要文件夾名字為中文的，應選擇“下載”）
步驟5：解壓到指定路徑
步驟5.1：在當前文件夾下右鍵 - 在終端打開 鍵入su root命令
步驟5.2：輸入root用戶密碼后，如下圖所示
步驟5.3：鍵入解壓命令
sudo tar zxvf hadoop-2.7.3.tar.gz -C /usr/local/hadoop 復制代碼（注意：如果提示hadoop文件夾不存在的，可以在root用戶下用cd命令到 /usr/local路徑下 鍵入 sudo mkdir /hadoop 創(chuàng)建夾）
步驟5.4：解壓后如下圖所示
（注意：路徑滿足如圖所示即可，或自行定義）
至此hadoop前期下載準備工作已經(jīng)完成。接下準備java環(huán)境的配置
（3）JDK版本為java8-oracle（配置java環(huán)境）
（環(huán)境：系統(tǒng)穩(wěn)定聯(lián)網(wǎng)狀態(tài)下）
步驟1：打開終端鍵入命令(root用戶模式可以不用加sudo前綴)
sudo add-apt-repository ppa:webupd8team/java復制代碼步驟2：出現(xiàn)一段文字后按回車繼續(xù)
步驟3：繼續(xù)鍵入命令
sudo apt-get update復制代碼步驟4：待系統(tǒng)加載完所有下載源
步驟5：鍵入安裝命令
sudo apt-get install oracle-java8-installer復制代碼步驟6：等待下載結束（過程稍微有點漫長）
這個版本的java默認安裝在 /usr/lib/jvm文件夾下
安裝結束后配置環(huán)境變量
終端輸入：
sudo gedit /etc/profile復制代碼步驟7：配置完后，按 ctrl + s 保存
步驟8：在終端中輸入
sudo source /etc/profile復制代碼使配置的環(huán)境變量生效
步驟9：和在Windows下配置一樣，在終端測試java和javac命令是否生效，在linux下可以多測試下jps命令看java進程號
至此java環(huán)境變量配置完畢
（4）SSH免密配置
SSH 是目前較可靠，專為遠程登錄會話和其他網(wǎng)絡服務提供安全性的協(xié)議。利用 SSH 協(xié)議可以有效防止遠程管理過程中的信息泄露問題。SSH最初是UNIX系統(tǒng)上的一個程序，后來又迅速擴展到其他操作平臺。
SSH在正確使用時可彌補網(wǎng)絡中的漏洞。SSH客戶端適用于多種平臺。
Ubuntu Linux下配置免密登錄主要依靠 ssh localhost的命令
！！注意,如果改過 /etc/hosts 下的內容需要重新配置（下圖是我的例子）
由于后期為了避免hadoop的一些端口和IP錯誤，所以我把localhost的名字改了，順帶把 /etc/hostname 的名字也改了。
改了上述的 hosts 和 hostname的名字后，記得重啟電腦或者虛擬機
192.168.91.45是我虛擬的IP的地址 名字叫master 相當于 沒有改變配置文件之前的 127.0.0.1 localhost
所以配置ssh免密的時候是鍵入 ssh master 而不是 ssh localhost
話不多說！
步驟0：SSH需要安裝OpenSSH-server(如果已經(jīng)安裝則無需理會)
sudo apt-get install openssh-server復制代碼步驟1：在非root用戶模式下打開終端鍵入ssh localhost（或者是定義的用戶名）
步驟2：提示輸入密碼，輸入你的ssh密碼（自己記得住就好）
步驟3：輸入完以后，測試一下ssh localhost（或是自定義名字），輸入密碼后是否如下圖彈出一些信息
步驟4：如果下午所示后，則創(chuàng)建ssh成功
步驟5：創(chuàng)建免密登錄（不需要關閉終端），鍵入如下命令
ssh-keygen -t rsa復制代碼
步驟6：一直按回車直至出現(xiàn)RSA窗口即可
步驟7：鍵入命令
sudo cp .ssh/id_rsa.pub .ssh/authorized_keys復制代碼步驟8：驗證免密登錄，輸入ssh localhost（或者自定義的名字），是否還需要輸入密碼登錄
root用戶下：
步驟1：進入root用戶模式（用戶模式下在終端鍵盤入：su root，輸入root密碼即可）
步驟2：進入ssh配置文件
gedit /etc/ssh/sshd_config復制代碼
步驟3：把PermitRootLogin的字段改成 yes（原來的好像是Prohibit xxxx的），有點忘記了。總之改成yes就可以了
步驟4：保存退出終端
步驟5：打開新的終端鍵入命令
sudo service ssh restart復制代碼重啟ssh服務之后，打開終端
步驟6：進入root用戶模式下，鍵入 ssh localhost（或是你的自定義名字）
步驟7：輸入自定義ssh密碼后，與用戶模式下的類似
步驟8：鍵入 ssh-keygen -t rsa 創(chuàng)建RSA密鑰
步驟9：一直回車直至出現(xiàn)RSA密鑰圖，（如果提示Overwrite 輸入 y 即可）
步驟10：鍵入配置免密的命令
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys復制代碼步驟11：完成后，在root用戶模式輸入 ssh localhost（或自定義名字）后，如下圖所示即可。
至此，root用戶和普通用戶模式的ssh免密配置完成。
（4.1）SSH免密配置(節(jié)點篇)
需求：如果每個節(jié)點都需要下載安裝hadoop ，則大量耗費人力物力。
解決：所以需要一個SSH來遠程發(fā)送hadoop包分發(fā)給每個節(jié)點。
接下來來講解master打通每個節(jié)點的連接方式（單節(jié)點和多節(jié)點一樣，只要配置好就可以進行連接）
步驟1：在hosts文件中配置好各子節(jié)點的ip地址以及名稱（如下圖）
步驟2： 編輯好hosts文件保存并關閉，（root用戶模式下）打開終端輸入
ssh-copy-id -i ~/.ssh/id_rsa.pub root@slave* (星號代表子節(jié)點號碼，或者把slave*換成自定義的名稱)復制代碼步驟3：提示輸入，子節(jié)點的登錄密碼，輸入完成后，等待命令完成
步驟4：在終端中輸入 ssh slave*(或者自定義名字)，如下圖：
步驟5：ssh打通master和子節(jié)點的通道，可以通過scp命令傳輸數(shù)據(jù)了。
至此，完成對于子節(jié)點的ssh免密訪問配置。
（5）hadoop平臺版本都為最新穩(wěn)定版2.7.3(解壓及安裝hadoop)
hadoop配置下主要注意配置文件路徑的問題
主要包括：hadoop根目錄下 /etc/hadoop 里面的xml配置文件
例：hadoop-env.sh , hdfs-site.xml, mapred-site.xml , core-site.xml , yarn-site.xml
注：mapred-site.xml需要復制出來到本路徑，原本是mapred-site.xml.template 需要用 cp 命令復制并改名字
或者可以通過 gedit 命令創(chuàng)建一個新的mapred-site.xml，把模板內的內容復制過去，然后再進行配置
配置文件1：hadoop-env.sh（配置環(huán)境變量，讓hadoop識別）
配置文件2：core-site.xml
<configuration><property><name>fs.default.name</name><value>hdfs://master:8020</value></property><property><name>io.file.buffer.size</name><value>131072</value></property><property><name>hadoop.tmp.dir</name><value>/home/hadoop/tmp</value></property><property><name>hadoop.proxyuser.hadoop.hosts</name><value>*</value></property><property><name>hadoop.proxyuser.hadoop.group</name><value>*</value></property><property><name>dfs.permissions</name><value>false</value></property> </configuration>復制代碼
配置文件3：hdfs-site.xml
<configuration><property><name>dfs.namenode.secondary.http-address</name><value>master:9000</value></property><property><name>dfs.namenode.name.dir</name><value>file:/home/hadoop/dfs/name</value></property><property><name>dfs.datanode.data.dir</name><value>file:/home/hadoop/dfs/data</value></property><property><name>dfs.replication</name><value>3</value></property><property><name>dfs.webhdfs.enabled</name><value>true</value></property> </configuration>復制代碼
配置文件4： mapred-site.xml
<configuration><property><name>mapreduce.framework.name</name><value>yarn</value></property><property><name>mapred.job.tracker</name><value>master:9001</value></property><property><name>mapred.job.tracker.http.address</name><value>master:50030</value></property><property><name>mapreduce.jobhistory.address</name><value>master:10020</value></property><property><name>mapreduce.jobhistory.webapp.address</name><value>master:19888</value></property> </configuration>復制代碼
配置文件5：yarn-site.xml
<configuration><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><property><name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name><value>org.apache.hadoop.mapred.ShuffleHandler</value></property><property><name>yarn.resourcemanager.address</name><value>master:8032</value></property><property><name>yarn.resourcemanager.scheduler.address</name><value>master:8030</value></property><property><name>yarn.resourcemanager.resource-tracker.address</name><value>master:8031</value></property><property><name>yarn.resourcemanager.admin.address</name><value>master:8033</value></property><property><name>yarn.resourcemanager.webapp.address</name><value>master:8088</value></property> </configuration>復制代碼
！！！注：如果是master節(jié)點（即服務器）需要添加多一個slaves文件指定slave
配置文件6：slaves（選）
slave2 192.168.90.33復制代碼
最后步驟：以上配置文件配置完畢后打開終端窗口，輸入
hadoop namenode -format復制代碼出現(xiàn)如下結果，沒有JAVA報錯即可
初始化hadoop namenode節(jié)點成功！
打開終端利用 cd 命令進入hadoop啟動命令文件下
cd /usr/local/hadoop/hadoop-2.7.3/sbin復制代碼
鍵入如下命令啟動hadoop（root用戶模式下）
./start-all.sh復制代碼關閉hadoop則鍵入命令關閉
./stop-all.sh復制代碼
輸入jps在master節(jié)點測試，如果如上圖所示則測試成功
在ssh slave2 節(jié)點輸入jps測試
通過hadoop 自帶命令
hadoop dfsadmin -report復制代碼
如上圖所示輸出Live Datanodes，說明有存活節(jié)點，死節(jié)點為空。
證明集群配置成功！
（6）集群安裝hadoop（完成Master節(jié)點的hadoop安裝以及SSH的搭建）
構建好master與各個slave之間的ssh通信，如下圖所示
步驟1：測試ssh命令與各節(jié)點間的通信
步驟2：確認本機的hadoop安裝地址
步驟3：
scp –r /usr/local/hadoop/ root@slaver2:/usr/local/hadoop 復制代碼把master上的hadoop分發(fā)給slave2節(jié)點（其他節(jié)點依次類推，只要搭好ssh就可以傳輸）。
傳輸過程有點久，耐心等候。
步驟4：在slave節(jié)點上配置環(huán)境變量
HADOOP_HOME=/usr/local/Hadoop PATH=$PATH:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin復制代碼步驟5：在master啟動hadoop進行測試
Namenode界面 50070端口
hadoop管理界面 8088端口
hadoop SecondaryNamenode 管理界面 端口9000
（7）hadoop Wordcount測試（完成eclipse和eclipse hadoop插件安裝）
步驟0：安裝eclipse和eclipse hadoop插件
步驟0.1：安裝eclipse
下載后，解壓到自定義路徑，解壓后如所示
在此給出eclipse hadoop插件下載（pan.baidu.com/s/1mi6UP5I）
下載后，把jar放到eclipse根目錄的dropins的目錄
在根目錄進入終端，進入root用戶模式，輸入
./eclipse復制代碼進入eclipse界面，完成安裝。
步驟1：啟動hadoop完成上述集群測試
步驟2：通過終端把測試數(shù)據(jù) test.txt上傳到hdfs中 （test.txt為hadoop跟目錄下的NOTICE.txt）
步驟2.1：在hdfs目錄下創(chuàng)建input文件夾
hadoop fs -mkdir /input hadoop fs -put test.txt /input復制代碼如圖所示，則上傳成功。
如果權限不對的話可以修改權限
hadoop fs -chmod -R 777 /input/test.txt復制代碼
步驟3：打開eclipse，并完成mapreduce的wordcount代碼，完成eclipse hadoop的配置
步驟4：確保左上角的DFS Location能夠顯示hdfs中的文件目錄
WordCount代碼：
package org.apache.hadoop.examples;import java.io.IOException; import java.util.StringTokenizer;import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; 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;public class WordCount {public static class TokenizerMapperextends Mapper<Object, Text, Text, IntWritable>{private final static IntWritable one = new IntWritable(1);private Text word = new Text();public void map(Object key, Text value, Context context) throws IOException, InterruptedException {StringTokenizer itr = new StringTokenizer(value.toString());while (itr.hasMoreTokens()) {word.set(itr.nextToken());context.write(word, one);}}}public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> {private IntWritable result = new IntWritable();public void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {int sum = 0;for (IntWritable val : values) {sum += val.get();}result.set(sum);context.write(key, result);}}public static void main(String[] args) throws Exception {Configuration conf = new Configuration();Job job = Job.getInstance(conf, "word count");job.setJarByClass(WordCount.class);job.setMapperClass(TokenizerMapper.class);job.setCombinerClass(IntSumReducer.class);job.setReducerClass(IntSumReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.addInputPath(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));System.exit(job.waitForCompletion(true) ? 0 : 1);} }復制代碼
log4j日志文件：
log4j.rootLogger=debug, stdout, R #log4j.rootLogger=stdout, R log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout #log4j.appender.stdout.layout.ConversionPattern=%5p - %m%n log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n log4j.appender.R=org.apache.log4j.RollingFileAppender log4j.appender.R.File=log4j.log log4j.appender.R.MaxFileSize=100KB log4j.appender.R.MaxBackupIndex=1 log4j.appender.R.layout=org.apache.log4j.PatternLayout #log4j.appender.R.layout.ConversionPattern=%p %t %c - %m%n log4j.appender.R.layout.ConversionPattern=%d %p [%c] - %m%n #log4j.logger.com.codefutures=DEBUG復制代碼
步驟5：配置Run Configuration
步驟6：右鍵Run As - Run On Hadoop（日志我選用了DEBUG模式測試，所以會很長，但是方便測試）
此時，master hdfs多出一個文件夾存放分詞結果
下列圖為結果部分截圖：
至此，從安裝到mapreduce Wordcount測試全部結束了。
hadoop2.7.6全模式下，結合eclipse hadoop插件配置，完成Wordcount測試。
實驗結果分析：
1、Wordcount項目代碼是結合Map-reduce的核心思想，以及對于Java輸入輸出流的認識所編寫，也參考了一下"大牛"博客編寫的，能夠基本實現(xiàn)分詞-詞頻統(tǒng)計。
2、小項目的分詞的效果顯然沒有Python Jieba分詞來的精確，但是基于Hadoop Mapreduce的運算，分詞一篇詞匯眾多的文檔只需要5秒。（如需查看請點開。文檔來源：Hadoop LICENSE.txt）
測試文檔
心得體會：
1、實驗完成結果到達預期目標，在搭建平臺的過程耗費了很多學習成本，主要花在安裝包的下載以及對于Linux系統(tǒng)的理解和hadoop配置文件的理解。
2、實驗完成的過程中與小組成員分工合作，在搭建過程中自學了linux的命令操作以及l(fā)inux系統(tǒng)的一些工作原理。
3、在搭建hadoop平臺時，遇到很多匪夷所思的問題，通過hadoop平臺自帶的log文件，查看日志文件，百度搜索或者看國外網(wǎng)站的配置方式，再通過自己的嘗試，解決問題。
4、在搭建過程體會最深的就是hadoop對于端口的使用很謹慎，第一次在嘗試的時候沒有仔細看清楚官網(wǎng)文檔的端口設置，配置出錯，導致進度耽誤幾天，最后才發(fā)現(xiàn)是端口的問題。
5、在搭建完后對于linux系統(tǒng)也有深刻的體會，對于linux的權限設置，SSH，以及基本的文件操作命令等有基本的掌握經(jīng)驗。
6、小組成員在第一次沖刺后決定更改軟件工程項目，主要是為了適應目前的學習任務以及工作任務。小組成員目前在分析 學校歷年學生體質測試數(shù)據(jù) 以及 網(wǎng)絡招聘崗位數(shù)據(jù)對應學校各二級學院的專業(yè)核心技能
Python Django項目屬于python后端項目，初期小組成員定題是為了學習除java后端以外的另外一直后端開發(fā)。但是后期因為繁重的分析任務以及報告，所以決定開始尋找新的出路，也順利在第三次沖刺前幾天完成實驗。
雖然可能與軟件工程的項目關系不太大，但是在搭建平臺的過程，小組成員也深刻體會到團隊合作的意義。以及對于大數(shù)據(jù)平臺的理解，不再是覺得深不可測，改變對于大數(shù)據(jù)平臺以及云計算的看法。
展望：
1、希望在接下來的寒假或者未來的時間點，完善自己的hadoop平臺，通過hadoop平臺提交小組的數(shù)據(jù)分析項目，利用Mapreduce并行化算法以及YARN集群分布式計算，提高數(shù)據(jù)分析的效率。
2、以及寫一個基于hadoop平臺的分布式爬蟲，提高大數(shù)據(jù)的讀取時間。
3、目前也在學習Spark，掌握與Mapreduce相類似的并行化運算框架，也希望在日后的使用中，結合HBase，Mapreduce/Spark搭建一個云計算平臺項目。
4、在未來的時間，花更多時間從理解hadoop的核心架構，到理解hadoop的外沿，學習Spark，HBase，Pig，Mahout，Hive等核心工具的使用。
5、最近時間關注大數(shù)據(jù)方向注意到關聯(lián)數(shù)據(jù)RDF的應用，也希望能嘗試利用Sqoop讀取關聯(lián)數(shù)據(jù)，進行數(shù)據(jù)分析。
總結
以上是生活随笔為你收集整理的Ubuntu 16.04 Hadoop-2.7.3全分布模式 + eclipse hadoop的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 深入谈一谈iOS模块独立运行
- 下一篇： ubuntu下修改网卡名称