在 Ubuntu 22 的基础上进行 Hadoop 伪分布式（HDFS）的搭建

八方沾恩泽

一、使用VMware安装Ubuntu虚拟机

在Linux系统各个发行版中，Ubuntu系统在服务端和桌面端使用占比最高，网络上资料最是齐全，所以这里使用Ubuntu LTS。
整体的系统安装文件较大(>1G)，这里采用了迅雷加速下载。迅雷下载地址：下载迅雷工具
下载地址：Download Ubuntu Desktop。
 
对于虚拟机，这里采用VMware，因为在诸多免费软件里面VMware是最好用的。
VMware 官网链接 https://www.vmware.com/
使用版本：VMware Workstation 16 Pro
百度一个秘钥就好了，有很多可以查得到的。
 
推荐可以再下个Xshell用于操作终端。
Xshell免费版官网下载地址：https://www.xshell.com/zh/free-for-home-school/
 
这里采用的是来自CSDN博客的流程，图文相当详细所以就不再继续赘述。
唯一需要强调一下的是在“13. 设置磁盘容量，并选择 "将虚拟磁盘拆分成多个文件" 。（这里的磁盘大小看个人需求，大于等于推荐的大小）”时，可以将磁盘大小调大一点，像我这里选择的是80GB，这并不是意味着会马上占用你电脑80GB，而是一个类似上限的意思，这东西初始设置好改，后面不够用了就很麻烦，所以初始给多一点。
二、伪分布式平台搭建

Part1: 准备工作

首先按 ctrl+alt+t 打开终端窗口，输入如下命令创建新用户 。这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为 shell。

1. sudo useradd -m hadoop -s /bin/bash

复制代码

• sudo命令: 本文中会大量使用到sudo命令。sudo是ubuntu中一种权限管理机制，管理员可以授权给一些普通用户去执行一些需要root权限执行的操作。当使用sudo命令时，就需要输入您当前用户的密码。
  

接着使用如下命令设置密码，如果提示密码过于简单可以无视，只要两次相同即可：

1. sudo passwd hadoop

复制代码

可为 hadoop 用户增加管理员权限，方便部署：

1. sudo adduser hadoop sudo

复制代码

然后切换到新建的hadoop用户下：

1. su hadoop

复制代码

更新 apt，在 Ubuntu 中使用 apt 来下载安装软件，如果没更新可能有一些软件安装不了。

1. sudo apt-get update

复制代码

按照下图依次点击 ① ②：

 选择“其他”然后选择阿里云镜像服务器。这等效于我们平时在 Windows 系统下安装 python 包时使用清华镜像站。

 选择关闭后会提醒你信息过时

 后续操作将不再需要图形化界面，故建议使用 xshell 软件，下面演示一下，如不需要可以直接跳转至Part2。

• step1：查询本机的ip地址：
  
  
  
• step2：建立Windows与虚拟机的连接。
  
  
  
• step3：连接建议勾选“记住用户名”“记住密码”
  
  
  
  
  

Part2: SSH无密码登录配置

安装vim，提示时按y即可：

1. sudo apt-get install vim

复制代码

  安装SSH，配置无密码登录：

1. sudo apt-get install openssh-server

复制代码

 SSH首次登陆提示)，输入 yes 。然后按提示输入密码，利用 ssh-keygen 生成密钥，并将密钥加入到授权中：

1. ssh localhost
2. exit
3. cd ~/.ssh/                     # 若没有该目录，再执行一次ssh localhost
4. ssh-keygen -t rsa              # 会有提示，都按回车就可以
5. cat ./id_rsa.pub >> ./authorized_keys  # 加入授权

复制代码

此时再用 ssh localhost 命令，无需输入密码就可以直接登录了。
Part3: JDK的安装与配置

我们需要先将 JDK1.8 （目前企业中主流的 java 版本仍然是 jdk1.8）下载到电脑。
然后将文件上传到 Ubuntu 中，这里我采用的是 rz 的上传方式，需要借用 xshell 工具。

1. cd ~
2. sudo mkdir Downloads # 创建 ~/Downloads 目录用来存放下载的文件
3. cd Downloads     # 进入目标目录
4. rz            # 上传文件到 Ubuntu 系统中

复制代码

解压 JDK 文件：

1. cd /usr/lib
2. sudo mkdir jvm # 创建/usr/lib/jvm目录用来存放JDK文件
3. cd ~ # 进入hadoop用户的主目录
4. cd Downloads  
5. sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm  # 把JDK文件解压到 /usr/lib/jvm 目录下

复制代码

配置环境变量：

1. cd ~
2. vim ~/.bashrc

复制代码

在文件中输入以下内容后，按 Esc 键，输入“:wq”保存并退出

1. export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
2. export JRE_HOME=${JAVA_HOME}/jre
3. export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
4. export PATH=${JAVA_HOME}/bin:$PATH

复制代码

执行如下命令让.bashrc文件的配置立即生效：

1. source ~/.bashrc

复制代码

验证环境变量是否生效：

1. java -version

复制代码

如果能够在屏幕上返回如下信息，则说明安装成功：

Part4: Hadoop的安装与配置

首先，你需要下载一个 hadoop-3.3.4.tar.gz（这是一个官网链接），当然你也可以下载 3.1.3 的版本，这并没有很大的改变。
然后使用同样的方法将文件上传到 Ubuntu 中。

1. cd ~/Downloads     # 进入目标目录
2. rz            # 上传文件到 Ubuntu 系统中

复制代码

将 Hadoop 安装至 /usr/local/ 中：

1. sudo tar -zxvf ~/Downloads/hadoop-3.3.4.tar.gz -C /usr/local    # 解压到/usr/local中
2. cd /usr/local/
3. sudo mv ./hadoop-3.3.4/ ./hadoop            # 将文件夹名改为hadoop
4. sudo chown -R hadoop ./hadoop       # 修改文件权限

复制代码

验证 hadoop 是否安装成功：

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

复制代码

如果能够在屏幕上返回如下信息，则说明安装成功：

Part5: Hadoop伪分布式的搭建

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

1. vim etc/hadoop/core-site.xml

复制代码

将原先的改为下面的内容：

1. <configuration>
2.     <property>
3.         <name>hadoop.tmp.dir</name>
4.         <value>file:/usr/local/hadoop/tmp</value>
5.         <description>Abase for other temporary directories.</description>
6.     </property>
7.     <property>
8.         <name>fs.defaultFS</name>
9.         <value>hdfs://localhost:9000</value>
10.     </property>
11. </configuration>

复制代码

修改配置文件 hdfs-site.xml：

1. vim etc/hadoop/hdfs-site.xml

复制代码

将原先的改为下面的内容：

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:/usr/local/hadoop/tmp/dfs/name</value>
9.     </property>
10.     <property>
11.         <name>dfs.datanode.data.dir</name>
12.         <value>file:/usr/local/hadoop/tmp/dfs/data</value>
13.     </property>
14. </configuration>

复制代码

配置完成后，执行 NameNode 的格式化:

1. cd /usr/local/hadoop
2. bin/hdfs namenode -format

复制代码

成功格式化返回样例（部分）：

1. STARTUP_MSG: Starting NameNode
2. STARTUP_MSG:   host = hadoop/127.0.1.1
3. STARTUP_MSG:   args = [-format]
4. STARTUP_MSG:  version = 3.3.4

复制代码

如果在这一步时提示 Error: JAVA_HOME is not set and could not be found. 的错误，首先你要确定前面关于JDK的环境变量配置文件中没有出现问题。然后，到hadoop的安装目录修改配置文件“/usr/local/hadoop/etc/hadoop/hadoop-env.sh”，在里面找到“export JAVA_HOME=${JAVA_HOME}”这行，然后，把它修改成JAVA安装路径的具体地址，比如，“export JAVA_HOME=/usr/lib/jvm/default-java”，再次启动Hadoop。
接着开启 NameNode 和 DataNode 守护进程：

1. cd /usr/local/hadoop
2. sbin/start-all.sh  #start-all.sh是个可执行文件，中间没有空格

复制代码

对于伪分布式可以用 start-dfs.sh 启动hadoop，等效于前面的 start-all.sh。
如果启动 Hadoop 时遇到输出非常多“ssh: Could not resolve hostname xxx”的异常情况，可通过设置 Hadoop 环境变量来解决。首先按键盘的 ctrl + c 中断启动，然后在 ~/.bashrc 中，增加如下两行内容（设置过程与 JAVA_HOME 变量一样，其中 HADOOP_HOME 为 Hadoop 的安装目录）：

1. export HADOOP_HOME=/usr/local/hadoop
2. export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

复制代码

启动完成后，可以通过命令 jps 来判断是否成功启动，若成功启动则会列出如下进程: "NameNode"、"DataNode" 和 "SecondaryNameNode"（如果 SecondaryNameNode 没有启动，请运行 sbin/stop-all.sh 关闭进程，然后再次尝试启动尝试）。如果没有 NameNode 或 DataNode ，那就是配置不成功，请仔细检查之前步骤。由于我前面执行的命令为 start-all.sh，所以是下面这个样子。

 
成功启动后，可以访问 Web 界面 http://localhost:9870 （由于hadoop版本不同，可能你需要访问的端口号是50070）以及  http://localhost:8088 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

 
 
伪分布式到此就搭建完成啦！
下面会再补充一些报错以及解决方案
 
 （1）若是 DataNode 没有启动，可尝试如下的方法（注意这会删除 HDFS 中原有的所有数据，如果原有的数据很重要请不要这样做）

1. cd /usr/local/hadoop
2. sbin/stop-all.sh   # 关闭
3. rm -r ./tmp     # 删除 tmp 文件，注意这会删除 HDFS 中原有的所有数据
4. ./bin/hdfs namenode -format   # 重新格式化 NameNode
5. sbin/start-all.sh  # 启动

复制代码

 
（2）解决 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable警告问题 

1. vim ~/.bashrc
2. # 添加以下内容
3. export JAVA_LIBRARY_PATH=/usr/local/hadoop/lib/native

复制代码

然后重新应用环境变量

1. source ~/.bashrc

复制代码

 
（3）当遇到9870端口被占用的问题时，可以通过更改启动时的端口号来实现启动，记得先通过 sbin/stop-dfs.sh 关闭服务，然后更改前面的 core-site.xml 文件，往里面添加以下内容到中间

1. <property>
2.         <name>dfs.namenode.secondary.http-address</name>
3.         <value>localhost:50090</value>
4. </property>

复制代码

 
（4）无法访问网站，这可能是Linux中的防火墙未关闭的问题：

1. sudo ufw status    # 查看防火墙状态
2. sudo ufw disable    # 关闭防火墙

复制代码

 
 
 
 
啊，好累，这篇写了巨久
整理：BDT20040

来源:https://www.cnblogs.com/liubaili/p/16884942.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！