本地 Hadoop 开发环境搭建详解

### 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

1. **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。
2. **Java 环境**：Hadoop 依赖 Java 运行环境，推荐使用 JDK 8 版本。
3. **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。
4. **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：

1. **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>
```

2. **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>
```

3. **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>
```

4. **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

1. 启动 HDFS 服务：
```bash
start-dfs.sh
```

2. 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
```