介绍
Hadoop 是一个基于 Java 的编程框架，支持在一组廉价机器的集群上处理和存储极其大型的数据集。它是大数据领域中第一个重要的开源项目，并得到 Apache 软件基金会的赞助。
Hadoop 2.7 由四个主要层组成：
- Hadoop Common 是支持其他 Hadoop 模块的实用程序和库的集合。
- HDFS，即 Hadoop 分布式文件系统，负责将数据持久化到磁盘。
- YARN，全称为 Yet Another Resource Negotiator，是 HDFS 的“操作系统”。
- MapReduce 是 Hadoop 集群的原始处理模型。它在集群内分发工作或映射，然后将节点的结果组织和减少为对查询的响应。在 Hadoop 2.x 版本中还有许多其他处理模型可用。
Hadoop 集群相对复杂，因此该项目包括一个独立模式，适用于学习 Hadoop、执行简单操作和调试。
在本教程中，我们将在独立模式下安装 Hadoop，并运行其中包含的一个示例 MapReduce 程序来验证安装。
先决条件
要按照本教程操作，您需要：
- 一个具有
sudo权限的非 root 用户的 Ubuntu 16.04 服务器：您可以在我们的《在 Ubuntu 16.04 上进行初始服务器设置》指南中了解如何设置具有这些权限的用户。
完成这些先决条件后，您就可以安装 Hadoop 及其依赖项了。
在开始之前，您可能还想看看《大数据概念和术语简介》或《Hadoop 简介》。
步骤 1 — 安装 Java
首先，我们将更新软件包列表：
sudo apt-get update
接下来，我们将安装 OpenJDK，这是 Ubuntu 16.04 上的默认 Java 开发工具包。
sudo apt-get install default-jdk
安装完成后，让我们来检查版本。
java -version
openjdk version "1.8.0_91" OpenJDK Runtime Environment (build 1.8.0_91-8u91-b14-3ubuntu1~16.04.1-b14) OpenJDK 64-Bit Server VM (build 25.91-b14, mixed mode)
此输出验证了 OpenJDK 已成功安装。
步骤 2 — 安装 Hadoop
有了 Java，我们将访问 Apache Hadoop 发行版页面，找到最新的稳定版本。跟随当前版本的二进制链接：
!Hadoop 发行版页面的屏幕截图，突出显示镜像页面的链接
在下一个页面，右键单击并复制最新稳定版本二进制文件的链接。
!Hadoop 发行版页面的屏幕截图，突出显示最新稳定版本二进制文件的链接
在服务器上，我们将使用 wget 来获取它：
wget http://apache.mirrors.tds.net/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz
为了确保我们下载的文件没有被篡改，我们将使用 SHA-256 进行快速检查。返回发布页面，然后跟随 Apache 链接：
!突出显示 .mds 文件的屏幕截图
进入您下载的版本的目录：
!突出显示 .mds 文件的屏幕截图
最后，找到您下载的版本对应的 .mds 文件，然后复制相应文件的链接：
!突出显示 .mds 文件的屏幕截图
同样，右键单击复制文件位置，然后使用 wget 传输文件：
wget https://dist.apache.org/repos/dist/release/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz.mds
然后运行验证：
shasum -a 256 hadoop-2.7.3.tar.gz
d489df3808244b906eb38f4d081ba49e50c4603db03efd5e594a1e98b09259c2 hadoop-2.7.3.tar.gz
将此值与 .mds 文件中的 SHA-256 值进行比较：
cat hadoop-2.7.3.tar.gz.mds
... hadoop-2.7.3.tar.gz: SHA256 = D489DF38 08244B90 6EB38F4D 081BA49E 50C4603D B03EFD5E 594A1E98 B09259C2 ...
您可以安全地忽略大小写和空格的差异。我们从镜像下载的文件运行的命令的输出应该与我们从 apache.org 下载的文件中的值匹配。
现在我们已经验证了文件没有被损坏或更改，我们将使用 tar 命令和 -x 标志来提取，-z 来解压缩，-v 用于详细输出，-f 用于指定我们正在从文件中提取。使用制表符补全或在下面的命令中替换正确的版本号：
tar -xzvf hadoop-2.7.3.tar.gz
最后，我们将提取的文件移动到 /usr/local，这是本地安装软件的适当位置。如果需要，更改版本号以匹配您下载的版本。
sudo mv hadoop-2.7.3 /usr/local/hadoop
软件安装完成后，我们准备配置其环境。
步骤 3 — 配置 Hadoop 的 Java Home
Hadoop 要求您设置 Java 的路径，可以作为环境变量或在 Hadoop 配置文件中设置。
Java 的路径 /usr/bin/java 是一个符号链接，指向 /etc/alternatives/java，而后者又是默认 Java 二进制文件的符号链接。我们将使用 readlink 命令和 -f 标志来递归地跟随路径中的每个符号链接。然后，我们将使用 sed 命令从输出中修剪 bin/java，以获得 JAVA_HOME 的正确值。
查找默认的 Java 路径
readlink -f /usr/bin/java | sed "s:bin/java::"
/usr/lib/jvm/java-8-openjdk-amd64/jre/
您可以将此输出复制到 Hadoop 的 Java 主目录，以确保如果默认的 Java 更改，这个值也不会改变。另外，您也可以在文件中动态使用 readlink 命令，这样 Hadoop 将自动使用系统默认设置的 Java 版本。
首先，打开 hadoop-env.sh 文件：
sudo nano /usr/local/hadoop/etc/hadoop/hadoop-env.sh
然后，选择以下选项之一：
选项 1: 设置静态值
. . . #export JAVA_HOME=${JAVA_HOME} export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre/ . . .
选项 2: 使用 Readlink 动态设置值
. . . #export JAVA_HOME=${JAVA_HOME} export JAVA_HOME=$(readlink -f /usr/bin/java | sed "s:bin/java::") . . .
步骤 4 — 运行 Hadoop
现在我们应该能够运行 Hadoop：
/usr/local/hadoop/bin/hadoop
Usage: hadoop [--config confdir] [COMMAND | CLASSNAME] CLASSNAME run the class named CLASSNAME or where COMMAND is one of: fs run a generic filesystem user client version print the version jar <jar> run a jar file note: please use "yarn jar" to launch YARN applications, not this command. checknative [-a|-h] check native hadoop and compression libraries availability distcp <srcurl> <desturl> copy file or directories recursively archive -archiveName NAME -p <parent path> <src>* <dest> create a hadoop archive classpath prints the class path needed to get the credential interact with credential providers Hadoop jar and the required libraries daemonlog get/set the log level for each daemon
这意味着我们已成功配置 Hadoop 以在独立模式下运行。我们将通过运行它附带的示例 MapReduce 程序来确保它正常运行。为此，在我们的主目录中创建一个名为 input 的目录，并将 Hadoop 的配置文件复制到其中，以便将这些文件用作我们的数据。
mkdir ~/input cp /usr/local/hadoop/etc/hadoop/*.xml ~/input
接下来，我们可以使用以下命令来运行 MapReduce hadoop-mapreduce-examples 程序，这是一个带有多个选项的 Java 存档。我们将调用它的 grep 程序之一，hadoop-mapreduce-examples 中包含了许多示例之一，接着是输入目录 input 和输出目录 grep_example。MapReduce 的 grep 程序将计算文字或正则表达式的匹配次数。最后，我们将提供一个正则表达式，以查找在陈述句中出现的单词 principal。该表达式区分大小写，因此如果单词在句子开头大写，我们将找不到它：
/usr/local/hadoop/bin/hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar grep ~/input ~/grep_example 'principal[.]*'
任务完成后，它会提供已处理的摘要和遇到的错误，但这不包含实际结果。
. . . File System Counters FILE: Number of bytes read=1247674 FILE: Number of bytes written=2324248 FILE: Number of read operations=0 FILE: Number of large read operations=0 FILE: Number of write operations=0 Map-Reduce Framework Map input records=2 Map output records=2 Map output bytes=37 Map output materialized bytes=47 Input split bytes=114 Combine input records=0 Combine output records=0 Reduce input groups=2 Reduce shuffle bytes=47 Reduce input records=2 Reduce output records=2 Spilled Records=4 Shuffled Maps =1 Failed Shuffles=0 Merged Map outputs=1 GC time elapsed (ms)=61 Total committed heap usage (bytes)=263520256 Shuffle Errors BAD_ID=0 CONNECTION=0 IO_ERROR=0 WRONG_LENGTH=0 WRONG_MAP=0 WRONG_REDUCE=0 File Input Format Counters Bytes Read=151 File Output Format Counters Bytes Written=37
结果存储在输出目录中，可以通过在输出目录上运行 cat 命令来检查：
cat ~/grep_example/*
6 principal 1 principal.
MapReduce 任务找到了一个带有句点的单词 principal 的出现次数，以及六个没有句点的出现次数。运行示例程序验证了我们的独立安装是否正常工作，并且系统上的非特权用户可以运行 Hadoop 进行探索或调试。
结论
在本教程中，我们已经以独立模式安装了 Hadoop，并通过运行它提供的示例程序进行了验证。要学习如何编写自己的 MapReduce 程序，您可能希望访问 Apache Hadoop 的 MapReduce 教程，该教程将详细介绍示例背后的代码。当您准备好设置集群时，请参阅 Apache Foundation Hadoop 集群设置指南。
