编程宝库 - 技术改变世界

编程宝库

Search

Hadoop

Hadoop 简介

Hadoop HDFS概述

Hadoop 环境设置

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，会输出以下结果：

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 JDK: http://www.codebaoku.com/jdk/jdk-index.html 。

以 JDK7为例，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/

在浏览器上访问Hadoop

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应用程序集群

下一节：Hadoop HDFS概述

Hadoop 教程

Hadoop 文件系统是使用分布式文件系统设计开发的。它在商品硬件上运行。与其他分布式系统不同，HDFS具有高度容错性，并使用低成本硬件设计。HDFS拥有非常大量的数据并提供更容易的访问。为了存储这样庞大的数据， ...

Hadoop 简介

Hadoop HDFS概述