目的
这篇文档描述如何安装和配置一个单一节点的Hadoop,以便你可以快速使用hadoop mapreduce和Hadoop Distributed File System (HDFS)的一些简单操作。
先决条件
支持平台
- GNU/Linux 是受支持的开发和生成平台。Hadoop已经证明了2000各节点的GNU/Linux 集群。
- Windows也是受支持的平台,但是一下步骤只是用于Linux。要在Windows上安装,情况 wiki page。
所需软件
Linux平台所需软件包括:
- Java。推荐的Java版本在 HadoopJavaVersions中描述。
- ssh必须安装。推荐安装pdsh。
安装软件
如果你还没有安装这些软件:
$ sudo apt-get install ssh
$ sudo apt-get install pdsh
下载
获取最新的Hadoop发行版,从Apache Download Mirrors中选一个最新的稳定版下载。
准本开始Hadoop集群
解压下载的Hadoop,编辑etc/hadoop/hadoop-env.sh
定义一些参数如下:
# set to the root of your Java installation
export JAVA_HOME=/usr/java/latest
试下下面命令:
$ bin/hadoop
此处会显示hadoop脚本用法。
现在你已经准备好了,Hadoop集群支持三种模式之一:
- Local (Standalone) Mode(本地模式)
- Pseudo-Distributed Mode(为分布模式)
- Fully-Distributed Mode(全分布模式)
Standalone操作
默认情况下,Hadoop是以一个Java进程运行为非分布模式,有利于调试。
下面示例复制解压的conf文件夹作为输入,然后查找显示每个匹配正则表达式的项,输出结果写到到output文件夹。
$ mkdir input
$ cp etc/hadoop/*.xml input
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.0-alpha2.jar grep input output 'dfs[a-z.]+'
$ cat output/*
Pseudo-Distributed 操作
Hadoop也可以伪分布的方式运行在一个节点中,每个Hadoop进程运行在单独的Java进程中。
配置
使用如下
etc/hadoop/core-site.xml:
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
etc/hadoop/hdfs-site.xml:
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
设置ssh密码
现在检查你是否可以不需要密码使用ssh登陆到本地。
$ ssh localhost
如果ssh需要密码登陆,执行下面命令:
$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ chmod 0600 ~/.ssh/authorized_keys
执行
下面的说明是在本地运行MapReduce作业。如果你想基于YARN运行作业,请看YARN on Single Node.
- 格式化文件系统:
$ bin/hdfs namenode -format
- 启动NameNode守护进程和DataNode守护进程:
$ sbin/start-dfs.sh
hadoop守护进程日志写在$HADOOP_LOG_DIR
文件夹中(默认是$HADOOP_HOME/logs
)。
- 浏览NameNode的web接口;默认在:
NameNode - http://localhost:9870/
- 为需要运行的MapReduce作业创建HDFS文件夹:
$ bin/hdfs dfs -mkdir /user
$ bin/hdfs dfs -mkdir /user/<username>
- 把input文件复制到分布式文件夹中:
$ bin/hdfs dfs -mkdir input
$ bin/hdfs dfs -put etc/hadoop/*.xml input
- 运行一些提供实例:
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.0-alpha2.jar grep input output 'dfs[a-z.]+'
- 检查输出文件:把分布式文件系统中的输出文件拷贝到本地文件系统然后查看:
$ bin/hdfs dfs -get output output
$ cat output/*
或者
直接在分布式文件系统中浏览:
$ bin/hdfs dfs -cat output/*
- 完成后,关闭守护进程:
$ sbin/stop-dfs.sh
YARN on a Single Node
你可以在伪分布模式上通过设置一些参数和启动ResourceManager和NodeManager 守护进程执行基于YARN的MapReduce作业。
以下说明假设你已经执行完上面1-4步骤。
- 配置参数如下:
etc/hadoop/mapred-site.xml:
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
etc/hadoop/yarn-site.xml:
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.env-whitelist</name>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
</property>
</configuration>
- 启动ResourceManager和NodeManager守护进程:
$ sbin/start-yarn.sh
- 浏览ResourceManager的web接口,默认是:
ResourceManager - http://localhost:8088/
- 运行一个MapReduce作业。
- 当你完成后,关闭守护进程:
$ sbin/stop-yarn.sh
全分布操作
对于安装全分布而不是测试的集群的信息,请看集群安装。
网友评论