Day 3 - Hadoop Ecosystem 之 Hadoop 安裝

前面的簡介中有提到，Hadoop是個分散式儲存及運算的架構，所以安裝基本上需要多台電腦以達到分散的目標（使用VM或是Container技術，如VirtualBox、Docker、K8s等，在大型叢集上會產生另外的問題，故暫時不列入討論）。但Hadoop為了讓使用者可以快速地開始使用，提供單一主機的安裝模式共有兩種模式：獨立模式(Standalone)與偽分佈模式(Pseudo-Distributed)。多機安裝模式則稱為Fully-Distributed。

在安裝之前需要先做好下列的事前準備：

一台安裝好Linux作業系統(作者使用的是CentOS 6.6)的PC。
- Hadoop支援Linux及Windows作業系統(Hadoop 2.2版本之後開始支援Windows)，Hadoop官網所下載的檔案只支援Linux，這篇教學也以Linux為主。若需要安裝在Windows則需要下載Hadoop原始碼並自行打包，若想嘗試可參考Build and Install Hadoop 2.x or newer on Windows。
並且安裝好Java並設定好環境變數。
- Hadoop 2.6與更之前的版本支援Java 6，2.7版之後只支援Java 7，Hadoop 3.0版本開始只支援Java 8。此次安裝教學是使用Hadoop 2.8.2，安裝Java 7最新版本即可。下載點可至oracle官網選擇適合的OS下載。

安裝下列軟體ssh與rsync：
CentOS:

sudo yum install ssh
sudo yum install rsync

Ubuntu:

sudo apt-get install ssh
sudo apt-get install rsync

從官網下載已經Build好的Hadoop檔案儲存至/opt，並且解壓縮至/opt/hadoop目錄。

sudo wget http://apache.stu.edu.tw/hadoop/common/hadoop-2.8.2/hadoop-2.8.2.tar.gz -P /opt

cd /opt

sudo tar -zxvf hadoop-2.8.2.tar.gz

sudo mv /opt/hadoop-2.8.2 /opt/hadoop

設定HADOOP_HOME環境變數：
編輯~/.bashrc

sudo vi ~/.bashrc

並加入下列參數

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

開始安裝 - 獨立模式 Standalone

基本上Hadoop預設的模式就是Standalone，只要完成事前準備步驟1-5即可使用。Standalone僅供測試與體驗用途，若要執行大量運算或是儲存大量資料有可能就會撐不住啦。

讓我們來測試一下Standalone是否可以正常運作。

檢查Hadoop版本：

hadoop version

#回傳結果：
Hadoop 2.8.2
Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r 66c47f2a01ad9637879e95f80c41f798373828fb
Compiled by jdu on 2017-10-19T20:39Z
Compiled with protoc 2.5.0
From source with checksum dce55e5afe30c210816b39b631a53b1d
This command was run using /home/stana/hadoop-2.8.2/share/hadoop/common/hadoop-common-2.8.2.jar

嘗試在Standalone上執行mapreduce的運算：
```
cd ~
mkdir input
cp $HADOOP_HOME/etc/hadoop/*.xml input
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.2.jar grep input output 'dfs[a-z.]+'
```
透過上面的指令，會把$HADOOP_HOME/etc/hadoop/*.xml路徑下所有.xml的檔案複製到~/input內，並使用hadoop-mapreduce-examples-2.8.2.jar執行MapReduce Job，會把~/input內所有檔案有關_dfs_開頭的字串撈出來。
```
#觀察執行結果：
cat output/*
```
可以看到符合條件的字串內容：
```
1	dfsadmin
```
Standalone的File System會直接使用本機的檔案系統，而非分散式的HDFS，這一點要特別注意。

開始安裝 - 偽分佈模式 Pseudo-Distributed

如果已經做好事前準備，完成解壓縮Hadoop tar檔案，接著就可以開始進行偽分佈安教步驟。

Step 1. 編輯hadoop-env.sh。

sudo vi $HADOOP_HOME/etc/hadoop/hadoop-env.sh

加入JAVA_HOME設定，{path of your jdk7}為本機JAVA_HOME路徑：

# set to the root of your Java installation
export JAVA_HOME={path of your jdk7}

Step 2. 編輯HDFS設定檔
- core-site.xml
```
sudo vi $HADOOP_HOME/etc/hadoop/core-site.xml
```
  加入下列設定，指定本機為HDFS的路徑(預設為file://)： ```bash
fs.defaultFS hdfs://localhost:9000
```
* 編輯hdfs-site.xml
```bash
sudo vi $HADOOP_HOME/etc/hadoop/hdfs-site.xml
```
加入下列設定，將副本改為1(Default:3)。由於偽分佈只有一台機器，所以副本數改為1即可：
```
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>
```

Step 3. 編輯Yarn設定檔

mapred-site.xml

sudo cp $HADOOP_HOME/etc/hadoop/mapred-site.xml.template $HADOOP_HOME/etc/hadoop/mapred-site.xml
sudo vi $HADOOP_HOME/etc/hadoop/mapred-site.xml

加入下列設定： ```bash

mapreduce.framework.name yarn

* yarn-site.xml
```bash
sudo vi $HADOOP_HOME/etc/hadoop/yarn-site.xml

加入下列設定：

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

Step 4. 設定免密碼登入(ssh)

sudo ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
sudo cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
sudo chmod 0600 ~/.ssh/authorized_keys

Step 5. 啟動Hadoop相關service:
- 格式化HDFS：
```
hdfs namenode -format
```
- 啟動NameNode與DataNode的daemon：
  - 如果沒有設定免密碼，在此步驟會需要輸入多次的使用者密碼。
    cd $HADOOP_HOME/sbin ./start-dfs.sh
  - 啟動成功後，可透過http://localhost:50070連線至Web UI，畫面如下：
- 啟動Yarn：
  - 如果沒有設定免密碼，在此步驟會需要輸入多次的使用者密碼。
    cd $HADOOP_HOME/sbin ./start-yarn.sh
  - 啟動成功後，可透過http://localhost:8088連線至Web UI，畫面如下：

如何關閉Hadoop相關service？

關閉NameNode與DataNode
```
cd $HADOOP_HOME/sbin
./stop-dfs.sh
```
關閉Yarn：
```
cd $HADOOP_HOME/sbin
./stop-yarn.sh
```

開始安裝 - 多機安裝模式 Fully-Distributed

基本上與偽分佈模式 (Pseudo-Distributed)的安裝方法幾乎一模ㄧ樣，只需要多設定幾個檔案即可。強烈建議要啟動hadoop service的所有機器一定要設定免密碼ssh，否則輸入密碼就非常頭大！

下列的步驟需要在每一台hadoop cluster的機器上設定：

編輯Hadoop設定檔
- core-site.xml
```
sudo vi $HADOOP_HOME/etc/hadoop/core-site.xml
```
  將{hostname}修改為主機名稱，指定本機為HDFS的路徑(在偽分佈為：hdfs://localhost:9000)： ```bash
fs.defaultFS hdfs://{hostname}:9000
```
* Slaves
```bash
sudo vi $HADOOP_HOME/etc/hadoop/slaves
```
加入將hadoop cluster的機器名稱全部加入。請將server-a1等名稱改為符合自己環境的hostname或是IP。
```
server-a1
server-a2
server-a3
```
編輯/etc/hosts
如果$HADOOP_HOME/etc/hadoop/slaves是以IP設定，那此步驟可以省略。
由於使用hostname會讓每台電腦無法互相認識，故需要透過設定/etc/hosts，將hadoop cluster內所有機器的hostname與ip加入此檔案。

設定完畢後，多機安裝模式 (Fully-Distributed)啟動與停止的指令都與偽分佈模式 (Pseudo-Distributed)相同，此時你已經有一個真正的分散式儲存與運算的平台了！

下一篇要來介紹Hadoop平台上的指令！

is-land

A page for something about is-land.

30天系列 Day 3-Hadoop安裝

Day 3 - Hadoop Ecosystem 之 Hadoop 安裝

在安裝之前需要先做好下列的事前準備：

開始安裝 - 獨立模式 Standalone

開始安裝 - 偽分佈模式 Pseudo-Distributed

開始安裝 - 多機安裝模式 Fully-Distributed