Mac下Hadoop-2.8.0 开发环境搭建

共计 3905 个字符，预计需要花费 10 分钟才能阅读完成。

Hadoop是一个由 Apache 基金会开发的分布式系统架构，简称HDFS，具有高容错性、可伸缩性等特点，并且可以部署在低配置的硬件上；同时，提供了高吞吐量的数据访问性能，适用于超大数据集的应用程序，以及通过集群拓扑高效快速的处理数据的能力。

本文主要介绍一下 Hadoop 的开发环境搭建，平台是 Mac 系统。

下载源码

在搭建环境之前，需要先下载 hadoop 的 binary，可以把 source 也下载下来，方便以后阅读。下载后进行解压：

$ tar -zxvf hadoop-2.8.0.tar.gz

配置 hadoop

hadoop的配置稍许麻烦，暂时没有一键化配置的功能；另外，hadoop是基于 java 开发的，所需需要安装 java 开发环境，如果没有安装，请参考其它资料先安装 java 开发环境。设置好 java 开发环境后，再设置 hadoop 的开发环境。

hadoop的配置文件主要都在 etc/hadoop 目录下，可以配置 hdfs、yarn、mapreduce 等，下面具体介绍：

1. 添加 hadoop 环境变量

添加的方式很多，可以修改系统级的文件，如：/etc/bashrc、/etc/profile，也可以修改当然用户的文件，比如：~/.bash_profile（shell 用的是 bash）、~/.zshrc（shell 用的是 zsh），添加如下代码即可

export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_121.jdk/Contents/Home
export HADOOP_HOME=/Users/gandalf/Documents/kelvin/Hadoop/hadoop-2.8.0

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

配置完成后，需要设置其生效，安装 zsh 的配置设置：

$ source ~/.zshrc

设置完成后，如果出现下面信息，表示 hadoop 开发环境变量设置好了

$ hadoop version
Hadoop 2.8.0
Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r 91f2b7a13d1e97be65db92ddabc627cc29ac0009
Compiled by jdu on 2017-03-17T04:12Z
Compiled with protoc 2.5.0
From source with checksum 60125541c2b3e266cbf3becc5bda666
This command was run using /Users/gandalf/Documents/kelvin/Hadoop/hadoop-2.8.0/share/hadoop/common/hadoop-common-2.8.0.jar

2. 修改 hadoop-env.sh

直接设置 JAVA_HOME 的路径，不要用 $JAVA_HOME 代替，因为 hadoop 对系统变量的支持不是太好

# The java implementation to use.
export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_121.jdk/Contents/Home

3. 修改 core-site.xml

设置 hadoop 的临时目录及文件系统，其中 localhost:9000 表示本地主机，如果是远程主机，则需要把 localhost 修改为相应的 IP 地址，如果填写远程主机的域名，则需要到 /etc/hosts 文件中做 DNS 映射

<configuration>
    <!-- 设置临时目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/Users/gandalf/Documents/kelvin/Hadoop/hadoop-2.8.0/data</value>
    </property>
    <!-- 设置文件系统 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

4. 配置 hdfs-site.xml

由于是一台 Mac 电脑，所以数据的副本设置为1，默认是3

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

5. 配置 mapred-site.xml

由于 hadoop 的根目录下的 etc/hadoop 目录下没有 mapred-site.xml 文件，所以需要创建该文件，但是我们可以直接把 etc/hadoop 目录下的 mapred-site.xml.template 文件重命名为mapred-site.xml，然后配置数据处理的框架为yarn。

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

6. 配置 yarn-site.xml

配置数据处理框架yarn

<configuration>

<!-- Site specific YARN configuration properties -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.resourcemanager.address</name>
        <value>localhost:9000</value>
    </property>
</configuration>

启动 hadoop

配置完 hadoop 后，就可以启动 hadoop 了

1. 启动 namenode

$ hadoop namenode -format

如果出现如下图片提示，表示 namenode 启动成功

需要注意的是，如果有错误，请先检查是不是 hadoop 安装包是32-bit，而计算机系统是64-bit，造成不匹配

2. 启动 hdfs

启动 hdfs，有可能需要输入3 次密码

$ start-dfs.sh

如果出现如下提示，表示 hadoop 无法远程登录主机，需要开放权限

具体开放权限的步骤如下，先到系统设置里的 共享 里，然后允许 远程登录，最后添加当前的用户即可：

如果不想每次启动都输入 3 次密码，可以添加 ssh 的公钥到 authorized_keys 文件中

// 添加 ssh 的公钥到 authorized_keys 文件中
$ mkdir ~/.ssh && cd ~/.ssh
$ ssh-keygen -t rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

3. 启动 yarn

启动数据处理 mapreduce 框架yarn

$ start-yarn.sh

如果执行 jps 命令出现如下提示，表示 hadoop 启动完成

4. 浏览器查看 hadoop

我们也可以通过浏览器查看 hadoop 的详细信息，打开链接：

http://localhost:50070/

然后在如下界面，我们就可以查看 hadoop 的具体信息了

---

hadoop的开发环境搭建如上，如有不足之处，欢迎指出，共同进步

Hadoop2.3-HA 高可用集群环境搭建  http://www.linuxidc.com/Linux/2017-03/142155.htm

Hadoop 项目之基于 CentOS7 的 Cloudera 5.10.1（CDH）的安装部署  http://www.linuxidc.com/Linux/2017-04/143095.htm

Hadoop2.7.2 集群搭建详解（高可用）http://www.linuxidc.com/Linux/2017-03/142052.htm

使用 Ambari 来部署 Hadoop 集群（搭建内网 HDP 源）http://www.linuxidc.com/Linux/2017-03/142136.htm

Ubuntu 14.04 下 Hadoop 集群安装  http://www.linuxidc.com/Linux/2017-02/140783.htm

Ubuntu 16.04 上构建分布式 Hadoop-2.7.3 集群  http://www.linuxidc.com/Linux/2017-07/145503.htm

CentOS 7.3 下 Hadoop2.8 分布式集群安装与测试  http://www.linuxidc.com/Linux/2017-09/146864.htm

CentOS 7 下 Hadoop 2.6.4 分布式集群环境搭建  http://www.linuxidc.com/Linux/2017-06/144932.htm

Hadoop2.7.3+Spark2.1.0 完全分布式集群搭建过程  http://www.linuxidc.com/Linux/2017-06/144926.htm

更多 Hadoop 相关信息见Hadoop 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=13

本文永久更新链接地址：http://www.linuxidc.com/Linux/2017-09/147067.htm