Ps1：主要答疑區在本帖最下方，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分詞統計的試驗

實驗需求：

　　1、PC機，局域網服務，Linux系統　　

背景介紹：

Hadoop實現了一個分布式文件系統，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據，適合那些有著超大數據集的應用程序。HDFS放寬了POSIX的要求，可以以流的形式訪問文件系統中的數據。 Hadoop的框架最核心的設計就是：HDFS和MapReduce。HDFS為海量的數據提供了存儲，則MapReduce為海量的數據提供了計算。開發者在熟練掌握了hadoop的使用后輕松地在Hadoop上開發和運行處理海量數據的應用程序

　　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點上，最后一個復制塊存儲在不同機架的某個節點上。實際的 I/O事務并沒有經過 NameNode，只有表示 DataNode 和塊的文件映射的元數據經過 NameNode。當外部客戶機發送請求要求創建文件時，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 的本地文件系統上。FsImage 和 EditLog 文件也需要復制副本，以防文件損壞或 NameNode 系統丟失。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連接起來。Hadoop 的一個假設是：機架內部節點之間的傳輸速度快于機架間節點的傳輸速度。 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 可以根據這個報告驗證塊映射和其他文件系統元數據。如果 DataNode 不能發送心跳消息，NameNode 將采取修復措施，重新復制在該節點上丟失的塊。

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定版2.7.3(解壓及安裝hadoop)　　　　　　

　　　　　　下載地址：Hadoop官網 hadoop.apache.org/releases.ht…

　　　　　　

　　　　　　步驟1：點開網頁以后，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完成。接下準備java環境的配置

　

　　（3）JDK版本為java8-oracle（配置java環境）

　　　　　（環境：系統穩定聯網狀態下）

　　　　　 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：出現一段文字后按回車繼續

　　　　　　步驟3：繼續鍵入命令

sudo apt-get update復制代碼

　　　　　　步驟4：待系統加載完所有下載源

　　　　　　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絡服務提供安全性的協議。利用 SSH 協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，則創建ssh成功

　　　　步驟5：創建免密登錄（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 創建RSA密鑰

　　　　步驟9：一直回車直至出現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(節點篇)

　　　　　　需求：如果每個節點都需要下載安裝hadoop ，則大量耗費人力物力。

　　　　　　解決：所以需要一個SSH來遠程發送hadoop包分發給每個節點。

　　　　　　

　　　　　　接下來來講解master打通每個節點的連接方式（單節點和多節點一樣，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和子節點的通道，可以通過scp命令傳輸數據了。

　　　　　至此，完成對于子節點的ssh免密訪問配置。

　　（5）hadoop平臺版本都為最新穩定版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

　　　　出現如下結果，沒有JAVA報錯即可

　　　　初始化hadoop namenode節點成功！

　　　　

　　　　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節點測試，如果如上圖所示則測試成功

　　　　在ssh slave2 節點輸入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，說明有存活節點，死節點為空。

　　　　證明集群配置成功！

　　（6）集群安裝hadoop（完成Master節點的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分發給slave2節點（其他節點依次類推，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節點上配置環境變量

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：通過終端把測試數據 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，能夠基本實現分詞-詞頻統計。

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linux系統的一些工作原理。

　　　　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文檔的端口設置，配置出錯，導致進度耽誤幾天，最后才發現是端口的問題。

　　　　5、在搭建完后對于linux系統也有深刻的體會，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據 以及 網絡招聘崗位數據對應學校各二級學院的專業核心技能

　　　　　 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。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。以及對于大數據平臺的理解，不再是覺得深不可測，改變對于大數據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平臺提交小組的數據分析項目，利用Mapreduce并行化算法以及YARN集群分布式計算，提高數據分析的效率。

　　　　2、以及寫一個基于hadoop平臺的分布式爬蟲，提高大數據的讀取時間。

　　　　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、最近時間關注大數據方向注意到關聯數據RDF的應用，也希望能嘗試利用Sqoop讀取關聯數據，進行數據分析。

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。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。