如何在 Ubuntu 上进行 Hadoop 测试

Ubuntu 上 Hadoop 测试流程（以伪分布式为例）

在 Ubuntu 上测试 Hadoop 需完成环境准备→配置验证→HDFS 操作→MapReduce 任务执行四个核心步骤，以下是详细操作指南：

1. 前提条件：安装 Java 环境

Hadoop 依赖 Java 运行，需先安装 OpenJDK（推荐 8 或 11 版本）：

sudo apt update
sudo apt install default-jdk
# 验证安装
java -version  # 应输出 Java 版本信息
javac -version # 应输出 Java 编译器版本

2. 下载并解压 Hadoop

从 Apache 官网下载稳定版 Hadoop（如 3.3.4），解压至指定目录（如 /usr/local/hadoop）：

wget https://dlcdn.apache.org/hadoop/common/hadoop-3.3.4/hadoop-3.3.4.tar.gz
sudo tar -xzvf hadoop-3.3.4.tar.gz -C /usr/local/
sudo mv /usr/local/hadoop-3.3.4 /usr/local/hadoop
# 设置权限
sudo chown -R $USER:$USER /usr/local/hadoop

3. 配置 Hadoop 核心文件

进入 Hadoop 配置目录，修改以下文件：

cd /usr/local/hadoop/etc/hadoop

hadoop-env.sh：设置 Java 环境变量（找到 JAVA_HOME 行，取消注释并修改）：
```
export JAVA_HOME=/usr/lib/jvm/default-java  # Ubuntu 默认 Java 路径
```

core-site.xml：配置 HDFS 默认文件系统和临时目录：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value> <!-- HDFS 地址 -->
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/usr/local/hadoop/tmp</value> <!-- 临时目录（避免重启丢失） -->
    </property>
</configuration>

hdfs-site.xml：配置 NameNode 和 DataNode 数据存储路径及副本数（伪分布式副本数为 1）：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value> <!-- 副本数（单节点设为 1） -->
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/name</value> <!-- NameNode 数据目录 -->
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/data</value> <!-- DataNode 数据目录 -->
    </property>
</configuration>

4. 格式化 NameNode

首次启动前需格式化 NameNode（仅一次，多次格式化会清空 HDFS 数据）：

hdfs namenode -format
# 成功输出应包含 "successfully formatted"

5. 启动 Hadoop 集群

启动 HDFS 和 YARN 服务（伪分布式无需单独启动 ResourceManager 和 NodeManager，start-dfs.sh 会一并启动）：

start-dfs.sh  # 启动 HDFS
start-yarn.sh # 启动 YARN（可选，但建议开启）

验证进程：运行 jps 查看是否启动以下进程：

NameNode  # HDFS 主节点
DataNode  # HDFS 数据节点
SecondaryNameNode  # HDFS 辅助节点（可选）
ResourceManager  # YARN 资源管理器（可选）
NodeManager  # YARN 节点管理器（可选）

访问 Web 界面：
- HDFS Web 界面：http://localhost:9870（查看 NameNode、DataNode 状态）
- YARN ResourceManager：http://localhost:8088（查看集群资源使用情况）

6. 测试 HDFS 基本操作

通过 HDFS Shell 命令验证文件系统功能：

# 在 HDFS 中创建用户目录（需替换为你的用户名）
hdfs dfs -mkdir -p /user/$USER

# 将本地文件上传至 HDFS（以 Hadoop 自带的 XML 文件为例）
hdfs dfs -mkdir /user/$USER/input
hdfs dfs -put $HADOOP_HOME/etc/hadoop/*.xml /user/$USER/input

# 查看 HDFS 中的文件列表
hdfs dfs -ls /user/$USER/input

7. 运行 MapReduce 示例（WordCount）

Hadoop 自带 wordcount 程序，用于统计文本文件中单词出现次数：

# 删除已有输出目录（避免重复运行报错）
hdfs dfs -rm -r /user/$USER/output

# 运行 WordCount 程序（输入路径：HDFS 中的 input 目录；输出路径：HDFS 中的 output 目录）
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar wordcount /user/$USER/input /user/$USER/output

# 查看输出结果（HDFS 中的 part-r-00000 文件）
hdfs dfs -cat /user/$USER/output/part-r-00000

输出示例：

hadoop  3
mapreduce   2

8. 常见问题排查

JAVA_HOME not set：检查 hadoop-env.sh 中的 JAVA_HOME 路径是否正确。
Connection refused：检查防火墙是否关闭（sudo ufw disable），或端口是否被占用。
Output directory already exists：删除已有输出目录后再运行任务（hdfs dfs -rm -r /user/$USER/output）。

通过以上步骤，可在 Ubuntu 上完成 Hadoop 的基本功能测试，验证 HDFS 和 MapReduce 是否正常运行。