Hadoop伪分布式配置教程
目录
一、创建Hadoop用户
1.创建Hadoop用户
2.更换用户
二、更新Apt，安装SSH，配置SSH无密码登录
1.更新Apt
2.安装SSH
3.配置SSH无密码登陆
三、安装Java环境
四、安装 Hadoop
1.下载Hadoop
2.安装Hadoop
五、Hadoop单机配置(非分布式)
六、Hadoop伪分布式配置
七、运行Hadoop伪分布式实例
一、创建Hadoop用户
1.创建Hadoop用户
输入如下命令创建新用户 :
sudo useradd -m hadoop -s /bin/bash
这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为 shell。
接着使用如下命令设置密码，可简单设置为 hadoop，按提示输入两次密码：
sudo passwd hadoop
可为 hadoop 用户增加管理员权限，方便部署，避免一些对新手来说比较棘手的权限问题：
sudo adduser hadoop sudo
2.更换用户
关闭终端，注销当前用户，选择Hadoop用户登录
二、更新Apt，安装SSH，配置SSH无密码登录
1.更新Apt
用 hadoop 用户登录后，我们先更新一下 apt，后续我们使用 apt 安装软件，如果没更新可能有一些软件安装不了。按 Ctrl+Alt+T打开终端窗口，执行如下命令：
sudo apt-get update
2.安装SSH
安装 SSH server，执行如下命令：
sudo apt-get install openssh-server
输入“Y”，按回车继续安装
安装后，可以使用如下命令登陆本机：
ssh localhost
输入“yes”，后输入密码按回车即可
3.配置SSH无密码登陆
首先输入以下代码：
exit
退出刚才的 ssh localhost
输入以下代码：
cd ~/.ssh/
进入到ssh目录中
输入以下代码：
ssh-keygen -t rsa
利用ssh-keygen生成密匙
出现提示后，按回车键即可
输入以下代码：
cat ./id_rsa.pub >> ./authorized_keys
将密钥加入到授权中
此时再用ssh localhost命令，无需输入密码就可以直接登陆了
ssh localhost
三、安装Java环境
输入以下代码，安装Openjdk-8-jdk
sudo apt-get install openjdk-8-jdk
输入“Y”，按回车继续安装
输入以下代码，查看已安装的Java版本
java -version
输入以下代码，配置Java环境文件
gedit ~/.bashrc
在文件最前面添加如下单独一行（注意，等号“=”前后不能有空格），然后保存退出：
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
接下来，要让环境变量立即生效，请执行如下代码：
source ~/.bashrc
执行上述命令后，可以检验一下是否设置正确：
echo $JAVA_HOME java -version $JAVA_HOME/bin/java -version
四、安装 Hadoop
1.下载Hadoop
使用Ubuntu系统内置的Firefix浏览器下载Hadoop-3.2.4
Hadoop下载地址：Index of /apache/hadoop/common/hadoop-3.2.4
2.安装Hadoop
输入以下代码：（注意C要大写）
sudo tar -zxf ~/下载/hadoop-3.2.4.tar.gz -C /usr/local
将Hadoop解压安装到/usr/local文件夹内
输入以下代码：
cd /usr/local/ sudo mv ./hadoop-3.2.4/ ./hadoop # 将文件夹名改为hadoop sudo chown -R hadoop ./hadoop
并将文件夹名改为hadoop，和修改文件权限
输入如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息：
cd /usr/local/hadoop ./bin/hadoop version
五、Hadoop单机配置(非分布式)
Grep 例子
将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中
cd /usr/local/hadoop mkdir ./input cp ./etc/hadoop/*.xml ./input ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+' cat ./output/*
Hadoop 默认不会覆盖结果文件，因此再次运行上面实例会提示出错，需要先将 ./output 删除。
rm -r ./output
六、Hadoop伪分布式配置
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
cd /usr/local/hadoop gedit ./etc/hadoop/core-site.xml
修改为以下配置，点击保存后退出：
hadoop.tmp.dir
file:/usr/local/hadoop/tmp
Abase for other temporary directories.
fs.defaultFS
hdfs://localhost:9000
修改配置文件 hdfs-site.xml
gedit ./etc/hadoop/hdfs-site.xml
修改为以下配置，点击保存后退出：
dfs.replication
1
dfs.namenode.name.dir
file:/usr/local/hadoop/tmp/dfs/name
dfs.datanode.data.dir
file:/usr/local/hadoop/tmp/dfs/data
配置完成后，执行 NameNode 的格式化:
./bin/hdfs namenode -format
接着开启 NameNode 和 DataNode 守护进程
./sbin/start-dfs.sh
启动完成后，可以通过命令jps来判断是否成功启动
jps
成功启动后，可以访问 Web 界面 http://localhost:9870 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件
七、运行Hadoop伪分布式实例
要使用 HDFS，首先需要在 HDFS 中创建用户目录：
cd /usr/local/hadoop ./bin/hdfs dfs -mkdir -p /user/hadoop
接着将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中，即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中
./bin/hdfs dfs -mkdir input ./bin/hdfs dfs -put ./etc/hadoop/*.xml input
复制完成后，可以通过如下命令查看文件列表：
./bin/hdfs dfs -ls input
将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'
查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：
./bin/hdfs dfs -cat output/*
将运行结果取回到本地：
rm -r ./output ./bin/hdfs dfs -get output ./output cat ./output/*
Hadoop 运行程序时，输出目录不能存在，否则会提示错误
因此若要再次执行，需要执行如下命令删除 output 文件夹:
./bin/hdfs dfs -rm -r output
若要关闭 Hadoop，则运行:
./sbin/stop-dfs.sh
参考文章：Hadoop安装教程_单机/伪分布式配置_Hadoop2.6.0(2.7.1)/Ubuntu14.04(16.04)_厦大数据库实验室博客
