Hadoop环境设置 Hadoop - Hadoop简介 Hadoop - HDFS概述 Hadoop受GNU / Linux平台及其风格的支持。因此，我们必须安装一个Linux操作系统来设置Hadoop环境。如果您的操作系统不是Linux，您可以在其中安装Virtualbox软件，并在Virtualbox中安装Linux。 预安装安装程序 在将Hadoop安装到Linux环境中之前，我们需要使用ssh（Secure Shell）设置Linux。按照下面给出的步骤设置Linux环境。 创建一个用户 在开始时，建议为Hadoop创建一个单独的用户，以将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”打开根目录。 使用命令“useradd username”从root帐户创建一个用户。 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来创建用户。 $ su password: # useradd hadoop # passwd hadoop New passwd: Retype new passwd SSH设置和密钥生成 SSH需要在集群上执行不同的操作，例如启动，停止，分布式守护进程shell操作。要验证Hadoop的不同用户，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。将公钥从id_rsa.pub复制到authorized_keys，并为owner分别提供对authorized_keys文件的读写权限。 $ 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”来验证系统中是否存在java。java version命令的语法如下所示。 $ java -version 如果一切顺利，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) 如果你的系统中没有安装java，那么按照下面给出的步骤来安装java。 步骤1 通过访问以下链接下载java（JDK <最新版本> - X64.tar.gz）http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html。 然后将jdk-7u71-linux-x64.tar.gz下载到您的系统中。 第2步 通常，您会在Downloads文件夹中找到下载的java文件。验证它并使用以下命令提取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 要使所有用户都可以使用Java，必须将其移动到“/ usr / local /”位置。打开root并键入以下命令。 $ su password: # mv jdk1.7.0_71 /usr/local/ # exit 步骤4 要设置PATH和JAVA_HOME变量，请将以下命令添加到〜/ .bashrc文件中。 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正在运行的系统中。 $ source ~/.bashrc 第5步 使用以下命令配置java选项： # 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软件基础下载并提取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 下载Hadoop后，您可以使用以下三种模式之一来运行Hadoop集群： 本地/独立模式 ：在您的系统中下载Hadoop后，默认情况下，它将以独立模式进行配置，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模拟。每个Hadoop守护进程（如hdfs，yarn，MapReduce等）都将作为单独的java进程运行。这种模式对开发很有用。 完全分布式模式 ：此模式完全分布，至少有两台或更多台机器作为群集。我们将在接下来的章节中详细介绍这种模式。 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。 没有守护进程在运行，并且所有的东西都在单个JVM中运行。独立模式适合在开发过程中运行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工作正常。只需发出以下命令： $ hadoop version 如果你的设置一切正常，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 2.5.0 From source with checksum 79e53ce7994d1628b240f09af91e1af4 这意味着您的Hadoop的独立模式设置工作正常。默认情况下，Hadoop被配置为在单台机器上以非分布模式运行。 例 让我们来看一个简单的Hadoop例子。Hadoop安装提供了以下MapReduce jar文件示例，该文件提供了MapReduce的基本功能，可用于计算Pi值，给定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，我们的要求是计算这些文件中的单词总数。要计算单词的总数，我们不需要编写我们的MapReduce，前提是.jar文件包含单词计数的实现。您可以使用相同的.jar文件尝试其他示例; 只需发出以下命令，通过hadoop-mapreduce-examples-2.2.0.jar文件检查支持的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。你可以在任何你想工作的地方创建这个输入目录。 $ mkdir input $ cp $HADOOP_HOME/*.txt input $ ls -l input 它会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安装主目录复制而来。对于您的实验，您可以拥有不同的大型文件集。 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单词总数，如下所示： $ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar wordcount input output 第3步 步骤2将执行所需的处理并将输出保存在output / part-r00000文件中，您可以使用以下方式进行检查： $cat output/* 它将列出输入目录中所有可用文件中的所有单词及其总计数。 "AS 4 "Contribution" 1 "Contributor" 1 "Derivative 1 "Legal 1 "License" 1 "License"); 1 "Licensor" 1 "NOTICE” 1 "Not 1 "Object" 1 "Source” 1 "Work” 1 "You" 1 "Your") 1 "[]" 1 "control" 1 "printed 1 "submitted" 1 (50%) 1 (BIS), 1 (C) 1 (Don't) 1 (ECCN) 1 (INCLUDING 2 (INCLUDING, 2 ............. 以伪分布模式安装Hadoop 按照以下步骤以伪分布式模式安装Hadoop 2.4.1。 第1步：设置Hadoop 您可以通过将以下命令附加到 〜/ .bashrc 文件来设置Hadoop环境变量。 export HADOOP_HOME=/usr/local/hadoop export HADOOP_MAPRED_HOME=$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正在运行的系统中。 $ 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。根据您的Hadoop基础架构，需要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，必须通过将 JAVA_HOME 值替换为系统中java的位置来重置 hadoop-env.sh 文件中的java环境变量。 ** export JAVA_HOME =/usr/local/jdk1.7.0_71 以下是您必须编辑才能配置Hadoop的文件列表。 核心的site.xml 该 芯-的site.xml 文件包含信息，诸如读/写缓冲器的用于Hadoop的实例的端口号，分配给文件系统的存储器，存储器限制，用于存储数据，和大小。 打开core-site.xml并在<configuration>，</ configuration>标记之间添加以下属性。 <configuration> <property> <name>fs.default.name</name> <value>hdfs://localhost:9000</value> </property> </configuration> HDFS-site.xml中 在 HDFS-的site.xml 文件中包含的信息，如复制数据的价值，名称节点的路径，你的本地文件系统的数据节点的路径。它意味着您想要存储Hadoop基础架构的地方。 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 打开此文件并在该文件的<configuration> </ configuration>标记之间添加以下属性。 <configuration> <property> <name>dfs.replication</name> <value>1</value> </property> <property> <name>dfs.name.dir</name> <value>file:///home/hadoop/hadoopinfra/hdfs/namenode </value> </property> <property> <name>dfs.data.dir</name> <value>file:///home/hadoop/hadoopinfra/hdfs/datanode </value> </property> </configuration> 注意： 在上面的文件中，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。 纱的site.xml 该文件用于将纱线配置为Hadoop。打开yarn-site.xml文件并在该文件的<configuration>，</configuration>标记之间添加以下属性。 <configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration> mapred-site.xml中 该文件用于指定我们正在使用的MapReduce框架。默认情况下，Hadoop包含一个yarn-site.xml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，并在该文件的，</ configuration>标记之间添加以下属性。 <configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration> 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 namenode -format”设置namenode，如下所示。 $ 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Hadoop dfs 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 预期产出如下： 10/24/14 21:37:56 Starting namenodes on [localhost] localhost: starting namenode, logging to /home/hadoop/hadoop 2.4.1/logs/hadoop-hadoop-namenode-localhost.out localhost: starting datanode, logging to /home/hadoop/hadoop 2.4.1/logs/hadoop-hadoop-datanode-localhost.out Starting secondary namenodes [0.0.0.0] 步骤3：验证纱线脚本 以下命令用于启动纱线脚本。执行这个命令将启动你的纱线守护进程。 $ start-yarn.sh 预期产出如下： starting yarn daemons starting resourcemanager, logging to /home/hadoop/hadoop 2.4.1/logs/yarn-hadoop-resourcemanager-localhost.out localhost: starting nodemanager, logging to /home/hadoop/hadoop 2.4.1/logs/yarn-hadoop-nodemanager-localhost.out 第4步：在浏览器上访问Hadoop 访问Hadoop的默认端口号是50070.使用以下URL在浏览器上获取Hadoop服务。 http://localhost:50070/ 第5步：验证群集的所有应用程序 访问群集的所有应用程序的默认端口号是8088.使用以下URL访问此服务。 http://localhost:8088/ Hadoop - Hadoop简介 Hadoop - HDFS概述
