Hadoop-环境设置 - 芒果文档

📌 相关文章

📜 Hadoop-环境设置

📅 最后修改于: 2020-12-01 06:40:10 🧑 作者: Mango

Hadoop受GNU / Linux平台及其支持。因此，我们必须安装Linux操作系统来设置Hadoop环境。如果您使用的操作系统不是Linux，则可以在其中安装Virtualbox软件，并在Virtualbox中安装Linux。

预安装设置

在将Hadoop安装到Linux环境之前，我们需要使用ssh (安全Shell)设置Linux。请按照以下给出的步骤来设置Linux环境。

创建一个用户

首先，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。请按照下面给出的步骤创建用户-

使用命令“ su”打开根。
使用命令“ useradd username”从根帐户创建一个用户。
现在，您可以使用“ su username”命令打开一个现有的用户帐户。

打开Linux终端，然后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

需要SSH设置才能在集群上执行不同的操作，例如启动，停止，分布式守护程序shell操作。为了认证Hadoop的不同用户，需要为Hadoop用户提供公钥/私钥对，并与其他用户共享。

以下命令用于使用SSH生成键值对。将公共密钥形式id_rsa.pub复制到authorized_keys，并分别向所有者提供对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，它将为您提供以下输出。

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)

如果您的系统中未安装Java，请按照以下步骤安装Java。

第1步

通过访问以下链接www.oracle.com下载Java(JDK <最新版本>-X64.tar.gz)。

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

第三步

要使Java对所有用户可用，您必须将其移动到“ / usr / local /”位置。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于当前正在运行的系统。

$ source ~/.bashrc

第5步

使用以下命令来配置Java替代品-

# 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软件基金会下载并提取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之后，您可以以三种支持的模式之一来操作Hadoop集群-

本地/独立模式-在系统中下载Hadoop后，默认情况下，将其配置为独立模式，并且可以作为单个Java进程运行。
伪分布式模式-这是单机上的分布式仿真。每个Hadoop守护程序(例如hdfs，yarn，MapReduce等)将作为单独的Java进程运行。此模式对开发很有用。
完全分布式模式-此模式完全分布式，至少有两台或更多计算机作为群集。在接下来的章节中，我们将详细介绍这种模式。

以独立模式安装Hadoop

在这里，我们将讨论以独立模式安装Hadoop 2.4.1 。

没有守护程序在运行，所有运行在单个JVM中。独立模式适用于开发期间运行MapReduce程序，因为它易于测试和调试。

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运行正常。只需发出以下命令-

$ hadoop version

如果您的设置一切正常，那么您应该看到以下结果-

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独立模式设置运行良好。默认情况下，Hadoop配置为在非分布式模式下在一台计算机上运行。

例

让我们检查一个简单的Hadoop示例。 Hadoop安装提供以下示例MapReduce jar文件，该文件提供MapReduce的基本功能，可用于计算，例如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，在该目录中我们将推送一些文件，而我们的要求是计算这些文件中的单词总数。要计算单词总数，只要.jar文件包含单词计数的实现，就无需编写MapReduce。您可以使用相同的.jar文件尝试其他示例；只需发出以下命令即可通过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

第1步

在输入目录中创建临时内容文件。您可以在任何您想工作的地方创建此输入目录。

$ 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，您可以拥有不同的大型文件集。

第2步

让我们开始Hadoop流程，以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

第三步

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-

$cat output/*

它将列出所有单词以及它们在输入目录中所有可用文件中的总数。

"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 
.............

以伪分布式模式安装Hadoop

请按照下面给出的步骤以伪分布式模式安装Hadoop 2.4.1。

步骤1-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于当前正在运行的系统。

$ source ~/.bashrc

第2步-Hadoop配置

您可以在“ $ HADOOP_HOME / etc / hadoop”位置找到所有Hadoop配置文件。需要根据您的Hadoop基础架构在这些配置文件中进行更改。

$ cd $HADOOP_HOME/etc/hadoop

为了用Java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

以下是配置Hadoop必须编辑的文件列表。

core-site.xml

core-site.xml文件包含以下信息，例如用于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/写缓冲区的大小。

打开core-site.xml，并在和标记之间添加以下属性。


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

hdfs-site.xml

hdfs-site.xml文件包含诸如本地文件系统的复制数据的值，名称节点路径和数据节点路径之类的信息。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，并在此文件的＆lt / configuration>标记之间添加以下属性。


   
      dfs.replication
      1
   
    
   
      dfs.name.dir
      file:///home/hadoop/hadoopinfra/hdfs/namenode 
   
    
   
      dfs.data.dir</name> 
      file:///home/hadoop/hadoopinfra/hdfs/datanode

注–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。

yarn-site.xml

该文件用于将yarn配置到Hadoop中。打开yarn-site.xml文件，并在此文件的，标记之间添加以下属性。


   
      yarn.nodemanager.aux-services
      mapreduce_shuffle</value>

mapred-site.xml

该文件用于指定我们使用的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，并在此文件的，标记之间添加以下属性。


    
      mapreduce.framework.name
      yarn

验证Hadoop安装

以下步骤用于验证Hadoop安装。

步骤1-名称节点设置

如下所示，使用命令“ hdfs namenode -format”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Hadoop DFS

以下命令用于启动dfs。执行此命令将启动Hadoop文件系统。

$ start-dfs.sh

预期的输出如下-

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]

第3步-验证纱线脚本

以下命令用于启动yarn脚本。执行此命令将启动yarn守护程序。

$ start-yarn.sh

预期输出如下-

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

步骤4-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/

在浏览器上访问Hadoop

步骤5-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是8088。使用以下URL访问此服务。

http://localhost:8088/

Hadoop应用集群