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

<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

<name>dfs.replication</name>

</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

<name>mapreduce.framework.name</name>

</property>

</configuration>

```

**yarn-site.xml**

配置 YARN 的 Shuffle 服务：

```xml

<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

start-dfs.sh

```

启动 YARN 服务：

```bash

start-yarn.sh

```

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。