如何在 Debian 上部署 Hadoop 生态系统

1. 系统初始化与环境准备
在Debian系统上部署Hadoop前，需完成基础环境配置：

• 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。
• 关闭防火墙（可选，仅测试环境）：sudo ufw disable，避免防火墙阻止节点间通信。
• 设置主机名与hosts文件：通过hostnamectl set-hostname <主节点名>（如master）设置主机名；编辑/etc/hosts文件，添加所有节点的IP与主机名映射（如192.168.1.100 master、192.168.1.101 node1），确保节点间可通过主机名互相访问。

2. 安装Java环境（JDK）
Hadoop依赖Java运行环境，推荐安装OpenJDK 8或11（兼容性更好）：

• 安装OpenJDK：sudo apt install openjdk-11-jdk -y（或openjdk-8-jdk）。
• 验证安装：运行java -version，确认输出显示Java版本信息。
• 设置环境变量（可选但推荐）：编辑/etc/profile文件，添加export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64（路径根据实际JDK版本调整），然后运行source /etc/profile使变量生效。

3. 下载并解压Hadoop

• 下载Hadoop：从Apache官网选择稳定版本（如3.3.6），使用wget命令下载：wget https://downloads.apache.org/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz。
• 解压与移动：将下载的压缩包解压至/usr/local目录：sudo tar -xzvf hadoop-3.3.6.tar.gz -C /usr/local/。
• 重命名目录（可选）：sudo mv /usr/local/hadoop-3.3.6 /usr/local/hadoop，简化后续命令。

4. 配置Hadoop环境变量
编辑~/.bashrc（当前用户）或/etc/profile（全局）文件，添加以下内容：

export HADOOP_HOME=/usr/local/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

运行source ~/.bashrc（或source /etc/profile）使变量立即生效。

5. 配置Hadoop核心文件
进入Hadoop配置目录（$HADOOP_HOME/etc/hadoop），修改以下关键文件：

• core-site.xml：设置HDFS的默认文件系统地址（主节点NameNode地址）和临时目录：

  <configuration>
      <property>
          <name>fs.defaultFS</name>
          <value>hdfs://master:9000</value> <!-- 主节点主机名 -->
      </property>
      <property>
          <name>hadoop.tmp.dir</name>
          <value>/opt/hadoop/tmp</value> <!-- 临时目录，需提前创建 -->
      </property>
  </configuration>
  

• hdfs-site.xml：配置HDFS副本数（生产环境建议3，测试环境设为1）及NameNode/DataNode数据目录：

  <configuration>
      <property>
          <name>dfs.replication</name>
          <value>1</value> <!-- 测试环境设为1 -->
      </property>
      <property>
          <name>dfs.namenode.name.dir</name>
          <value>/opt/hadoop/hdfs/namenode</value> <!-- NameNode数据目录 -->
      </property>
      <property>
          <name>dfs.datanode.data.dir</name>
          <value>/opt/hadoop/hdfs/data</value> <!-- DataNode数据目录 -->
      </property>
  </configuration>
  

• mapred-site.xml（需先创建模板文件mapred-site.xml.template的副本）：设置MapReduce运行框架为YARN：

  cp mapred-site.xml.template mapred-site.xml
  

  编辑内容：

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

• yarn-site.xml：配置YARN的Shuffle服务（MapReduce必需）：

  <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>
  

• workers文件（原slaves文件）：列出所有DataNode的主机名（每行一个），如：

  node1
  node2
  

  （主节点无需列入）

6. 设置SSH无密码登录
Hadoop节点间需通过SSH无密码通信，步骤如下：

• 生成SSH密钥（主节点）：ssh-keygen -t rsa -b 4096 -C hadoop@example.com，按回车键接受默认路径和空密码。
• 分发公钥到所有节点：ssh-copy-id hadoop@master（主节点自身）、ssh-copy-id hadoop@node1、ssh-copy-id hadoop@node2（替换为实际节点主机名）。
• 测试无密码登录：运行ssh master、ssh node1，确认无需输入密码即可登录。

7. 格式化NameNode
NameNode是HDFS的核心，首次启动前需格式化其存储目录：

• 在主节点上执行：hdfs namenode -format，等待格式化完成（会提示“NameNode formatted successfully”）。

8. 启动Hadoop集群

• 启动HDFS：在主节点运行start-dfs.sh，启动NameNode和所有DataNode服务。
• 启动YARN：在ResourceManager节点（通常与主节点同一节点）运行start-yarn.sh，启动ResourceManager和NodeManager服务。
• 验证服务状态：
  • 查看HDFS节点状态：hdfs dfsadmin -report，确认NameNode和DataNode已启动。
  • 查看YARN节点状态：yarn node -list，确认ResourceManager和NodeManager已启动。
  • 访问Web界面：HDFS Web界面（http://master:9870）、YARN ResourceManager界面（http://master:8088），通过浏览器查看集群状态。

9. 部署Hadoop生态系统组件（可选）
Hadoop生态包含多个工具，可根据需求部署：

• Hive：数据仓库工具，用于SQL查询。下载后解压至/usr/local，配置环境变量（HIVE_HOME），修改hive-site.xml（设置Hive Metastore地址为HDFS路径，如hdfs://master:9000/user/hive/warehouse），启动Hive：hive。
• Pig：数据流处理工具，下载后配置环境变量（PIG_HOME），启动Pig：pig。
• HBase：NoSQL数据库，下载后解压，配置hbase-site.xml（设置HBase根目录为HDFS路径，如hdfs://master:9000/hbase），启动HBase：start-hbase.sh。

注意事项

• 目录权限：确保Hadoop数据目录（如/opt/hadoop/tmp、/opt/hadoop/hdfs/namenode）具有正确的读写权限（chown -R hadoop:hadoop /opt/hadoop）。
• 版本兼容性：Hadoop各组件（如Hive、HBase）需与Hadoop核心版本兼容，建议参考官方文档选择版本。
• 生产环境配置：测试环境可简化步骤（如dfs.replication=1），生产环境需调整副本数（≥3）、启用 Kerberos认证、配置机架感知等。