hadoop伪分布式集群搭建与安装（ubuntu系统）

1：Vmware虚拟软件里面安装好Ubuntu操作系统之后使用ifconfig命令查看一下ip;

2：使用Xsheel软件远程链接自己的虚拟机，方便操作。输入自己ubuntu操作系统的账号密码之后就链接成功了；

3：修改主机的名称vi /etc/hostname和域名和主机映射对应的关系 vi /etc/hosts，改过之后即生效，自己可以ping一下，我这里ip对应master，比如ping master之后发现可以ping通即可；

（centos操作系统修改主机名命令：vi /etc/sysconfig/network，修改内容为HOSTNAME=master）

4:修改过主机名称和主机名与ip对应的关系之后；开始上传jdk，使用filezilla这个工具将jdk文件以及其他文件上传到ubuntu操作系统中;

鼠标左击选中想要上传的文件拖到右边即可，如下所示：

上传成功之后可以检查一下，这里默认上传到root目录下面；显示已经上传成功即可；

5：上传之后创建一个文件夹用于存放上传的文件或者压缩包；

记住-C是大写，小写的-c会报错，见下面的测试结果；

解压缩之后可以进到自己创建的hadoop目录下面看看效果，确定已经解压缩了；

6：解压缩jdk之后开始将java添加到环境变量中（ubuntu操作系统中配置jdk的环境变量）：

进去之后按shift+g到最后面，到最前面双击g，点击a/s/i这三个任意一个字母进入命令行模式，可以对配置文件进行修改；

配置的方式有很多种，这只是其中一种。

配置好jdk之后可以测试一下是否配置成功，如下图，如果没有使用source /etc/profile刷新配置是无法测试成功的；

使用source /etc/profile刷新配置之后查看java的版本即可以查看出来；

这里出了一点小插曲，我的linux版本的jdk第一次好像不能用，报了错，以为没配置好呢，后来才发现是jdk错了，所以这里都小心点；

7：开始上传hadoop和解压缩hadoop;上传和上传jdk一样的做法，这里不做多叙述；

查看hadoop的目录：hadoop-2.4.1/share/hadoop里面是核心jar包；

8：解压缩之后开始配置hadoop,找到如下所示的路径；

修改如下几个配置文件；详细修改见如下配置所示：

修改的第一个配置文件，hadoop-env.sh;

修改的内容如下所示：主要修改就是jdk的JAVA_HOME;如果忘记自己jdk的目录可以执行命令echo $JAVA_HOME复制一下结果即可；

修改第二个配置文件：core-site.xml;

修改的内容如下所示：因为是伪分布式，所以节点配置直接配置主机名了；

<!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址 -->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://master:9000</value>
</property>
<!-- 指定hadoop运行时产生文件的存储目录 -->
<property>
    <name>hadoop.tmp.dir</name>
    <value>/home/hadoop/hadoop-2.4.1/tmp</value>
</property>

修改第三个配置文件：hdfs-site.xml

修改的内容如下所示：

<!-- 指定HDFS副本的数量 -->
<property>
    <name>dfs.replication</name>
    <value>1</value>
</property>

修改第四个配置文件：首先将mapred-site.xml.template修改为mapred.site.xml，然后就将开始修改配置文件；

修改内容如下所示：

1 <!-- 指定mr运行在yarn上 -->
2 <property>
3     <name>mapreduce.framework.name</name>
4     <value>yarn</value>
5 </property>

修改第五个配置文件：yarn-site.xml;

修改的内容如下所示：至此配置基本结束；

<!-- 指定YARN的老大（ResourceManager）的地址 -->
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>master</value>
</property>
<!-- reducer获取数据的方式 -->
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>

修改第六个配置文件：vi slaves

修改的内容即是自己的主机名称：

9：查看一下ubuntu下面的防火墙的状态和关闭开启防火墙：

下图所示分别是关闭防火墙，查看防火墙的状态，开始防火墙和查看防火墙的状态；

10：为了执行hadoop命令方便，同样配置一下hadoop的环境变量；同样vi /etc/profile ,配置如下所示：

配置保存之后记得source /etc/profile刷新配置；

11：格式化namenode（是对namenode进行初始化）

执行格式化命令后看到successfully表示格式化成功；

12：启动hadoop，先启动HDFS，sbin/start-dfs.sh；再启动YARN，sbin/start-yarn.sh；

启动过程中输出大概三次yes和密码；输入即可；

13：验证是否启动成功，使用jps命令验证；查看有几个进程；分别是启动start-dfs.sh和start-yarn.sh的效果；

14：搭建好伪分布式集群之后可以在window访问集群的web服务；

注意：如果在window浏览器无法访问的时候（jps正常启动），这个时候估计是linux操作系统的防火墙的问题：

service iptables stop : 关闭防火墙

service iptables status : 查看防火墙的状态

service iptables start : 开启防火墙

15：简单测试一下，将一个文件上传到hdfs上面，如下所示：

假如你这样书写hadoop fs -put jdk-7u65-linux-i586.tar.gz hdfs://master:9000这个9000后面没有这个/那么你在浏览器是看不到任何文件的；

去web服务查看效果如下所示：就是刚刚上传的文件；

16：将文件从hdfs分布式集群中下载下来：

效果如下所示：

17：使用hadoop自带的mapreduce程序来测试mapreduce的效果：

计算圆周率的程序；

简单使用一下mapreduce，以计算单词的个数为例；

创建一个count.txt用于测试里面的单词重复的次数：

因为数据是在集群上面跑的，所以文件要放到集群上面；

首先需要创建一个文件夹，用于存放文件；

创建好的文件夹可以在web服务器里面查看，如下所示：

将新建的count.txt文件放到input文件夹里面，如下所示：

开始使用mapreduce的自带案例进行单词重读测试：

可以查询执行之后出现的结果：也可以直接去web服务器查看执行的结果；

可以使用命令查看执行的结果，如下所示：

HDFS的大体实现的思想：
1：hdfs是通过分布式集群来存储文件，为客户端提供了一个便捷的访问方式，就是一个虚拟的目录结构
2：文件存储到hdfs集群中去的时候是被切分成block块的
3：文件的block存放在若干台datanode节点上的
4：hdfs文件系统中的文件于真实的block之间有映射关系，由namenode管理
5：每一个block在集群中会存储多个副本，好处是可以提高数据的可靠性，还可以提供访问的吞吐量；

18：hdfs常使用的命令：

 1 hadoop fs　　　　　　　　　　　　　　　　　　　　　　　　　显示hadoop 的fs的功能　
 2 hadoop fs -ls /  　　　　　　　　　　　　　　 　　　　　 列举某目录下面的文件夹
 3 hadoop fs -lsr　　　　　　　　　　　　　　　  　　　　　　列举某目录下面的文件夹及其文件夹里面的文件
 4 hadoop fs -mkdir /user/hadoop            　　　　　　在user文件夹下面创建一个hadoop文件夹
 5 hadoop fs -put a.txt /user/hadoop/       　　　　　　将a.txt文件上传到user文件夹下面的hadoop文件夹下面
 6 hadoop fs -get /user/hadoop/a.txt /      　　　　　　获取到user文件夹下面的hadoop文件夹下面的a.txt文件
 7 hadoop fs -cp /原路径 /目标路径　　　　　　　　　　　 　 拷贝文件，从原路径拷贝到目标路径　
 8 hadoop fs -mv /原路径 /目标路径　　　　　　　　　　　　  从原路径移动到目标路径
 9 hadoop fs -cat /user/hadoop/a.txt        　　　　　　查看a.txt文件里面的内容  
10 hadoop fs -rm /user/hadoop/a.txt　　　　　　　　　　　 删除user文件夹下面的hadoop文件夹下面的a.txt文件
11 hadoop fs -rm -r /user/hadoop/a.txt　　　　　　　　　 递归删除，文件夹和文件
12 hadoop fs -copyFromLocal /本地路径 /目的路径  　　　　 与hadoop fs -put功能类似。
13 hadoop fs -moveFromLocal localsrc dst 　　　　　　　 将本地文件上传到hdfs，同时删除本地文件。
14 hadoop fs -chown 用户名：用户组名 /文件名　　　　　　 　 修改所属的用户和用户组，权限修改
15 hadoop fs -chmod 777 /文件名　　　　　　　　 　　　　　 文件的权限可读可写可执行的的权限修改
16 hadoop fs -df -h /　　　　　　　　　　　　　　　　　　　 查看根目录下面的磁盘空间，可用和未用等等
17 hadoop fs -du -s -h /　　　　　　　　　　　　　　　　　  查看某文件的大小
18 hadoop fs -du -s -h hdfs://主机名:9000/*            查看根目录下面的所有文件的大小

未完待续.......

19：免密钥登陆的配置（配置公钥和私钥）：如果是伪分布式集群的搭建，那么我这里为了测试克隆了一台ubuntu,如果是分布式集群搭建，那么是三个ubuntu操作系统。所以这里简单演示如何配置免密钥登陆；

（1）：master请求登陆slaver1;

（2）：查看授权列表；

（3）：用master的公钥加密一个随机字符串发送给master;

（4）：master用自己的私钥解密slaver1过来的密文；

（5）：将解密结果发送给slaver1;

（6）：slaver1验证解密结果；

（7）：通过master验证；

首先使用vi /etc/hostname（centOs操作系统vim /etc/sysconfig/network）将克隆的主机名修改一下：