Hadoop - 下载安装和环境设置

Hadoop 受到 GNU/Linux 平台及其版本的支持。因此，我们必须安装 Linux 操作系统来搭建 Hadoop 环境。如果您有 Linux 以外的操作系统，您可以在其中安装 Virtualbox 软件，并在 Virtualbox 中安装 Linux。

官网下载 Hadoop

您可以从官方网站下载 Hadoop 的最新稳定版本。

官网地址：https://hadoop.apache.org/

Hadoop 预安装设置

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

创建用户

一开始，建议为 Hadoop 创建一个单独的用户，将 Hadoop 文件系统与 Unix 文件系统隔离开来。请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"打开一个现有的用户帐户。

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

SSH 设置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 id_rsa.pub 中的公钥复制到 authorized_keys 中，并分别提供所有者对 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"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。

步骤 1

通过访问以下链接 www.oracle.com 下载 java (JDK <latest version> - X64.tar.gz)

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

步骤 2

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

步骤 3

要使所有用户都可以使用 java，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

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

步骤 5

使用以下命令来配置 java 替代方案 −

# 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

现在从终端验证 java -version 命令，如上所述。

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，您可以在三种支持的模式之一中运行 Hadoop 集群 −

本地/独立模式 − 在您的系统中下载 Hadoop 后，默认情况下，它配置为独立模式，可以作为单个 java 进程运行。
伪分布式模式 − 它是在单机上的分布式模拟。每个 Hadoop 守护进程，例如 hdfs、yarn、MapReduce 等，都将作为一个单独的 java 进程运行。这种模式对开发很有用。
全分布式模式 − 这种模式是完全分布式的，至少有两台或更多机器作为一个集群。我们将在接下来的章节中详细介绍这种模式。

以独立模式安装 Hadoop

这里我们将讨论在独立模式下安装 Hadoop 2.4.1。

没有运行守护进程，一切都在单个 JVM 中运行。 Standalone 模式适合在开发过程中运行 MapReduce 程序，因为它易于测试和调试它们。

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

在继续之前，您需要确保 Hadoop 工作正常。只需发出以下命令 −

$ hadoop version

如果您的设置一切正常，那么您应该会看到以下结果 −

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 配置为在单台机器上以非分布式模式运行。

示例

让我们看一个简单的 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、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，我们将在其中推送一些文件，我们的要求是计算这些文件中的单词总数。要计算总字数，我们不需要编写 MapReduce，只要 .jar 文件包含字数统计的实现。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

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。

步骤 2

让我们启动 Hadoop 进程来统计输入目录下所有可用文件的总字数，如下 −

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

步骤 3

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 −

$cat output/*

它将列出所有单词及其在输入目录中所有可用文件中可用的总计数。

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

以伪分布式模式安装 Hadoop

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到当前正在运行的系统中。

$ source ~/.bashrc

步骤 2 − 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 基础架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、存储数据的内存限制以及读/写缓冲区的大小等信息。

打开 core-site.xml，在 <configuration>, </configuration> 标签之间添加以下属性。

<configuration>
   <property>
      <name>fs.default.name</name>
      <value>hdfs://localhost:9000</value> 
   </property>
</configuration>

hdfs-site.xml

hdfs-site.xml 文件包含复制数据的值、namenode 路径和本地文件系统的 datanode 路径等信息。这意味着您要存储 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

打开此文件并在此文件的 <configuration> </configuration> 标签之间添加以下属性。

<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 − 在上述文件中，所有属性值都是用户定义的，您可以根据您的 Hadoop 基础架构进行更改。

yarn-site.xml

该文件用于将 yarn 配置到 Hadoop 中。打开 yarn-site.xml 文件并在该文件的 <configuration>, </configuration> 标签之间添加以下属性。

<configuration>
   <property>
      <name>yarn.nodemanager.aux-services</name>
      <value>mapreduce_shuffle</value> 
   </property>
</configuration>

mapred-site.xml

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 文件并在该文件的 <configuration>, </configuration> 标签之间添加以下属性。

<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。

步骤 1 − 名称节点设置

使用命令"hdfs namenode -format"设置名称节点，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 
************************************************************/

步骤 2 − 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]

步骤 3 − 验证 Yarn 脚本

以下命令用于启动 yarn 脚本。执行此命令将启动您的纱线守护进程。

$ 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/

步骤 5 − 验证集群的所有应用程序

访问集群所有应用程序的默认端口号为8088。使用以下url访问该服务。

http://localhost:8088/

Hadoop 教程

Gradle 其他

Hadoop - 下载安装和环境设置

官网下载 Hadoop

Hadoop 预安装设置

创建用户

SSH 设置和密钥生成

安装 Java

步骤 1

步骤 2

步骤 3

步骤 4

步骤 5

下载 Hadoop

Hadoop 操作模式

以独立模式安装 Hadoop

设置 Hadoop

示例

步骤 1

步骤 2

步骤 3

以伪分布式模式安装 Hadoop

步骤 1 − 设置 Hadoop

步骤 2 − Hadoop 配置

验证 Hadoop 安装

步骤 1 − 名称节点设置

步骤 2 − 验证 Hadoop dfs

步骤 3 − 验证 Yarn 脚本

步骤 4 − 在浏览器上访问 Hadoop

步骤 5 − 验证集群的所有应用程序

颜色选择器

读后有收获微信请站长喝咖啡

错误报告

您的建议:

感谢您的帮助！