说明

单机版是hadoop的基础安装方式，在三种安装方式：单机、伪分布式、集群中，常作为MapReduce功能的测试环境，没必要开启hdfs和yarn。
本文介绍hadoop单机版MapReduce测试环境安装方式。

分享

• 大数据博客列表
• 开发记录汇总
• 个人java工具库 项目https://gitee.com/wangzonghui/object-tool
  • 包含json、string、集合、excel、zip压缩、pdf、bytes、http等多种工具，欢迎使用。

环境

• 系统 centos 7.9 2009
• hadoop 3.3.4 下载地址
  • 需要软件ssh和pdsh，ssh系统自带，pdsh未用过。
• jdk java 8.201

步骤

• 安装目录：/opt/module，操作用户可以是root或其他。

安装jdk

• 解压jdk：tar -zxvf jdk-8u201-linux-x64.tar.gz -C /opt/module/
• centos7 配置环境变量，创建自己环境变量文件：vi /etc/profile.d/my_env.sh

#JAVA_HOME export是全局变量
export JAVA_HOME=/opt/module/jdk1.8.0_201
export PATH=$PATH:$JAVA_HOME/bin

• 如果为centos6 编辑文件：vi /etc/profile，内容如上，需重新加载环境文件：source /etc/profile

• 验证jdk，查看版本：java -version
  

安装hadoop

• 官网下载hadoop 地址
  • wget下载：wget https://dlcdn.apache.org/hadoop/common/hadoop-3.3.4/hadoop-3.3.4.tar.gz
  • curl下载：curl https://dlcdn.apache.org/hadoop/common/hadoop-3.3.4/hadoop-3.3.4.tar.gz -o hadoop-3.3.4.tar.gz
• 解压到指定目录：tar -zxvf hadoop-3.3.4.tar.gz -C /opt/module/，单机版安装就添加到系统环境变量。
  

目录说明

• hadoop各目录说明

目录名	说明
bin	存放hadoop相关服务（hdfs、yarn、mapred）进行操作脚本
etc	存放hadoop配置文件
lib	存放hadoop本地库
sbin	启动或停止hadoop各服务脚本
share	存放hadoop依赖jar、文档、官方实例。

MapReduce测试

数据准备

• 创建数据目录：mkdir /opt/data /opt/data/input
• 创建数据文件：vi /opt/data/input/data.txt，内容如下：

hello world
hello year
work and happy

执行MapReduce

• 执行MapReduce任务进行文本单词统计：/opt/module/hadoop-3.3.4/bin/hadoop jar /opt/module/hadoop-3.3.4/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar wordcount /opt/data/input/ /opt/data/output，为方便理解此处使用物理路径。

  • 参数说明：
    • jar：标识执行jar，后面跟jar包路径
    • wordcount：为参数，表示执行单词统计
    • /opt/data/input：为数据源目录
    • /opt/data/output：结果输出目录，不要创建，输出目录必须不存在，否则会报错。
      

• 出现如图 success 表示执行成功：
  

结果验证

• 程序自动创建输出目录：/opt/data/output，查看结果目录：ll /opt/data/output/，查看文件内容：cat /opt/data/output/part-r-00000
  

hdfs服务

添加hadoop环境变量

• 修改环境变量，添加hadoop环境变量，编辑文件：vi /etc/profile.d/my_env.sh ，增加如下内容：

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.3.4

export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

• 查看hadoop版本，控制台执行刷新配置打印hadoop版本：source /etc/profile && hadoop version

创建数据目录

• 控制台执行命令创建目录：mkdir -p /opt/data/hadoop/name /opt/data/hadoop/data

修改hadoop配置文件

• 修改文件：vi /opt/module/hadoop-3.3.4/etc/hadoop/core-site.xml，修改为如下内容

<configuration>
        <!-- NameNode 地址设置-->
        <property>
                <name>fs.defaultFS</name>
                <value>hdfs://localhost:9000</value>
        </property>
        <!-- 数据存储目录 -->
        <property>
                <name>hadoop.tmp.dir</name>
                <value>file:/opt/module/hadoop-3.3.4/data</value>
                <description>Abasefor other temporary directories.</description>
        </property>
          <!-- HDFS网页登录静态用户-->
        <property>
          <name>hadoop.http.staticuser.user</name>
          <value>root</value>
        </property>
</configuration>

• 修改文件：vi /opt/module/hadoop-3.3.4/etc/hadoop/hdfs-site.xml，修改为如下内容

<configuration>
        <!--NameNode web访问地址 -->
        <property>
          <name>dfs.namenode.http-address</name>
          <value>localhost:9870</value>
        </property>
        <!-- NameNode数据目录 -->
        <property>
                <name>dfs.namenode.name.dir</name>
                <value>file:/opt/data/hadoop/name</value>
        </property>
        <!-- DataNode数据目录 -->
        <property>
                <name>dfs.datanode.data.dir</name>
                <value>file:/opt/data/hadoop/data</value>
        </property>
        <!-- 数据副本数量 -->
        <property>
                <name>dfs.replication</name>
                <value>1</value>
        </property>
</configuration>

• 编辑文件：vi /opt/module/hadoop-3.3.4/sbin/start-dfs.sh 和 vi /opt/module/hadoop-3.3.4/sbin/stop-dfs.sh ，增加如下内容配置用户启动信息

HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

启动hdfs并验证

• 首次 格式化hdfs：hdfs namenode -format

• 启动hdfs：start-dfs.sh

• 查看服务进程：jps

• 访问web页面：http://ip:9870/

• 上传文件：hadoop fs -put 本地文件 /

• 查看文件：hadoop fs -ls /

总结

• 单机版只能辅助理解hadoop，正式上线小集群使用伪分布式，正常集群使用集群安装，绝大多数大数据公司，使用第三方集群安装管理工具CDH或HDP（现停止更新，合并为一家公司CDP，开始收费），个别公司自己开发hadoop安装工具，正式平台组件很多如hbase、hive、kafka、spark、flink等，根据业务需要组装，将会非常复杂，这里不做说明。