美文网首页我爱编程
hadoop程序员用自己5年的实战经验告诉我大数据是这样搭建环境

hadoop程序员用自己5年的实战经验告诉我大数据是这样搭建环境

作者: 咖京学习 | 来源:发表于2018-07-28 22:15 被阅读0次

    Hadoop由GNU / Linux平台及其版本支持。因此,我们必须安装一个Linux操作系统来设置Hadoop环境。如果您有除Linux以外的操作系统,您可以在其中安装Virtualbox软件,并在Virtualbox内部安装Linux。

    分享之前我还是要推荐下我自己创建的大数据学习资料分享群790965747,这是全国最大的大数据学习交流的地方,2000人聚集,不管你是小白还是大牛,小编我都挺欢迎,今天的源码已经上传到群文件,不定期分享干货,包括我自己整理的一份最新的适合2017年学习的前端资料和零基础入门教程,欢迎初学和进阶中的小伙伴。

    安装前设置

    在将Hadoop安装到Linux环境之前,我们需要使用ssh(Secure Shell)来设置Linux。按照以下步骤设置Linux环境。

    创建用户

    在开始时,建议为Hadoop创建一个单独的用户,以便将Hadoop文件系统与Unix文件系统隔离。按照以下步骤创建用户:

    使用命令“su”打开根。

    使用命令“useradd username”从root帐户创建用户。

    现在您可以使用命令“su username”打开现有的用户帐户。

    打开Linux终端并键入以下命令以创建用户。

    $ su password: # useradd hadoop # passwd hadoop New passwd: Retype new passwd

    SSH设置和密钥生成

    需要SSH设置在集群上执行不同的操作,如启动,停止,分布式守护程序shell操作。要对Hadoop的不同用户进行身份验证,需要为Hadoop用户提供公钥/私钥对,并与不同的用户共享。

    以下命令用于使用SSH生成键值对。将公共密钥表单id_rsa.pub复制到authorized_keys,并分别向拥有者授予authorized_keys文件的读取和写入权限。

    $ ssh-keygen -t rsa $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys $ chmod 0600 ~/.ssh/authorized_keys

    安装Java

    Java是Hadoop的主要先决条件。首先,您应该使用命令“java -version”验证系统中是否存在java。 java版本命令的语法如下。

    $ java -version

    如果一切正常,它会给你以下输出。

    java version "1.7.0_71" Java(TM) SE Runtime Environment (build 1.7.0_71-b13) Java HotSpot(TM) Client VM (build 25.0-b02, mixed mode)

    如果系统中没有安装java,请按照以下步骤安装java。

    第1步

    通过访问以下链接http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html下载java(JDK - X64.tar.gz)。

    然后jdk-7u71-linux-x64.tar.gz将下载到您的系统。

    第2步

    通常你会在下载文件夹中找到下载的java文件。使用以下命令验证它并解压缩jdk-7u71-linux-x64.gz文件。

    $ cd Downloads/ $ ls jdk-7u71-linux-x64.gz $ tar zxf jdk-7u71-linux-x64.gz $ ls jdk1.7.0_71 jdk-7u71-linux-x64.gz

    第3步

    要使java可用于所有用户,您必须将其移动到位置“/ usr / local /”。打开root,然后键入以下命令。

    $ su password: # mv jdk1.7.0_71 /usr/local/ # exit

    第4步

    要设置PATH和JAVA_HOME变量,请将以下命令添加到〜/ .bashrc文件。

    export JAVA_HOME=/usr/local/jdk1.7.0_71 export PATH=$PATH:$JAVA_HOME/bin

    现在将所有更改应用到当前运行的系统。

    $ source ~/.bashrc

    第5步

    现在将所有更改应用到当前运行的系统。

    # alternatives --install /usr/bin/java java usr/local/java/bin/java 2# alternatives --install /usr/bin/javac javac usr/local/java/bin/javac 2# alternatives --install /usr/bin/jar jar usr/local/java/bin/jar 2# alternatives --set java usr/local/java/bin/java# alternatives --set javac usr/local/java/bin/javac# alternatives --set jar usr/local/java/bin/jar

    现在如上所述从终端验证java -version命令。

    下载Hadoop

    使用以下命令从Apache Software Foundation下载并提取Hadoop 2.4.1。

    $ su password: # cd /usr/local # wget http://apache.claz.org/hadoop/common/hadoop-2.4.1/ hadoop-2.4.1.tar.gz # tar xzf hadoop-2.4.1.tar.gz # mv hadoop-2.4.1/* to hadoop/ # exit

    Hadoop操作模式

    一旦下载了Hadoop,您就可以使用以下三种支持模式之一来操作Hadoop集群:

    本地/独立模式 :在系统中下载Hadoop之后,默认情况下,它以独立模式配置,并且可以作为单个Java进程运行。

    伪分布式模式 :它是单机上的分布式仿真。每个Hadoop守护进程(如hdfs,yarn,MapReduce等)都将作为单独的java进程运行。此模式对开发有用。

    完全分布式的模式 :此模式是完全分布式的,至少有两台或多台机器作为集群。我们将在接下来的章节中详细讨论这种模式。

    在独立模式下安装Hadoop

    这里我们将讨论Hadoop 2.4.1在独立模式下的安装。

    没有运行的守护程序,并且一切都在单个JVM中运行。独立模式适合在开发期间运行MapReduce程序,因为它很容易测试和调试。

    设置Hadoop

    您可以通过将以下命令附加到〜/.bashrc文件来设置Hadoop环境变量。

    export HADOOP_HOME=/usr/local/hadoop

    在继续进行之前,您需要确保Hadoop正常工作。只需发出以下命令:

    $ hadoop version

    如果您的设置一切正常,那么你应该看到以下结果:

    Hadoop 2.4.1 Subversion https://svn.apache.org/repos/asf/hadoop/common -r 1529768 Compiled by hortonmu on 2013-10-07T06:28Z Compiled with protoc 2.5.0From source with checksum 79e53ce7994d1628b240f09af91e1af4

    这意味着你的Hadoop的独立模式设置工作正常。默认情况下,Hadoop配置为在单台计算机上以非分布式方式运行。

    例子

    让我们检查一个简单的Hadoop示例。 Hadoop安装提供了以下示例MapReduce jar文件,它提供了MapReduce的基本功能,可用于计算,如Pi值,文件列表中的字数等。

    $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar

    让我们有一个输入目录,我们将推送几个文件,我们的要求是计数这些文件中的字的总数。要计算总字数,我们不需要写我们的MapReduce,只要.jar文件包含字计数的实现。您可以尝试使用相同的.jar文件的其他示例;只需发出以下命令来检查hadoop-mapreduce-examples-2.2.0.jar文件支持的MapReduce功能程序。

    $ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar

    步骤1

    在输入目录中创建临时内容文件。您可以在要工作的任何位置创建此输入目录。

    $ mkdir input $ cp $HADOOP_HOME/*.txt input $ ls -l input

    它将在您的输入目录中提供以下文件:

    total 24 -rw-r--r-- 1 root root 15164 Feb 21 10:14 LICENSE.txt -rw-r--r-- 1 root root 101 Feb 21 10:14 NOTICE.txt-rw-r--r-- 1 root root 1366 Feb 21 10:14 README.txt

    这些文件已从Hadoop安装主目录复制。对于您的实验,您可以有不同的和大的文件集。

    第2步

    让我们开始Hadoop进程来计算输入目录中所有可用文件中的总字数,如下所示:

    $ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar wordcount input output

    第3步

    第2步将执行所需的处理并将输出保存在output / part-r00000文件中,您可以使用以下命令检查:

    $cat output/*

    它将列出所有字以及它们在输入目录中可用的所有文件中的总计数。

    "AS 4 "Contribution" 1 "Contributor" 1 "Derivative 1"Legal 1"License" 1"License"); 1 "Licensor" 1"NOTICE” 1 "Not 1 "Object" 1 "Source” 1 "Work” 1 "You" 1 "Your") 1 "[]" 1 "control" 1 "printed 1 "submitted" 1 (50%) 1 (BIS), 1 (C) 1 (Don't) 1 (ECCN) 1 (INCLUDING 2 (INCLUDING, 2 .............

    在伪分布式模式下安装Hadoop

    按照下面给出的步骤在伪分布式模式下安装Hadoop 2.4.1。

    第1步:设置Hadoop

    您可以通过将以下命令附加到〜/.bashrc文件来设置Hadoop环境变量。

    export HADOOP_HOME=/usr/local/hadoop export HADOOP_MAPRED_HOME=$HADOOP_HOME export HADOOP_COMMON_HOME=$HADOOP_HOME export HADOOP_HDFS_HOME=$HADOOP_HOME export YARN_HOME=$HADOOP_HOME export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin export HADOOP_INSTALL=$HADOOP_HOME

    现在将所有更改应用到当前运行的系统。

    $ source ~/.bashrc

    第2步:Hadoop配置

    您可以在位置“$ HADOOP_HOME/etc/hadoop”中找到所有Hadoop配置文件。需要根据您的Hadoop基础结构对这些配置文件进行更改。

    $ cd $HADOOP_HOME/etc/hadoop

    为了在java中开发Hadoop程序,您必须通过用系统中java的位置替换JAVA_HOME值来重置hadoop-env.sh文件中的java环境变量。

    export JAVA_HOME=/usr/local/jdk1.7.0_71

    以下是您必须编辑以配置Hadoop的文件列表。

    core-site.xml

    core-site.xml文件包含诸如用于Hadoop实例的端口号,为文件系统分配的内存,用于存储数据的内存限制以及读/写缓冲区大小的信息。

    打开core-site.xml并在,标签之间添加以下属性。

    fs.default.name hdfs://localhost:9000

    hdfs-site.xml

    hdfs-site.xml文件包含本地文件系统的复制数据值,namenode路径和datanode路径等信息。这意味着您要存储Hadoop基础架构的位置。

    让我们假设以下数据。

    dfs.replication (data replication value) = 1 (In the below given path /hadoop/ is the user name. hadoopinfra/hdfs/namenode is the directory created by hdfs file system.) namenode path = //home/hadoop/hadoopinfra/hdfs/namenode (hadoopinfra/hdfs/datanode is the directory created by hdfs file system.) datanode path = //home/hadoop/hadoopinfra/hdfs/datanode

    打开此文件,并在此文件中的 标记之间添加以下属性。

    dfs.replication1dfs.name.dirfile:///home/hadoop/hadoopinfra/hdfs/namenode dfs.data.dir file:///home/hadoop/hadoopinfra/hdfs/datanode

    注意:在上述文件中,所有属性值都是用户定义的,您可以根据Hadoop基础结构进行更改。

    yarn-site.xml

    此文件用于将Yarn为Hadoop配置为Hadoop。打开yarn-site.xml文件,并在此文件中的,标记之间添加以下属性。

    yarn.nodemanager.aux-servicesmapreduce_shuffle

    mapred-site.xml

    此文件用于指定我们使用的MapReduce框架。默认情况下,Hadoop包含yarn-site.xml的模板。首先,需要使用以下命令将文件从mapred-site,xml.template复制到mapred-site.xml文件。

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

    打开mapred-site.xml文件,并在此文件中的,标记之间添加以下属性。

    mapreduce.framework.nameyarn

    验证Hadoop安装

    以下步骤用于验证Hadoop安装。

    第1步:名称节点设置

    使用命令“HDFS的NameNode -format”如下设置名称节点。

    $ cd ~ $ hdfs namenode -format

    预期结果如下。

    10/24/14 21:30:55 INFO namenode.NameNode: STARTUP_MSG: /************************************************************ STARTUP_MSG: Starting NameNode STARTUP_MSG: host = localhost/192.168.1.11 STARTUP_MSG: args = [-format] STARTUP_MSG: version = 2.4.1 ......10/24/14 21:30:56 INFO common.Storage: Storage directory /home/hadoop/hadoopinfra/hdfs/namenode has been successfully formatted. 10/24/14 21:30:56 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0 10/24/14 21:30:56 INFO util.ExitUtil: Exiting with status 0 10/24/14 21:30:56 INFO namenode.NameNode: SHUTDOWN_MSG: /************************************************************ SHUTDOWN_MSG: Shutting down NameNode at localhost/192.168.1.11 ************************************************************/

    第2步:验证HadoopDFS

    以下命令用于启动dfs。执行此命令将启动您的Hadoop文件系统。

    $ start-dfs.sh

    预期输出如下:

    10/24/14 21:37:56 Starting namenodes on [localhost] localhost: starting namenode, logging to /home/hadoop/hadoop2.4.1/logs/hadoop-hadoop-namenode-localhost.out localhost: starting datanode, logging to /home/hadoop/hadoop2.4.1/logs/hadoop-hadoop-datanode-localhost.out Starting secondary namenodes [0.0.0.0]

    第3步:验证Yarn脚本

    下面的命令被用于启动Yarn脚本。执行该命令将启动纱守护进程。

    $ start-yarn.sh

    预期输出如下:

    starting yarn daemons starting resourcemanager, logging to /home/hadoop/hadoop2.4.1/logs/yarn-hadoop-resourcemanager-localhost.out localhost: starting nodemanager, logging to /home/hadoop/hadoop2.4.1/logs/yarn-hadoop-nodemanager-localhost.out

    第4步:在浏览器上访问Hadoop

    访问Hadoop的默认端口号为50070.使用以下URL在浏览器上获取Hadoop服务。

    http://localhost:50070/

    第5步:验证集群的所有应用程序

    访问群集的所有应用程序的默认端口号为8088.使用以下URL访问此服务。

    http://localhost:8088/

    大数据学习资料分享群790965747

    您的支持将鼓励我们做得更好


    大数据学习资料分享群790965747

    相关文章

      网友评论

        本文标题:hadoop程序员用自己5年的实战经验告诉我大数据是这样搭建环境

        本文链接:https://www.haomeiwen.com/subject/phuamftx.html