如何在Ubuntu中配置HDFS

在Ubuntu中配置HDFS的详细步骤

1. 环境准备

更新系统：运行sudo apt update && sudo apt upgrade -y，确保系统软件包为最新版本。
安装基础工具：执行sudo apt install -y build-essential openssh-server，安装编译工具和SSH服务（用于集群节点间通信）。
安装Java环境：Hadoop依赖Java，推荐使用OpenJDK 8。运行以下命令安装并配置环境变量：
```
sudo apt install -y openjdk-8-jdk
java -version  # 验证安装（需显示Java版本信息）
```

2. 下载并解压Hadoop

从Apache Hadoop官网下载稳定版本（如3.3.4），使用wget命令获取安装包：
```
wget https://downloads.apache.org/hadoop/common/hadoop-3.3.4/hadoop-3.3.4.tar.gz
```

解压到指定目录（如/usr/local/）：

sudo tar -xzvf hadoop-3.3.4.tar.gz -C /usr/local/

3. 配置Hadoop环境变量

编辑~/.bashrc文件（用户级环境变量）或/etc/profile（系统级），添加以下内容：
```
export HADOOP_HOME=/usr/local/hadoop-3.3.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
```

使配置生效：

source ~/.bashrc  # 或 source /etc/profile

4. 配置HDFS核心文件

进入Hadoop配置目录$HADOOP_HOME/etc/hadoop，修改以下文件：

（1）core-site.xml

配置HDFS的默认文件系统地址（指向本地NameNode）：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

（2）hdfs-site.xml

配置NameNode和DataNode的存储路径及副本数（单机环境设为1）：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>  <!-- 单机环境设为1，集群环境需调整 -->
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>/usr/local/hadoop-3.3.4/data/namenode</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/usr/local/hadoop-3.3.4/data/datanode</value>
    </property>
</configuration>

5. 创建HDFS数据目录

手动创建NameNode和DataNode的存储目录，并设置所有权：

sudo mkdir -p /usr/local/hadoop-3.3.4/data/namenode
sudo mkdir -p /usr/local/hadoop-3.3.4/data/datanode
sudo chown -R $USER:$USER /usr/local/hadoop-3.3.4/data  # 将目录所有者设为当前用户

6. 格式化NameNode

首次启动HDFS前，必须格式化NameNode以初始化文件系统元数据：

hdfs namenode -format

格式化后会生成VERSION文件和edits日志，注意：格式化会清除已有数据，仅首次启动需执行。

7. 启动HDFS服务

使用以下命令启动HDFS（包含NameNode、DataNode等进程）：

start-dfs.sh

8. 验证HDFS状态

检查进程：运行jps，应看到以下进程：
```
NameNode
DataNode
SecondaryNameNode
```
访问Web界面：在浏览器中输入http://localhost:50070（Hadoop 3.x版本可能为http://localhost:9870），查看HDFS状态页面。

9. 防火墙配置（可选）

若系统启用了ufw防火墙，需允许Hadoop相关端口通过：

sudo ufw allow 9000  # NameNode RPC端口
sudo ufw allow 50070 # HDFS Web界面端口

10. 常用HDFS命令示例

创建HDFS目录：
```
hdfs dfs -mkdir -p /user/$USER/input
```

上传本地文件到HDFS：

hdfs dfs -put ~/test.txt /user/$USER/input

列出HDFS目录内容：
```
hdfs dfs -ls /user/$USER/input
```

下载HDFS文件到本地：

hdfs dfs -get /user/$USER/input/test.txt ~/download.txt

删除HDFS文件：

hdfs dfs -rm /user/$USER/input/test.txt

注意事项

单机环境：dfs.replication设为1即可，集群环境需根据节点数量调整（通常为3）。
目录权限：确保HDFS数据目录的所有者为当前用户，避免权限问题。
版本兼容：Hadoop 3.x版本的Web界面端口可能为9870，需根据实际版本调整。

通过以上步骤，即可在Ubuntu系统上完成HDFS的基本配置并启动服务。如需扩展为集群环境，还需配置slaves文件、SSH无密码登录及多节点环境变量。