学习大数据的路上，肯定少不了Hadoop的陪伴。

在学习Hadoop之初，一件"痛苦"的事情莫过于装环境，没有环境，练不了HDFS命令，写不了MapReduce程序，后续的HBase、Hive无从下手。

为了学好Hadoop，于是下决心，一定把环境装好，于是，跟着老师做，跟着网上学，别人都顺理成章、一气呵成；而轮到自己时，总在怀疑自己的眼睛、自己的手、自己的电脑、自己的…

1. 软件或者系统版本与老师不一致
2. 没有完全跟着老师做，比如老师用的用户名是user1, 而你总想取自己的名字zhangsan,结果在后面配置相应的目录时出错了
3. 在安装的过程中漏掉了某些细节，比如老师随手切换了目录，而你还在原目录中，纠结为什么ls出来的内容与老师的不同…
4. 失误导致的错，比如在格式化HDFS时，hdfs namenode -format,而你写的是hdfs namenode-format，一个空格，敲出了两种境界
5. …

对初学者的建议：掌握整体过程及每一步的作用，按部就班的操作，仔仔细细的核对。

本教程按如下顺序进行：

【资源准备】 => 【环境准备】 => 【JDK的安装】 => 【Hadoop的安装】 => 【伪分布式的配置】 => 【启动与测试】 => 【常见错误及解决办法】

零、资源准备

• 虚拟机相关：
  • vmware：vmware_177981.zip
  • ubuntu18-desktop：ubuntu-18.04.5-desktop-amd64.iso
• Hadoop相关
  • jdk1.8：jdk-8u261-linux-x64.tar.gz
  • hadoop2.7.7：hadoop-2.7.7.tar.gz
• 辅助工具
  • putty：putty.exe
  • winscp：WinSCP-5.19.5-Portable.zip

链接：https://pan.baidu.com/s/1kjcuNNCY2FxYA5o7Z2tgkQ 
提取码：nuli 

除了vmware（你懂的…），以上资源均来源于官网，putty和winscp都是便捷式软件，无需安装

一、环境准备

1. 安装虚拟机

本教程使用vmware安装ubuntu18.05系统

系统设置

CPU选择2核心；内存使用2-4G； 硬盘选择50G以上，动态分配

具体步骤可参考：

https://blog.csdn.net/tangyi2008/article/details/120311293

当然你可以选用其他的虚拟机，比如使用VBox作为虚拟机软件，同样，操作系统可以选CentOS等其他Linux系统。

如果是小白，建议严格按这里的步骤

2. 环境准备

1) 创建新用户test

为了避免不必要的麻烦，这里统一用户名，创建一个新用户xiaobai。

创建用户

sudo useradd -m xiaobai -s /bin/bash

使用sudo命令，需要需要输入当前用户的登录密码才能创建；密码输入后如果没任何提示，说明创建成功

如果提示useradd: user 'xiaobai' already exists, 表明这个用户名已经存在

设置密码

sudo passwd xiaobai

密码尽量使用简单易记的，比如123456，毕竟我们只是在学习，没有多少机密文件值得你设置自己都记不清的密码。

设置密码的时候，光标不会跳（千万不要以为键盘坏了☺）

当你看到password updated successfully,表示密码设置成功

为xiaobai增加管理员权限

为了方便部署，避免一些对新手来说比较棘手的权限问题，这里为xiaobai增加管理员权限

sudo adduser test sudo

当然也可以修改文件/etc/sudoers（对于新手无需理会）

切换到用户xiaobai

su - xiaobai

su命令加参数-的目的是切换用户的同时，会切换到相应用户的Home目录

这里输入的密码是刚刚为xiaobai用户设置的密码

2) 安装ssh-server

sudo apt install openssh-client openssh-server

这里使用了sudo命令，输入的密码是xiaobai用户的密码

3) 上传相关资源

在Home目录下创建soft目录，使用winscp上传jdk和hadoop到soft目录

cd
mkdir soft

查看虚拟机ip

ip a

具体的ip地址以你命令输出为准。

创建连接

解压WinSCP-5.19.5-Portable.zip，打开WinSCP.exe，设置相应的连接参数，然后点Login进行连接。

上传文件

将本地目录（左边）需要上传的文件拖入虚机机相应目录。

[4)] 使用putty连接服务器

这一步不是必须的操作，使用putty主要是通过ssh连接虚拟机，进行远程操作而不需要进入虚拟机，相应的替代品有Xshell、secureCRT等

打开putty.exe，设置相应的连接。

5）设置主机名

修改主机名为node1

sudo hostname node1

如果提示[sudo] password for xiaobai:，表示要执行sudo命令，需要输入xiaobai的登录密码，后面出现类似情况不再介绍

上面命令修改的主机名是临时生效，当虚拟机重启会恢复成原来的主机名，这里修改配置文件使用其永久修改。打开hostname文件, 配置hostname为node1。

sudo vi /etc/hostname

注意，对于小白，如果不想用vi命令，可以使用sudo gedit /etc/hostname打开类似windows上的记事本进行文件的编辑，后面类似情况自行处理。

简单使用方式：进入文件后，输入字母i进入插入模式 => 修改文件内容为node1 => 按Esc键进入命令行模式 => 输入:进入底行模式 => 输入x或者wq保存推出。

如果文件修改后不想保存，进行底行模式后输入q!进行不保存退出。

打开hosts文件配置hosts

sudo vi /etc/hosts

6）检查和关闭防火墙

打开终端，安装防火墙管理工具。命令：

sudo apt install ufw

查看防火墙状态。命令：

sudo ufw status

可以看出默认为关闭

若未关闭，使用下面的命令进行防火墙关闭

sudo ufw disable

7）设置免密登录

生成密钥对

ssh-keygen -t rsa

拷贝公钥到主机

ssh-copy-id -i ~/.ssh/id_rsa.pub  node1

测试免密登录是否成功,

如果没有提示输入密码，则免密登录成功

ssh node1

二、安装JDK

注意：在Home目录（可以使用~表示Home目录）下面，创建opt目录，所有要安装的软件都放在这个目录

将jdk上传到~/soft目录，确保文件已经上传，输入命令ls ~/soft进入验证

接下来解压文件

mkdir ~/opt
tar -xvf ~/soft/jdk-8u261-linux-x64.tar.gz  -C ~/opt

设置软连接

cd ~/opt
ln -s jdk1.8.0_261/ jdk

配置环境变量，打开bash配置文件

cd 
vi .bashrc

按i进入插入模式，在末尾添加如下代码，然后按esc退出编辑，输入:x保存

export JAVA_HOME=/home/xiaobai/opt/jdk
export PATH=$PATH:$JAVA_HOME/bin

输入以下命令使修改生效，可用java命令验证配置是否成功

source .bashrc
java

三、安装Hadoop

请确保前面已经将hadoop的压缩包上传到了~/soft目录，使用命令ls ~/soft

解压文件

tar -xvf ~/soft/hadoop-2.7.7.tar.gz -C ~/opt

设置软连接

cd ~/opt
ln -s hadoop-2.7.7/ hadoop

配置环境变量

使用命令vi ~/.bashrc打开配置文件，添加以下代码到文件末尾，步骤与配置JDK环境变量相同

export HADOOP_HOME=/home/xiaobai/opt/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

Hadoop目录介绍

ls ~/opt/hadoop

Hadoop目录简介：

• bin: 存放对Hadoop相关服务进行操作的脚本，包括 hadoop, hdfs, …
• sbin: 存放启动和停止Hadoop相关服务的脚本，比如start-dfs.sh, start-yarn.sh, hadoop-daemon.sh, …
• etc: 配置文件的目录
• share: 存放Hadoop的依赖jar包、文档、和官方案例
• lib: 存放Hadoop的本地库（对数据进行压缩解压缩功能）

修改配置文件hadoop-env.sh

将JAVA_HOME的值改为jdk的绝对路径/home/xiaobai/opt/jdk

vi ~/opt/hadoop/etc/hadoop/hadoop-env.sh

保存修改

验证Hadoop是否安装成功

hadoop

四、配置Hadoop伪分布式

Hadoop主要有三种模式，一般在学习过程中使用伪分布模式基本就可以了

模式	概念	特点	用途
单机模式	Hadoop默认模式	1.没有分布式文件系统HDFS 2.MapReduce处理的是本地Linux的文件数据	一般仅用于本地MapReduce程序的调试
伪分布模式	是在单机上，模拟一个分布式的环境	具备Hadoop的主要功能	常用于调试程序
完全分布式模式	也叫集群模式，是将Hadoop运行在机器上，各个机器按照相关配置运行相应的hadoop守护进程	在多台机器上运行，是真正的分布式环境	常用于生产

主要的配置文件

配置文件	配置内容
hadoop-env.sh	配置与环境相关的参数，比如JAVA_HOME目录
core-site.xml	配置Hadoop集群相关参数
hdfs-site.xml	配置HDFS相关参数
mapred-site.xml	配置MapReduce相关参数
yarn-site.xml	配置YARN相关参数
slaves	配置从节点

在安装的过程中，已经配置了 hadoop-env.sh中的JAVA_HOME参数，接下来分别配置其他5个配置文件

切换到配置文件目录

cd ~/opt/hadoop/etc/hadoop

1. core-site.xml

配置项	值	说明
fs.defaultFS	hdfs://<hostname>:9000	配置默认的文件系统，这里配置NameNode地址,9000是RPC通信端口
hadoop.tmp.dir	/home/<用户名>/opt/hadoop/tmp	其他临时目录的父目录

打开core-site.xml文件

vi core-site.xml

在configuration标签中加入以下代码，保存

    <property>
            <name>fs.defaultFS</name>
            <value>hdfs://node1:9000</value>
    </property>
    <property>
            <name>hadoop.tmp.dir</name>
            <value>/home/xiaobai/opt/hadoop/tmp</value>
    </property>

注意:

• 上面的配置项要配置到<configuration>标签中，后面的配置项类似

• hadoop.tmp.dir配置的目录一定要是当前用户有控制权限的目录

更多参数请参考官网：https://hadoop.apache.org/docs/r2.7.7/hadoop-project-dist/hadoop-common/core-default.xml

2. hdfs-site.xml

配置项	默认值	说明
dfs.replication	3	数据副本个数，伪分布时设为1
dfs.namenode.name.dir	file://${hadoop.tmp.dir}/dfs/name	namenode存着数据存放的本地目录
dfs.datanode.data.dir	file://${hadoop.tmp.dir}/dfs/data	datanode相关数据存放的本地目录

打开hdfs-site.xml文件

vi hdfs-site.xml

往configuration加入设置，保存

    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>/home/xiaobai/opt/hadoop/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/home/xiaobai/opt/hadoop/tmp/dfs/data</value>
    </property>

更多参数请参考官网：https://hadoop.apache.org/docs/r2.7.7/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml

3. mapred-site.xml

配置项	默认值	说明
mapreduce.framework.name	local	MapReduce的执行模式，默认是本地模式，另外可以设置成classic(采用MapReduce1.0模式运行) 或 yarn（基于YARN框架运行）.
mapreduce.job.ubertask.enable	false	是否允许开启uber模式，当开启后，小作业会在一个JVM上顺序运行，而不需要额外申请资源
dfs.namenode.secondary.http-address	0.0.0.0:50090	secondary namenode 的http服务地址和端口
dfs.namenode.secondary.https-address	0.0.0.0:50091	secondary namenode 的https服务地址和端口

默认情况下没有这个配置文件，可以根据样本文件mapred-site.xml.template复制一份。

cp mapred-site.xml.template mapred-site.xml

vi mapred-site.xml

往configuration加入设置，保存

    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.job.ubertask.enable</name>
        <value>true</value>
    </property>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>node1:50090</value>
    </property>
    <property>
        <name>dfs.namenode.secondary.https-address</name>
        <value>node1:50091</value>
    </property>

更多参数请参考官网：https://hadoop.apache.org/docs/r2.7.7/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml

4. yarn-site.xml

配置项	默认值	说明
yarn.resourcemanager.hostname	0.0.0.0	ResourceManager的主机名
yarn.nodemanager.aux-services		NodeManager上运行的附属服务

打开yarn-site.xml文件

vi yarn-site.xml

往configuration加入设置，保存

    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>node1</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

更多参数请参考官网：https://hadoop.apache.org/docs/r2.7.7/hadoop-yarn/hadoop-yarn-common/yarn-default.xml

5. slaves

该文件配置从服务器的地址，一个服务器地址占一行。

打开slaves

vi slaves

将默认的localhost修改成node1

node1

五、启动与测试

1. 格式化

在第一次启动Hadoop时，一定要记得对HDFS进行格式化

hdfs namenode -format

2. 启动

start-all.sh

3. 查看进程

jps

jps(Java Virtual Machine Process Status Tool)是java提供的一个显示当前所有java进程pid的命令，适合在linux/unix平台上简单察看当前java进程的一些简单情况。jps命令类似于unix系统里的ps命令（主要是用来显示当前系统的进程情况，有哪些进程以及进程id），它的作用是显示当前系统的java进程情况及进程id。

4. 通过web访问实验总结

在虚拟机中，使用浏览器打开如下两个网址，可以查看HDFS的NameNode和YARN的ResourceManager相关信息

node1:50070
node1:8088

5. 测试

使用hdfs命令上传一个文件到HDFS文件系统

#切换到Home目录
cd

#编辑一个本地文件,比如输入：a b c a a a b
vi test.txt

#上传到HDFS根目录
hdfs dfs -put test.txt /

运行mapreduce示例代码，进行词频统计

hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount /test.txt  /output

查看运行结果

#查看输出目录
hdfs dfs -ls /output

#查看输出内容
hdfs dfs -cat /output/part*

至此，表明你的Hadoop伪分布式搭建完成！！！

如果有错误，可以查看第六部分内容：常见问题及解决方案

6. Hadoop启动服务总结

在第2步中，我们启动Hadoop时使用的start-all.sh, 在下面的提示信息中显示 This script is Deprecated，也就是说这个启动脚本是被弃用的状态，并且建议我们Instead use start-dfs.sh and start-yarn.sh

下面就Hadoop的服务启动进行简单的总结:

1）整体启动和关闭

start-all.sh
stop-all.sh

2）各个服务组件逐一启动/停止

（1）分别启动/停止HDFS组件

hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode

（2）启动/停止YARN

yarn-daemon.sh start / stop resourcemanager / nodemanager

3） 各个模块分开启动/停止

（1）整体启动/停止HDFS

start-dfs.sh
stop-dfs.sh

（2）整体启动/停止YARN

 start-yarn.sh 
 stop-yarn.sh

六、常见错误及解决办法

1. 出现command not found错误

1）检查~/.bashrc文件中是否配置了正确的PATH

2）如果~/.bashrc设置正确，是否没有执行source ~/.bashrc使环境变量生效

2. 所有命令都运行不了

如果你发现不止安装的程序命令，就连原系统的内置命令都使用不了（比如ls、vi、cat等），很明显，你在修改.bashrc时，将PATH路径设置错了。最常见的是错误就是在设置PATH时，PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin，把$PATH:漏掉了，这就相当于现在的PATH路径只有两个值$HADOOP_HOME/bin和$HADOOP_HOME/sbin。

解决办法：

1）恢复默认的PATH路径：

export PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin

2）修改~/.bashrc文件，检查设置PATH的地方是否漏掉了$PATH:

3. 不小心多次格式化

多次格式化导致DataNode 与 NameNode namespaceID不一致，导致启动HDFS失败，这里告诉最直接暴力的解决办法, 清空$hadoop.tmp.dir这个目录，以本文为例：

stop-all.sh
#本教程配置的hadoop.tmp.dir目录为/home/xiaobai/opt/hadoop/tmp
rm -fr /home/xiaobai/opt/hadoop/tmp

4. NameNode启动不成功

1） NameNode没有格式化

2） 环境变量配置错误

3） Ip和hostname绑定失败，需要通过ip a查看ip地址，重新配置/etc/hosts文件，设置正确的ip和hostname

4）hostname含有特殊符号如.(符号点)，会被误解析

5. 万能大法

一切的错误，最好的解决办法是查看日志

Hadoop的默认日志文件目录在$HADOOP_HOME/logs, 比如在本教程中，在~/opt/hadoop/logs

这里列举两个示例：

1）提示Content is not allowed in prolog错误

这个错误比较明显，显示在core-site.xml文件的第18行第1列有一个字符不认识，使用命令vi查看相应配置，修改即可。注意，这里不建议使用gedit打开文件查看，因为如果有不可见字符，gedit也看不见，难以查错。

2）jps时查看进程少启动了部分服务，比如下面示例中发现没有启动NodeManager

这种错误最好最直接的方式是查看日志文件，而不是去Baidu,去Google，因为各自的问题都不尽一致，必须找准备病因，才能药到病除。

进入日志目录

cd ~/opt/hadoop/logs
ls

NodeManager属于YARN组件的服务，在ls的结果中可以迅速找到相应的日志文件yarn-xiaobai-nodemanager-node1.log

使用tail命令查看最后50行日志内容：

tail -n 50 yarn-xiaobai-nodemanager-node1.log 

错误原因为：The ServiceName: mapreduce-shuffle set in yarn.nodemanager.aux-services is invalid.The valid service name should only contain a-zA-Z0-9_ and can not start with numbers。

意思是说服务名无效，只能由 a-zA-Z0-9_ 组成并且不能以数字开始，错误很明显了，错误原因是yarn-site.xml这个配置文件中配置了无效的服务名，打开该配置文件，检查并修改相应配置项即可。