大数据是现代数据驱动型业务的支柱，Hadoop已成为处理和分析海量数据集的首选解决方案。如果你想在 Debian 12 系统上利用 Hadoop 的强大功能，那么你来对地方了。
在 Debian 12 书虫上安装 Apache Hadoop
第 1 步。在我们安装任何软件之前，通过在终端中运行以下命令来确保您的系统是最新的非常重要：apt
sudo apt update
此命令将刷新存储库，允许您安装最新版本的软件包。
第 2 步。安装 Java 开发工具包 （JDK）。
Hadoop依赖于Java，所以请确保你安装了JDK：
sudo apt install openjdk-11-jdk
使用以下命令验证 Java 版本：
java --version
第 3 步。准备 Hadoop 环境
在深入研究 Hadoop 安装之前，最好为 Hadoop 创建一个专用用户并设置必要的目录：
sudo adduser hadoopuser
授予新用户 sudo 权限并将其添加到组中：users
sudo usermod -aG sudo hadoopuser sudo usermod -aG users hadoopuser
第 4 步。在 Debian 12 上安装 Hadoop。
访问Apache Hadoop官方网站并下载适合您需求的Hadoop发行版。在本指南中，我们将使用 Hadoop 3.3.6：
wget https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-3.3.6/hadoop-3.3.6-src.tar.gz
通过验证 SHA-256 校验和确保下载未损坏：
wget https://downloads.apache.org/hadoop/common/hadoop-3.3.6/hadoop-3.3.6-src.tar.gz.sha512 sha256sum -c hadoop-3.3.6-src.tar.gz.sha512
接下来，为 Hadoop 创建一个目录并提取下载的存档：
sudo mkdir /opt/hadoop sudo tar -xzvf hadoop-3.3.6.tar.gz -C /opt/hadoop --strip-components=1
第5步。配置Hadoop。
Hadoop的配置对于其正常运行至关重要。让我们深入研究必要的配置。
A. 了解核心 Hadoop 配置文件
Hadoop 有几个 XML 配置文件，但我们主要关注四个：、 和 。core-site.xmlhdfs-site.xmlyarn-site.xmlmapred-site.xml
B. 编辑核心站点.xml
编辑核心站点.xml配置文件：
sudo nano /opt/hadoop/etc/hadoop/core-site.xml
将以下属性添加到标记：
fs.defaultFS hdfs://localhost:9000
C. 编辑 hdfs 站点.xml
编辑配置文件：hdfs-site.xml
sudo nano /opt/hadoop/etc/hadoop/hdfs-site.xml
Add the following properties:
dfs.replication 1
D. 配置纱线站点.xml
编辑配置文件：yarn-site.xml
sudo nano /opt/hadoop/etc/hadoop/yarn-site.xml
添加以下属性：
yarn.nodemanager.aux-services mapreduce_shuffle
E. 配置映射站点.xml
编辑配置文件：mapred-site.xml
sudo nano /opt/hadoop/etc/hadoop/mapred-site.xml
添加以下属性：
mapreduce.framework.name yarn
第 6 步。设置 SSH 身份验证。
Hadoop依靠SSH来实现节点之间的安全通信。让我们设置 SSH 密钥。
为 Hadoop 用户生成 SSH 密钥：
sudo su - hadoopuser ssh-keygen -t rsa -P ""
将公钥复制到文件：authorized_keys
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
测试与本地主机和其他节点的 SSH 连接：
ssh localhost
步骤 7.格式化 Hadoop 分布式文件系统 （HDFS）。
在启动Hadoop服务之前，我们需要格式化Hadoop分布式文件系统（HDFS）。
初始化 NameNode：
hdfs namenode -format
为 HDFS 创建必要的目录：
hdfs dfs -mkdir -p /user/hadoopuser hdfs dfs -chown hadoopuser:hadoopuser /user/hadoopuser
通过浏览位于 的 NameNode Web 界面来验证 HDFS 状态。http://localhost:9870
第8步。启动 Hadoop 服务。
是时候启动Hadoop服务了。启动 Hadoop NameNode 和 DataNode：
start-dfs.sh
启动资源管理器和节点管理器：
start-yarn.sh
为确保一切顺利运行，请使用位于 的资源管理器 Web 界面检查 Hadoop 集群的状态。http://localhost:8088
第9步。运行一个简单的 Hadoop 作业。
现在，让我们通过运行一个简单的MapReduce作业来测试我们的Hadoop设置。
A. 准备输入数据
创建输入目录并上传示例文本文件：
hdfs dfs -mkdir -p /input hdfs dfs -put /path/to/your/inputfile.txt /input
B. 运行 MapReduce 作业
运行字数统计示例：
hadoop jar /opt/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.6.jar wordcount /input /output
C. 监视作业进度
通过访问资源管理器 Web 界面来监视作业进度。
第10步。排查常见问题
虽然Hadoop功能强大，但它可能具有挑战性。以下是一些常见问题及其解决方案。
A. 诊断 Hadoop 启动问题
- 检查日志中的错误消息。
/opt/hadoop/logs - 确保正确编辑所有配置文件。
B. 调试 HDFS 问题
- 通过浏览 NameNode Web 界面来验证 HDFS 状态。
- 检查数据目录中的磁盘空间和权限问题。
C. 处理资源分配问题
- 调整纱线站点.xml文件中的资源分配。
- 在资源管理器 Web 界面中监视资源使用情况。
感谢您使用本教程在 Debian 12 Bookworm 上安装最新版本的 Apache Hadoop。有关其他帮助或有用信息，我们建议您查看Hadoop官方网站。
