本地 Hadoop 开发环境搭建详解
Hadoop 是处理大规模数据的核心工具之一，在大数据分析、机器学习和数据仓库等场景中应用广泛。为了方便开发和调试，搭建一个本地 Hadoop 环境是一个很好的选择。本文将详细介绍如何在本地搭建一个单节点的 Hadoop 环境，适用于学习和开发。
前提条件
-
**操作系统**：建议使用 Linux 系统（例如 Ubuntu 或 CentOS），Windows 用户可以使用 WSL 或虚拟机来搭建。
-
**Java 环境**：Hadoop 依赖 Java 运行环境，推荐使用 JDK 8 版本。
-
**SSH**：Hadoop 在集群中使用 SSH 进行节点间通信，因此需要配置 SSH 免密登录。
-
**Hadoop 安装包**：从 Hadoop 官方网站下载二进制文件。
步骤详解
1. 安装 Java
Hadoop 依赖于 Java 运行环境，请确保安装了合适的 JDK 版本。
```bash
安装 OpenJDK 8（Ubuntu）
sudo apt update
sudo apt install -y openjdk-8-jdk
检查安装
java -version
```
编辑 `~/.bashrc` 文件，添加 `JAVA_HOME` 路径：
```bash
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export PATH=PATH:JAVA_HOME/bin
```
应用环境变量配置：
```bash
source ~/.bashrc
```
2. 下载并安装 Hadoop
从 Hadoop 官网(https://hadoop.apache.org/releases.html) 下载 Hadoop 二进制文件并解压到指定目录。
```bash
假设下载的文件为 hadoop-3.3.1.tar.gz
tar -xvzf hadoop-3.3.1.tar.gz
sudo mv hadoop-3.3.1 /usr/local/hadoop
```
3. 设置 Hadoop 环境变量
编辑 `~/.bashrc`，添加以下 Hadoop 环境变量：
```bash
export HADOOP_HOME=/usr/local/hadoop
export PATH=PATH:HADOOP_HOME/bin:$HADOOP_HOME/sbin
```
更新环境变量：
```bash
source ~/.bashrc
```
4. 配置 Hadoop
配置文件位于 `$HADOOP_HOME/etc/hadoop/` 目录中，主要需要编辑以下四个文件：
- **core-site.xml**
配置 HDFS 的默认文件系统地址：
```xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
```
- **hdfs-site.xml**
设置副本数量为 1，以便在单节点模式下运行：
```xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
```
- **mapred-site.xml**
将 `mapred-site.xml.template` 文件复制并重命名为 `mapred-site.xml`，然后编辑该文件以启用 YARN：
```xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
```
- **yarn-site.xml**
配置 YARN 的 Shuffle 服务：
```xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
```
5. 配置 SSH 免密登录
为了在 Hadoop 中顺利执行命令，您需要配置 SSH 免密登录。执行以下命令生成 SSH 密钥并配置：
```bash
生成 SSH 密钥
ssh-keygen -t rsa -P ""
将公钥添加到授权密钥列表
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
测试 SSH 连接
ssh localhost
```
6. 格式化 Namenode
在首次启动 HDFS 前，需要格式化 Namenode。这只需要进行一次，执行命令如下：
```bash
hdfs namenode -format
```
7. 启动 Hadoop 服务
- 启动 HDFS 服务：
```bash
```
- 启动 YARN 服务：
```bash
```
可以通过以下命令查看正在运行的 Hadoop 进程：
```bash
jps
```
应该看到以下进程：`NameNode`、`DataNode`、`ResourceManager` 和 `NodeManager`。
8. 验证 Hadoop 配置
Hadoop 启动后，可以通过以下 URL 查看 Hadoop 状态：
-
**NameNode 状态**：`http://localhost:9870`
-
**ResourceManager 状态**：`http://localhost:8088`
9. 测试 HDFS
测试 HDFS 的基本功能，创建文件夹并上传文件：
```bash
创建 HDFS 目录
hdfs dfs -mkdir /user
hdfs dfs -mkdir /user/your_username
上传文件
hdfs dfs -put $HADOOP_HOME/etc/hadoop/*.xml /user/your_username
```
查看文件是否成功上传：
```bash
hdfs dfs -ls /user/your_username
```
小结
通过以上步骤，您已在本地成功搭建一个 Hadoop 单节点开发环境。此环境可以用于学习 Hadoop 的基础概念、开发 MapReduce 程序和进行小规模数据测试。