Hadoop能否在Ubuntu上分布式部署

Hadoop可以在Ubuntu上进行分布式部署，这是Hadoop官方推荐的支持平台之一。Ubuntu的稳定性、丰富的软件包管理（如APT）以及对Java环境的良好支持，使其成为搭建Hadoop分布式集群的常用操作系统。

一、Ubuntu上分布式部署Hadoop的前提条件

在开始部署前，需确保满足以下基础要求：

1. 网络环境：至少准备2台及以上Ubuntu机器（1台主节点、1台及以上从节点），机器之间可通过SSH互相访问，且IP地址固定。
2. Java环境：Hadoop依赖Java运行，需提前安装OpenJDK（推荐11及以上版本），并配置JAVA_HOME环境变量。
3. 用户与权限：建议创建专用用户（如hadoop）并加入hadoop组，避免使用root用户操作，提升安全性。

二、Ubuntu上分布式部署Hadoop的核心步骤

1. 环境准备

• 安装Java：使用APT命令快速安装OpenJDK，例如sudo apt update && sudo apt install openjdk-11-jdk，安装后通过java -version验证。
• 下载与解压Hadoop：从Apache官网下载稳定版本的Hadoop（如3.3.1），解压至指定目录（如/usr/local/hadoop），并通过chown命令将目录所有权赋予hadoop用户。

2. 配置SSH无密码登录

• 在主节点生成SSH密钥对：ssh-keygen -t rsa（默认路径，连续回车）。
• 将公钥复制到所有从节点：ssh-copy-id hadoop@slave1（替换为从节点IP或主机名）。
• 测试无密码登录：ssh hadoop@slave1，若无需输入密码则表示成功。

3. 配置Hadoop核心文件

Hadoop的主要配置文件位于$HADOOP_HOME/etc/hadoop目录下，需修改以下关键文件：

• core-site.xml：配置HDFS的默认文件系统地址，例如fs.defaultFS=hdfs://master:9000（master为主节点主机名）。
• hdfs-site.xml：设置数据副本数（dfs.replication=2，根据从节点数量调整）、NameNode数据目录（dfs.namenode.name.dir）、DataNode数据目录（dfs.datanode.data.dir）。
• mapred-site.xml：指定MapReduce框架为YARN（mapreduce.framework.name=yarn）。
• yarn-site.xml：配置ResourceManager地址（yarn.resourcemanager.hostname=master）及Shuffle服务（yarn.nodemanager.aux-services=mapreduce_shuffle）。
• slaves文件：列出所有从节点的主机名（如slave1\nslave2），用于启动DataNode和NodeManager。

4. 启动与验证集群

• 格式化HDFS：首次启动前需格式化NameNode，命令为hdfs namenode -format（仅执行一次）。
• 启动集群：在主节点执行start-dfs.sh启动HDFS服务，start-yarn.sh启动YARN服务。
• 验证状态：使用jps命令查看主节点（NameNode、ResourceManager）和从节点（DataNode、NodeManager）的进程是否启动；通过浏览器访问http://master:9870（NameNode管理界面）和http://master:8088（ResourceManager管理界面），确认集群状态。

5. 测试分布式计算

• 上传测试文件到HDFS：hdfs dfs -put /local/path/file.txt /user/hadoop/。
• 运行WordCount示例程序：hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar wordcount /user/hadoop/file.txt /user/hadoop/output。
• 查看结果：hdfs dfs -cat /user/hadoop/output/part-r-00000，若输出单词统计结果则表示部署成功。

三、注意事项

• 主机名与hosts文件：确保所有节点的/etc/hostname和/etc/hosts文件配置一致，避免因主机名解析问题导致通信失败。
• 权限问题：Hadoop目录需赋予hadoop用户所有权，避免权限不足导致的启动错误。
• 防火墙设置：关闭节点间的防火墙（如sudo ufw disable）或开放必要端口（如SSH的22端口、HDFS的9000端口），确保节点间通信畅通。

通过以上步骤，即可在Ubuntu上完成Hadoop的分布式部署，搭建起具备高可用性的分布式计算集群。