Ubuntu HDFS配置环境搭建指南

Ubuntu环境下HDFS配置环境搭建指南

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）。

2. 安装Java环境

Hadoop依赖Java运行，需安装OpenJDK 8（Hadoop 3.x兼容版本）：

运行sudo apt install -y openjdk-8-jdk安装JDK。
验证安装：java -version，输出应包含openjdk version "1.8.0_xxx"。

3. 下载并解压Hadoop

从Apache官网下载稳定版Hadoop（如3.3.4）：wget https://downloads.apache.org/hadoop/common/hadoop-3.3.4/hadoop-3.3.4.tar.gz。
解压到/usr/local/目录：sudo tar -xzvf hadoop-3.3.4.tar.gz -C /usr/local/。
重命名目录以便管理：sudo mv /usr/local/hadoop-3.3.4 /usr/local/hadoop。

4. 配置Hadoop环境变量

编辑~/.bashrc文件（用户级配置）或/etc/profile（系统级配置），添加以下内容：
```
export HADOOP_HOME=/usr/local/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
```
使配置生效：source ~/.bashrc（或source /etc/profile）。

5. 配置Hadoop核心文件

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

5.1 core-site.xml

配置HDFS的默认文件系统地址（本地模式）：

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

5.2 hdfs-site.xml

配置NameNode和DataNode的数据目录、副本数（本地模式设为1）：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value> <!-- 集群模式下需调整为数据节点数量 -->
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>/usr/local/hadoop/data/namenode</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/usr/local/hadoop/data/datanode</value>
    </property>
</configuration>

5.3 mapred-site.xml（若未存在则创建）

配置MapReduce框架为YARN：

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

5.4 yarn-site.xml

配置YARN资源管理器：

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
</configuration>

6. 创建HDFS数据目录

创建NameNode和DataNode的数据存储目录：

sudo mkdir -p /usr/local/hadoop/data/namenode
sudo mkdir -p /usr/local/hadoop/data/datanode

修改目录所有者为当前用户（避免权限问题）：
```
sudo chown -R $USER:$USER /usr/local/hadoop/data
```

7. 格式化NameNode

首次启动HDFS前，需格式化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，生产环境需谨慎操作。

8. 启动HDFS服务

启动HDFS服务（包含NameNode和DataNode）：
```
start-dfs.sh
```
验证进程是否启动：jps，应看到NameNode、DataNode进程（若为伪分布式模式，无SecondaryNameNode）。

9. 验证HDFS功能

访问HDFS Web界面：http://localhost:9870（Hadoop 3.x版本，默认端口为9870，旧版本为50070），查看文件系统状态。

执行常用HDFS命令：

# 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_test.txt
# 删除HDFS文件
hdfs dfs -rm /user/$USER/input/test.txt

10. 配置防火墙（可选但推荐）

允许Hadoop服务端口通过防火墙，避免网络访问被拦截：

sudo ufw allow 9000  # NameNode RPC端口
sudo ufw allow 9870  # HDFS Web UI端口
sudo ufw allow 50070 # 旧版本HDFS Web UI端口

注意事项

伪分布式与集群模式：上述步骤为伪分布式配置（单节点），集群模式下需调整fs.defaultFS为集群NameNode地址，并将dfs.replication设置为数据节点数量。
端口冲突：若端口被占用，可通过netstat -tulnp | grep 端口号查找占用进程并终止，或修改Hadoop配置文件中的端口号。
日志排查：若启动失败，查看$HADOOP_HOME/logs目录下的日志文件（如NameNode.log、DataNode.log），定位问题原因。