Mac下Hadoop-2.8.0 开发环境搭建

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