---

前言

本文為大數據基礎系列 4：偽分布式 Hadoop 在 Ubuntu 上的安裝流程完整步驟及易錯點分析，以 ubuntu-18.04.3、hadoop-3.2.1-tar.gz 為例。本系列的其他文章可以移步本人大數據專欄進行查看。對于本篇文章，我個人是很有自信的，一篇文章掌握一門課程核心技術點。

---

一、創建 Ubuntu 用戶

關于創建 Ubuntu 用戶的內容這里不做詳細敘述了，需要的同學請參考我之前的文章：Ubuntu 答疑：Ubuntu 添加和刪除用戶具體步驟及進程被占用的解決方式。

二、安裝 Java

對于 Ubuntu 本身，系統可能已經預裝了Java，它的 JDK 版本類型為 openjdk，路徑為"/usr/lib/jvm/default-java"，之后配置 JAVA_HOME 環境變量我們可設置為該值。其具體位置如下圖所示：

Apache Hadoop 的 2.7 版和更高版本需要 Java 7。它是在 OpenJDK 和 Oracle（HotSpot）的 JDK / JRE 上構建和測試的。早期版本（2.6 和更早版本）支持 Java 6。

2.1、查看本地 Java 版本

我們輸入 java -version 查看本地 jdk 版本號，沒安裝的話輸入同樣指令，可以根據提示下載需要版本，具體如下圖所示：

2.2、驗證 Java 在本地的配置情況

輸入 javac，顯示命令參數列表，說明配置成功，不顯示請根據提示安裝，具體如下圖所示：

三、安裝 ssh 服務

需要具體安裝 SSH 無密碼登陸參考的同學可以看我之前的文章： ssh 配置：在 Linux 中 ssh 配置無密碼登陸完整步驟以及易錯點分析。

對于 Hadoop 的偽分布式和全分布式而言，Hadoop 的名稱節點（NameNode）需要啟動集群中所有機器的 Hadoop 的守護進程，這個過程可以通過 SSH 登陸來實現。Hadoop 并沒有提供 SSH 輸入密碼登陸的形式，因此為了能夠順利登陸每臺機器，需要將所有機器配置為名稱節點可以無密碼登陸的形式。

3.1、安裝 openssh-server

安裝 openssh-server，在終端輸入如下代碼：

sudo apt install openssh-server

本人已經安裝，具體如下圖所示：

3.2、查看 ssh 服務是否啟動

輸入如下代碼：

sudo ps -e|grep ssh

回車，有 sshd，說明 ssh 服務已經啟動，具體如下圖所示：

如果沒有啟動，輸入sudo service ssh start，回車，ssh 服務就會啟動。

四、Hadoop 偽分布式安裝

偽分布式安裝是指在一臺機器上模擬一個小的集群，但是集群只有一個節點。

4.1、Hadoop 下載

在 Linux 系統/Ubuntu 上打開自帶火狐瀏覽器，輸入地址 https://hadoop.apache.org/，打開 Hadoop 的頁面，點擊 Download 進行下載，具體如下圖所示：

我們選擇所需版本的 binary 鏈接，進入，具體如下圖所示：

點擊第一個鏡像鏈接，進入下載頁面，具體如下圖所示：

4.2、進入下載安裝包的目錄

cd /home/bailu/下載

這里根據自己目錄輸入，我的如下圖所示：

4.3、Hadoop 解壓

對下載的 Hadoop 壓縮包執行解壓命令如下：

sudo tar -zxvf hadoop-3.2.1.tar.gz

4.3.1、解壓命令 tar zxvf 中 zxvf 分別是什么意思？

• x : 從 tar 包中把文件提取出來。
• z : 表示 tar 包是被 gzip 壓縮過的，所以解壓時需要用 gunzip 解壓。
• v : 顯示詳細信息。
• f xxx.tar.gz : 指定被處理的文件是 xxx.tar.gz。

4.3.2、查看 Hadoop 解壓后目錄文件

輸入 ll 查看下載目錄下的文件和目錄，會看到多了一個目錄 hadoop-3.2.1，這是安裝包解壓后的目錄，具體如下圖所示：

4.3.3、轉移 Hadoop 安裝路徑

在下載目錄下輸入如下命令，將 hadoop-3.2.1 目錄轉移到 usr/local/hadoop 中：

sudo mv hadoop-3.2.1 /usr/local/hadoop

目標文件夾如下圖所示：

4.4、檢查 Hadoop 目錄所有者權限

我們進入 Hadoop目錄，可能會發現文件帶鎖，輸入 ll 查看所有者不是本人，具體如下圖所示：

4.5、修改 Hadoop 目錄所有者權限

這時我們就需要將 Hadoop 目錄的所有者更改，根目錄輸入如下命令：

sudo chown bailu:bailu -R /usr/local/hadoop

具體如下圖所示：

修改之后我們可以看到所有者已經更改，具體如下圖所示：

4.5、查看 Hadoop 目錄結構

根目錄輸入 cd /usr/local/hadoop 進入 Hadoop 目錄，輸入 ll 查看 Hadoop 下目錄結構，具體如下圖所示：

4.6、Hadoop 約定目錄結構分析

• bin：Hadoop 最基本的管理腳本和使用腳本所在目錄，這些腳本是 sbin 目錄下管理腳本的基礎實現，用戶可以直接使用這些腳本管理和使用 Hadoop。
• etc：Hadoop 配置文件所在目錄，包括 core-site.xml，hdfs-site.xml，mapred-site.xml 等從 hadoop 1.0 繼承而來的配置文件和 yarn-site.xml 等 hadoop 2.0 新增的配置文件。
• include：對外提供的編程庫頭文件（具體動態庫和靜態庫在 lib 目錄中），這些頭文件均是用 c++ 定義的，通常用于 c++ 程序訪問 hdfs 或者編寫 mapreduce 程序。
• lib：該目錄包含了 Hadoop 對外提供的的編程動態庫和靜態庫，與 include 目錄中的頭文件結合使用。
• libexec：各個服務對應的 shell 配置文件所在目錄，可用于配置日志輸出目錄，啟動參數（比如 JVM 參數）等基本信息。
• sbin：Hadoop 管理腳本所在目錄，主要包含 HDFS 和 YARN 中各類服務的啟動/關閉腳本。
• share：Hadoop 各個模塊編譯后的 jar 包所在目錄。

4.7、Hadoop 中的配置文件分析

文件名稱	格式	描述
hadoop-env.sh	Bash 腳本	記錄配置 Hadoop 運行所需的環境變量，以運行 Hadoop
core-site.xml	Hadoop 配置 XML	Hadoop core 的配置項，如 HDFS 和 MapReduce 常用的 I/O 設置等
hdfs-site.xml	Hadoop 配置 XML	Hadoop 守護進程的配置項，包括 NameNode、Secondary NameNode 和 DataNode 等
mapred-site.xml	Hadoop 配置 XML	MapReduce 守護進程的配置項，包括 JobTracker 和 TaskTracker
masters	純文本	運行 SecondaryNameNode 的機器列表（每行一個）
slaves	純文本	運行 DataNode 和 TaskTracker 的機器列表（每行一個）
hadoop-metrics.properties	Java 屬性	控制 metrics 在 Hadoop 上如何發布的屬性

4.8、設置 Hadoop 環境變量

接下來我們需要設置 Hadoop 環境變量，編輯 ~/.bashrc，任意目錄下輸入如下代碼：

sudo gedit ~/.bashrc

具體如下圖所示：

讓環境變量立即生效，輸入命令： source ~/.bashrc，具體如下圖所示：

五、準備啟動 Hadoop 集群

5.1、啟動 Hadoop 集群的準備工作

在任意目錄下輸入如下代碼：

sudo gedit /usr/local/hadoop/hadoop-3.2.1/etc/hadoop/hadoop-env.sh

編輯 etc/hadoop/hadoop-env.sh 以定義一些參數，將原文本文件中的 JAVA_HOME 設置成真實的 JDK 地址，具體如下所示：

  ＃設置為 Java 安裝的根目錄export JAVA_HOME =/usr/java/latest

5.2、Hadoop 腳本的用法文檔

嘗試以下命令：Hadoop 根目錄下輸入 bin/hadoop 這將顯示 Hadoop 腳本的用法文檔，具體如下圖所示：

5.3、查看 Hadoop 的版本信息

這時我們可以查看 Hadoop 的版本信息，輸入如下命令：

 ./bin/hadoop version

具體如下圖所示：

六、偽分布式操作

6.1、修改配置文件

對于偽分布式，僅需修改 core-site.xml、hdfs-site.xml 文件，詳細修改如下。

對于 etc/hadoop/core-site.xml，輸入命令如下：

sudo gedit /usr/local/hadoop/hadoop-3.2.1/etc/hadoop/core-site.xml

修改之后如下圖所示：

說明：

• <name> 標簽設置配置項的名字，<value> 設置配置項的值。
• 對于 core-site.xml 文件，只需在其中指定 HDFS 的地址和端口號，端口號按照官方文檔設置為 9000 即可。

對于 etc/hadoop/hdfs-site.xml，輸入命令如下：

sudo gedit /usr/local/hadoop/hadoop-3.2.1/etc/hadoop/hdfs-site.xml

修改之后如下圖所示：

說明：

• 對于 hdfs-site.xml 文件，我們設置 replication 值為 1，這也是 Hadoop 運行的默認最小值，它限制了 HDFS 文件系統中同一份數據的副本數量。
• 這里采用偽分布式，在集群中只有一個節點，因此副本數量 replication 的值也只能設置為 1。

6.2、執行 NameNode 初始化

在配置完成后，首先需要初始化文件系統。由于 Hadoop 的很多工作是在自帶的 HDFS 文件系統上完成的，因此需要將文件系統初始化之后才能進一步執行計算任務。

在 Hadoop 根目錄執行 NameNode 初始化的命令如下：

./bin/hdfs namenode -format

具體如下圖所示：

遇到這一步，繼續執行，具體如下圖所示：

成功的話，會看到"successfully formatted"和"Exitting with status"的提示，若為"Exitting with status 1"則是出錯。

如果出現啟動錯誤，則可以在日志中查看錯誤原因，具體如下圖所示：

對于控制臺報錯請注意：

1. 每一次的啟動日志都是追加在日志文件之后，所以對于錯誤要拉到最后面看，對比下記錄的時間就知道了。
2. 一般出錯的提示在最后面，通常是寫著 Fatal、Error、Warning 或者 Java Exception 的地方。

6.3、開啟 NameNode 和 DataNode 守護進程

輸入如下命令：

./sbin/start-dfs.sh

具體如下圖所示：

6.4、查看所有的 Java 進程

運行之后，輸入 jps 指令可以查看所有的 Java 進程。在正常啟動時，可以得到如下類似結果，具體如下圖所示：

說明：jps(Java Virtual Machine Process Status Tool)是 java 提供的一個顯示當前所有 Java 進程 pid 的命令，適合在 linux/unix 平臺上簡單察看當前 Java 進程的一些簡單情況。很多人都是用過 unix 系統里的 ps 命令，這個命令主要是用來顯示當前系統的進程情況，有哪些進程以及進程 id。

jps 也是一樣，它的作用是顯示當前系統的 Java 進程情況及進程 id。我們可以通過它來查看我們到底啟動了幾個 Java 進程（因為每一個 Java 程序都會獨占一個 Java 虛擬機實例）。

七、訪問 Web 界面來查看 Hadoop 的信息

此時，可以通過 Linux 本地瀏覽器訪問 Web 界面（http://localhost:9870）來查看 Hadoop 的信息，具體如下圖所示：

如果存在 DataNode 啟動異常時或者沒有啟動的問題，請查看：Apache Hadoop 答疑：解決 Apache Hadoop 啟動時 DataNode 啟動異常的問題。具體如下圖所示：

八、關閉 Hadoop

若要關閉 Hadoop，則在 Hadoop 根目錄下運行如下命令：

./sbin/stop-dfs.sh

具體如下圖所示：

---

總結

本文是本專欄文章的第四篇，也是做重要的一篇，后期的 Hadoop 生態體系均是圍繞本文展開，同時補充了一些 linux 系統操作的相關知識，對于鞏固 linux 系統也是有一定的幫助。簡而言之，如果你切實掌握了本文的內容，那么你后期學大數據的其他組成部分也就輕車熟路了。

---

我是白鹿，一個不懈奮斗的程序猿。望本文能對你有所裨益，歡迎大家的一鍵三連！若有其他問題、建議或者補充可以留言在文章下方，感謝大家的支持！