Hadoop由GNU / Linux平臺(tái)及其版本支持。因此,我們必須安裝一個(gè)Linux操作系統(tǒng)來(lái)設(shè)置Hadoop環(huán)境。如果您有除Linux以外的操作系統(tǒng),您可以在其中安裝Virtualbox軟件,并在Virtualbox內(nèi)部安裝Linux。
在將Hadoop安裝到Linux環(huán)境之前,我們需要使用ssh(Secure Shell)來(lái)設(shè)置Linux。按照以下步驟設(shè)置Linux環(huán)境。
在開(kāi)始時(shí),建議為Hadoop創(chuàng)建一個(gè)單獨(dú)的用戶(hù),以便將Hadoop文件系統(tǒng)與Unix文件系統(tǒng)隔離。按照以下步驟創(chuàng)建用戶(hù):
打開(kāi)Linux終端并鍵入以下命令以創(chuàng)建用戶(hù)。
$ su password: # useradd hadoop # passwd hadoop New passwd: Retype new passwd
需要SSH設(shè)置在集群上執(zhí)行不同的操作,如啟動(dòng),停止,分布式守護(hù)程序shell操作。要對(duì)Hadoop的不同用戶(hù)進(jìn)行身份驗(yàn)證,需要為Hadoop用戶(hù)提供公鑰/私鑰對(duì),并與不同的用戶(hù)共享。
以下命令用于使用SSH生成鍵值對(duì)。將公共密鑰表單id_rsa.pub復(fù)制到authorized_keys,并分別向擁有者授予authorized_keys文件的讀取和寫(xiě)入權(quán)限。
$ ssh-keygen -t rsa $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys $ chmod 0600 ~/.ssh/authorized_keys
Java是Hadoop的主要先決條件。首先,您應(yīng)該使用命令“java -version”驗(yàn)證系統(tǒng)中是否存在java。 java版本命令的語(yǔ)法如下。
$ java -version
如果一切正常,它會(huì)給你以下輸出。
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)
如果系統(tǒng)中沒(méi)有安裝java,請(qǐng)按照以下步驟安裝java。
通過(guò)訪問(wèn)以下鏈接http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html下載java(JDK <latest version> - X64.tar.gz)。
然后jdk-7u71-linux-x64.tar.gz將下載到您的系統(tǒng)。
通常你會(huì)在下載文件夾中找到下載的java文件。使用以下命令驗(yàn)證它并解壓縮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
要使java可用于所有用戶(hù),您必須將其移動(dòng)到位置“/ usr / local /”。打開(kāi)root,然后鍵入以下命令。
$ su password: # mv jdk1.7.0_71 /usr/local/ # exit
要設(shè)置PATH和JAVA_HOME變量,請(qǐng)將以下命令添加到?/ .bashrc文件。
export JAVA_HOME=/usr/local/jdk1.7.0_71 export PATH=$PATH:$JAVA_HOME/bin
現(xiàn)在將所有更改應(yīng)用到當(dāng)前運(yùn)行的系統(tǒng)。
$ source ~/.bashrc
現(xiàn)在將所有更改應(yīng)用到當(dāng)前運(yùn)行的系統(tǒng)。
# 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
現(xiàn)在如上所述從終端驗(yàn)證java -version命令。
使用以下命令從Apache Software Foundation下載并提取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
一旦下載了Hadoop,您就可以使用以下三種支持模式之一來(lái)操作Hadoop集群:
本地/獨(dú)立模式 :在系統(tǒng)中下載Hadoop之后,默認(rèn)情況下,它以獨(dú)立模式配置,并且可以作為單個(gè)Java進(jìn)程運(yùn)行。
偽分布式模式 :它是單機(jī)上的分布式仿真。每個(gè)Hadoop守護(hù)進(jìn)程(如hdfs,yarn,MapReduce等)都將作為單獨(dú)的java進(jìn)程運(yùn)行。此模式對(duì)開(kāi)發(fā)有用。
完全分布式的模式 :此模式是完全分布式的,至少有兩臺(tái)或多臺(tái)機(jī)器作為集群。我們將在接下來(lái)的章節(jié)中詳細(xì)討論這種模式。
這里我們將討論Hadoop 2.4.1在獨(dú)立模式下的安裝。
沒(méi)有運(yùn)行的守護(hù)程序,并且一切都在單個(gè)JVM中運(yùn)行。獨(dú)立模式適合在開(kāi)發(fā)期間運(yùn)行MapReduce程序,因?yàn)樗苋菀诇y(cè)試和調(diào)試。
您可以通過(guò)將以下命令附加到?/.bashrc文件來(lái)設(shè)置Hadoop環(huán)境變量。
export HADOOP_HOME=/usr/local/hadoop
在繼續(xù)進(jìn)行之前,您需要確保Hadoop正常工作。只需發(fā)出以下命令:
$ hadoop version
如果您的設(shè)置一切正常,那么你應(yīng)該看到以下結(jié)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
這意味著你的Hadoop的獨(dú)立模式設(shè)置工作正常。默認(rèn)情況下,Hadoop配置為在單臺(tái)計(jì)算機(jī)上以非分布式方式運(yùn)行。
讓我們檢查一個(gè)簡(jiǎn)單的Hadoop示例。 Hadoop安裝提供了以下示例MapReduce jar文件,它提供了MapReduce的基本功能,可用于計(jì)算,如Pi值,文件列表中的字?jǐn)?shù)等。
$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar
讓我們有一個(gè)輸入目錄,我們將推送幾個(gè)文件,我們的要求是計(jì)數(shù)這些文件中的字的總數(shù)。要計(jì)算總字?jǐn)?shù),我們不需要寫(xiě)我們的MapReduce,只要.jar文件包含字計(jì)數(shù)的實(shí)現(xiàn)。您可以嘗試使用相同的.jar文件的其他示例;只需發(fā)出以下命令來(lái)檢查hadoop-mapreduce-examples-2.2.0.jar文件支持的MapReduce功能程序。
$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar
在輸入目錄中創(chuàng)建臨時(shí)內(nèi)容文件。您可以在要工作的任何位置創(chuàng)建此輸入目錄。
$ mkdir input $ cp $HADOOP_HOME/*.txt input $ ls -l input
它將在您的輸入目錄中提供以下文件:
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
這些文件已從Hadoop安裝主目錄復(fù)制。對(duì)于您的實(shí)驗(yàn),您可以有不同的和大的文件集。
讓我們開(kāi)始Hadoop進(jìn)程來(lái)計(jì)算輸入目錄中所有可用文件中的總字?jǐn)?shù),如下所示:
$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar wordcount input output
第2步將執(zhí)行所需的處理并將輸出保存在output / part-r00000文件中,您可以使用以下命令檢查:
$cat output/*
它將列出所有字以及它們?cè)谳斎肽夸浿锌捎玫乃形募械目傆?jì)數(shù)。
"AS 4 "Contribution" 1 "Contributor" 1 "Derivative 1 "Legal 1 "License" 1 "License"); 1 "Licensor" 1 "NOTICE” 1 "Not 1 "Object" 1 "Source” 1 "Work” 1 "You" 1 "Your") 1 "[]" 1 "control" 1 "printed 1 "submitted" 1 (50%) 1 (BIS), 1 (C) 1 (Don't) 1 (ECCN) 1 (INCLUDING 2 (INCLUDING, 2 .............
按照下面給出的步驟在偽分布式模式下安裝Hadoop 2.4.1。
您可以通過(guò)將以下命令附加到?/.bashrc文件來(lái)設(shè)置Hadoop環(huán)境變量。
export HADOOP_HOME=/usr/local/hadoop export HADOOP_MAPRED_HOME=$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
現(xiàn)在將所有更改應(yīng)用到當(dāng)前運(yùn)行的系統(tǒng)。
$ source ~/.bashrc
您可以在位置“$ HADOOP_HOME/etc/hadoop”中找到所有Hadoop配置文件。需要根據(jù)您的Hadoop基礎(chǔ)結(jié)構(gòu)對(duì)這些配置文件進(jìn)行更改。
$ cd $HADOOP_HOME/etc/hadoop
為了在java中開(kāi)發(fā)Hadoop程序,您必須通過(guò)用系統(tǒng)中java的位置替換JAVA_HOME值來(lái)重置hadoop-env.sh文件中的java環(huán)境變量。
export JAVA_HOME=/usr/local/jdk1.7.0_71
以下是您必須編輯以配置Hadoop的文件列表。
core-site.xml
core-site.xml文件包含諸如用于Hadoop實(shí)例的端口號(hào),為文件系統(tǒng)分配的內(nèi)存,用于存儲(chǔ)數(shù)據(jù)的內(nèi)存限制以及讀/寫(xiě)緩沖區(qū)大小的信息。
打開(kāi)core-site.xml并在<configuration>,</ configuration>標(biāo)簽之間添加以下屬性。
<configuration> <property> <name>fs.default.name </name> <value> hdfs://localhost:9000 </value> </property> </configuration>
hdfs-site.xml
hdfs-site.xml文件包含本地文件系統(tǒng)的復(fù)制數(shù)據(jù)值,namenode路徑和datanode路徑等信息。這意味著您要存儲(chǔ)Hadoop基礎(chǔ)架構(gòu)的位置。
讓我們假設(shè)以下數(shù)據(jù)。
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
打開(kāi)此文件,并在此文件中的<configuration> </ configuration>標(biāo)記之間添加以下屬性。
<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,所有屬性值都是用戶(hù)定義的,您可以根據(jù)Hadoop基礎(chǔ)結(jié)構(gòu)進(jìn)行更改。
yarn-site.xml
此文件用于將Yarn為Hadoop配置為Hadoop。打開(kāi)yarn-site.xml文件,并在此文件中的<configuration>,</ configuration>標(biāo)記之間添加以下屬性。
<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration>
mapred-site.xml
此文件用于指定我們使用的MapReduce框架。默認(rèn)情況下,Hadoop包含yarn-site.xml的模板。首先,需要使用以下命令將文件從mapred-site,xml.template復(fù)制到mapred-site.xml文件。
$ cp mapred-site.xml.template mapred-site.xml
打開(kāi)mapred-site.xml文件,并在此文件中的<configuration>,</ configuration>標(biāo)記之間添加以下屬性。
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>
以下步驟用于驗(yàn)證Hadoop安裝。
使用命令“HDFS的NameNode -format”如下設(shè)置名稱(chēng)節(jié)點(diǎn)。
$ cd ~ $ hdfs namenode -format
預(yù)期結(jié)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 ************************************************************/
以下命令用于啟動(dòng)dfs。執(zhí)行此命令將啟動(dòng)您的Hadoop文件系統(tǒng)。
$ start-dfs.sh
預(yù)期輸出如下:
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]
下面的命令被用于啟動(dòng)Yarn腳本。執(zhí)行該命令將啟動(dòng)紗守護(hù)進(jìn)程。
$ start-yarn.sh
預(yù)期輸出如下:
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
訪問(wèn)Hadoop的默認(rèn)端口號(hào)為50070.使用以下URL在瀏覽器上獲取Hadoop服務(wù)。
http://localhost:50070/
訪問(wèn)群集的所有應(yīng)用程序的默認(rèn)端口號(hào)為8088.使用以下URL訪問(wèn)此服務(wù)。
http://localhost:8088/
更多建議: