Spark新手入门——2.Hadoop集群(伪分布模式)安装

主要包括以下三部分，本文为第二部分：
一. Scala环境准备
二. Hadoop集群(伪分布模式)安装
三. Spark集群(standalone模式)安装

Hadoop集群(伪分布模式)安装

1. 依赖项：jdk(hadoop与java版本兼容性参考)、ssh；
   执行ssh localhost若提示：
   localhost: ssh: connect to host localhost port 22: Connection refused
   则需要:
   a.检查是否安装了openssh，若没有则建议通过brew install openssh安装(需要先安装brew，安装brew前还需要先安装xcode，安装方法见，官网的方法若超时，可以先在浏览器中打开curl链接并复制到本地保存(如~/Desktop/install)，然后修改安装命令为:
   /usr/bin/ruby -e "$(cat ~/Desktop/install)"
   )，启动方式：
   sudo /usr/sbin/sshd

   若启动失败并提示：
   Could not load host key: /etc/ssh/ssh_host_rsa_key
   Could not load host key: /etc/ssh/ssh_host_dsa_key
   Could not load host key: /etc/ssh/ssh_host_ecdsa_key
   Could not load host key: /etc/ssh/ssh_host_ed25519_key

   则，执行以下操作后重新启动：
   sudo cp ~/.ssh/id_rsa /etc/ssh/ssh_host_rsa
sudo cp ~/.ssh/id_rsa.pub /etc/ssh/ssh_host_rsa.pub

   启动后通过ps -ef | grep ssh检查ssh服务是否存在
   b.检查是否存在以下文件，且authorized_keys 中包含id_rsa.pub中的内容
   ~/.ssh/id_rsa.pub
~/.ssh/id_rsa
~/.ssh/authorized_keys

   若没有id_rsa.*文件，则执行以下操作：
   ssh-keygen -t rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys

2. 修改/etc/hosts文件(可选)
   添加本机ip到localhost的映射(sudo vim /etc/hosts)，如下所示：
   xx.xx.xx.xx localhost
   这一步是为了可以使用形如：hdfs://xx.xx.xx.xx:9000/file/path的格式访问hdfs，否则只能使用localhost。
3. 下载安装包，解压到~/tools/hadoop-2.7.6；

4. 修改配置
   a.etc/hadoop/core-site.xml中添加如下配置：
   xml <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://localhost:9000</value> </property> </configuration>

   b.etc/hadoop/hdfs-site.xml中添加如下配置：
   xml <configuration> <property> <name>dfs.replication</name> <value>1</value> </configuration>

   以上为hdfs相关配置，若要使用yarn，还需进行以下配置
   c.拷贝etc/hadoop/mapred-site.xml.template到etc/hadoop/mapred-site.xml并添加如下配置：
   xml <configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>

   d.etc/hadoop/yarn-site.xml中添加如下配置：
   xml <configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration>

   注：默认存储路径为/tmp/hadoop-<username>/，可以通过配置 “dfs.namenode.name.dir”、 “dfs.datanode.data.dir” 显式指定，参考；

5. 启动服务
   a.格式化namenode
   ./bin/hdfs namenode -format

   b.启动HDFS
   ./sbin/start-dfs.sh
   c.若要启用历史任务服务，执行以下命令：
   ./sbin/mr-jobhistory-daemon.sh start historyserver

   d.若要使用yarn，执行以下命令
   ./sbin/start-yarn.sh

   启动后通过jps命令查看启动的服务，应包含：DataNode、NameNode、SecondaryNameNode(若启动了yarn，还包括：NodeManager、ResourceManager；若启动了历史服务，还包括：JobHistoryServer)；

6. 通过以下网址查看服务状态
   a.历史任务：
   b.集群状态：
   c.NameNode状态：

7. 测试
   通过以下命令测试hdfs是否可用：
   ./bin/hadoop fs -ls /
./bin/hadoop fs -ls hdfs://localhost:9000/
./bin/hadoop fs -ls hdfs://xx.xx.xxx.xxx:9000/
./bin/hdfs dfs -ls /
./bin/hdfs dfs -ls hdfs://localhost:9000/
./bin/hdfs dfs -ls hdfs://xx.xx.xxx.xxx:9000/

   若服务可用，需要创建以下目录：
   hdfs://localhost:9000/user/<username>

8. 停止服务
   可将以下命令写入stop.sh批量执行：
   ./sbin/stop-dfs.sh
./sbin/stop-yarn.sh
./sbin/mr-jobhistory-daemon.sh stop historyserver

注：若配置了yarn(4.c)，则中下面的例子是无法成功执行的；若只配置了hdfs(4.a，4.b)，是没有问题的：

    bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.6.jar grep input output 'dfs[a-z.]+'

参考文档：