Hadoop 環(huán)境設(shè)置

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。

安裝前設(shè)置

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。

創(chuàng)建用戶(hù)

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)：

• 使用命令“su”打開(kāi)根。
• 使用命令“useradd username”從root帳戶(hù)創(chuàng)建用戶(hù)。
• 現(xiàn)在您可以使用命令“su username”打開(kāi)現(xiàn)有的用戶(hù)帳戶(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 

SSH設(shè)置和密鑰生成

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 

安裝Java

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。

第1步

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)。

第2步

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 

第3步

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 

第4步

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

第5步

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。

下載Hadoop

 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 

Hadoop操作模式

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。

在獨(dú)立模式下安裝Hadoop

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。

設(shè)置Hadoop

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。

例子

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 

步驟1

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。

第2步

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3步

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 
.............

在偽分布式模式下安裝Hadoop

按照下面給出的步驟在偽分布式模式下安裝Hadoop 2.4.1。

第1步：設(shè)置Hadoop

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 

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。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>

驗(yàn)證Hadoop安裝

以下步驟用于驗(yàn)證Hadoop安裝。

第1步：名稱(chēng)節(jié)點(diǎn)設(shè)置

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 
************************************************************/

第2步：驗(yàn)證HadoopDFS

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]

第3步：驗(yàn)證Yarn腳本

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 

第4步：在瀏覽器上訪問(wèn)Hadoop

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/

第5步：驗(yàn)證集群的所有應(yīng)用程序

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/