头图

图解大数据 | 实操案例-Hadoop系统搭建与环境配置

ShowMeAI

ShowMeAI研究中心

作者:韩信子@ShowMeAI
教程地址http://www.showmeai.tech/tutorials/84
本文地址http://www.showmeai.tech/article-detail/169
声明:版权所有,转载请联系平台与作者并注明出处

1.引言

本教程ShowMeAI详细给大家讲解Hadoop的安装与环境配置方法,关于Hadoop与map-reduce的基础知识,大家可以回顾ShowMeAI的基础知识讲解篇分布式平台Hadoop与Map-reduce详解。本教程的工作环境为Linux系统(实际有大数据环境的公司,工作与开发环境很多也是在服务器上,大家可以尽早熟悉一下)。

本教程使用到的Hadoop安装文件,下载方式有以下选择:

Hadoop安装文件下载(百度网盘)
链接:https://pan.baidu.com/s/1kFBBT2glXeGxf\_Y2PXwA7Q
提取码:show

2.环境说明

  • 系统环境: Ubuntu 14.04 64位 (Ubuntu 12.04,Ubuntu16.04 也行,32位、64位均可)。
  • Hadoop版本:本教程基于Hadoop 2完成,Hadoop 2.6.0 (stable) 版本验证通过,可适合任何 Hadoop 2.x.y 版本。

3.创建用户

1)新增用户

首先新增一个名为 hadoop 的用户。打开终端窗口(快捷键ctrl+alt+t ),输入如下命令 :

sudo useradd -m hadoop -s /bin/bash

对上述操作做一个解释:

  • sudo命令:sudo是ubuntu中一种权限管理机制,管理员可以授权给一些普通用户去执行一些需要root权限执行的操作。当使用sudo命令时,就需要输入您当前用户的密码。本教程中大量使用到sudo命令。
  • 密码:在Linux的终端中输入密码,终端是不会显示任何你当前输入的密码,也不会提示你已经输入了多少字符密码。而在windows系统中,输入密码一般都会以“*”表示你输入的密码字符。

2)设置密码

使用如下命令设置密码,可简单设置为 hadoop,按提示输入两次密码:

sudo passwd hadoop

再通过以下命令为 hadoop 用户增加管理员权限,方便部署:

sudo adduser hadoop sudo

4.更新apt

接下来更新一下 apt,因为在Linux(Ubuntu)环境下最方便的安装软件方式是使用 apt ,保持它在比较新的状态,在命令行执行如下命令:

sudo apt-get update

安装vim等编辑器:后续使用vim进行文本编辑,这里基于更新后的apt安装一下vim,命令如下:

sudo apt-get install vim

安装软件时若需要确认,在提示处输入 y 即可。

5.安装与配置SS

集群、单节点模式都需要用到 SSH 登陆,Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server,可以基于以下命令安装:

sudo apt-get install openssh-server

安装后,可以使用如下命令登陆本机:

ssh localhost

此时会有如下提示(SSH首次登陆提示),输入 yes 。然后按提示输入密码 hadoop,这样就登陆到本机了。

下面配置一下SSH无密码登陆,以便更快捷的操作。

首先退出刚才的 ssh,再利用 ssh-keygen 生成密钥,并将密钥加入到授权中,命令如下:

exit                           # 退出刚才的 ssh localhost
cd ~/.ssh/                     # 若没有该目录,请先执行一次ssh localhost
ssh-keygen -t rsa              # 会有提示,都按回车就可以
cat ./id_rsa.pub >> ./authorized_keys  # 加入授权

上述命令中:

  • ~ 代表的是用户的主文件夹,即 /home/用户名 这个目录
  • 命令中的 # 后面的文字是注释,只需要输入前面命令即可。

此时再用 ssh localhost 命令,无需输入密码就可以直接登陆了,如下图所示。

6.安装Java环境

安装需要依赖jdk安装包,从下方百度网盘下载。

Hadoop安装文件下载(百度网盘)
链接:https://pan.baidu.com/s/1kFBBT2glXeGxf\_Y2PXwA7Q
提取码:show

下载JDK1.8的安装包【jdk-8u162-linux-x64.tar.gz】,并把压缩格式的文件jdk-8u162-linux-x64.tar.gz下载到本地电脑,假设保存在 /home/hadoop/Downloads/ 目录下。

在Linux命令行界面中,执行如下Shell命令(注意:当前登录用户名是hadoop):

cd /usr/lib
sudo mkdir jvm #创建/usr/lib/jvm目录用来存放JDK文件
cd ~ #进入hadoop用户的主目录
cd Downloads  #注意区分大小写字母,刚才已经通过FTP软件把JDK安装包jdk-8u162-linux-x64.tar.gz上传到该目录下
sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm  #把JDK文件解压到/usr/lib/jvm目录下

JDK文件解压缩以后,可以执行如下命令到 /usr/lib/jvm 目录查看一下:

cd /usr/lib/jvm
ls

可以看到,在 /usr/lib/jvm 目录下有个jdk1.8.0\_162目录。

下面继续执行如下命令,设置环境变量:

cd ~
vim ~/.bashrc

上面命令使用vim编辑器打开了hadoop这个用户的环境变量配置文件,请在这个文件的开头位置,添加如下几行内容:

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

保存 .bashrc 文件并退出vim编辑器。

然后,继续执行如下命令让 .bashrc 文件的配置立即生效:

source ~/.bashrc

这时,可以使用如下命令查看是否安装成功:

java -version

如果能够在屏幕上返回如下信息,则说明安装成功:

hadoop@ubuntu:~$ java -version
java version "1.8.0_162"
Java(TM) SE Runtime Environment (build 1.8.0_162-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.162-b12, mixed mode)

7.安装 Hadoop 2

下面安装Hadoop 2,安装文件可以通过 http://mirror.bit.edu.cn/apache/hadoop/common/ 或者 http://mirrors.cnnic.cn/apache/hadoop/common/ 下载,也可以通过以下方式下载:

Hadoop安装文件下载(百度网盘)
链接:https://pan.baidu.com/s/1kFBBT2glXeGxf\_Y2PXwA7Q
提取码:show

选择将 Hadoop 安装至 /usr/local/ 中:

sudo tar -zxf ~/下载/hadoop-2.7.1.tar.gz -C /usr/local    # 解压到/usr/local中
cd /usr/local/
sudo mv ./hadoop-2.7.1/ ./hadoop            # 将文件夹名改为hadoop
sudo chown -R hadoop ./hadoop       # 修改文件权限

Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用,成功则会显示 Hadoop 版本信息:

cd /usr/local/hadoop
./bin/hadoop version

8.Hadoop单机配置

Hadoop 默认模式为非分布式模式(本地模式),无需进行其他配置即可运行。非分布式即单 Java 进程,方便进行调试。

现在可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子(运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 可以看到所有例子),包括 wordcount、terasort、join、grep 等。

在此选择运行 grep 例子,将 input 文件夹中的所有文件作为输入,筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数,最后输出结果到 output 文件夹中。

cd /usr/local/hadoop
mkdir ./input
cp ./etc/hadoop/*.xml ./input   # 将配置文件作为输入文件
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/*          # 查看运行结果

执行成功后如下所示,输出了作业的相关信息,输出的结果是符合正则的单词 dfsadmin 出现了1次

注意,Hadoop 默认不会覆盖结果文件,因此再次运行上面实例会提示出错,需要先将 ./output 删除。删除命令为 rm -r ./output

9.Hadoop伪分布式配置

Hadoop 可以在单节点上以伪分布式的方式运行,Hadoop 进程以分离的 Java 进程来运行,节点既作为 NameNode 也作为 DataNode,同时,读取的是 HDFS 中的文件。

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中,伪分布式需要修改2个配置文件 core-site.xmlhdfs-site.xml 。Hadoop的配置文件是 xml 格式,每个配置以声明 propertynamevalue 的方式来实现。

修改配置文件 core-site.xml (可以通过 vim/gedit 编辑: vim ./etc/hadoop/core-site.xml 或者 gedit ./etc/hadoop/core-site.xml),将当中的

<configuration>
</configuration>

修改为下面配置:

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

同样的,修改配置文件 hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/data</value>
    </property>
</configuration>

配置完成后,执行 NameNode 的格式化:

cd /usr/local/hadoop
./bin/hdfs namenode -format

成功的话,会看到 successfully formattedExitting with status 0 的提示,若为 Exitting with status 1 则是出错。

接着开启 NameNode 和 DataNode 守护进程。

cd /usr/local/hadoop
./sbin/start-dfs.sh  #start-dfs.sh是个完整的可执行文件,中间没有空格

若出现如下SSH提示,输入 yes 即可。

启动完成后,可以通过命令 jps 来判断是否成功启动,若成功启动则会列出如下进程:“NameNode”、”DataNode” 和 “SecondaryNameNode”

成功启动后,可以访问 Web 界面 http://localhost:50070 查看 NameNodeDatanode 信息,还可以在线查看 HDFS 中的文件。

10.运行Hadoop伪分布式实例

上面的单机模式,grep 例子读取的是本地数据,伪分布式读取的则是 HDFS 上的数据。要使用 HDFS,首先需要在 HDFS 中创建用户目录:

./bin/hadoop fs -mkdir -p /user/hadoop

上述命令有以下3种不同的形态均可使用:

hadoop fs
hadoop dfs
hdfs dfs

接着将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中,即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。命令如下:

./bin/hadoop fs -mkdir input
./bin/hadoop fs -put ./etc/hadoop/*.xml input

复制完成后,可以通过如下命令查看文件列表:

./bin/hadoop fs -ls input

伪分布式运行 MapReduce 作业的方式跟单机模式相同,区别在于伪分布式读取的是HDFS中的文件(可以将单机步骤中创建的本地 input 文件夹,输出结果 output 文件夹都删掉来验证这一点)。

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

查看运行结果的命令(查看的是位于 HDFS 中的输出结果):

./bin/hadoop fs -cat output/*

结果如下,注意到刚才已经更改了配置文件,所以运行结果不同。

11.安装Hadoop集群

初次学习,伪分布式完整的功能已经具备了,足够使用。如果需要安装 Hadoop 集群,请查看 Hadoop集群安装配置教程(https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/ )。

12.参考资料

ShowMeAI相关文章推荐

ShowMeAI系列教程推荐

阅读 443

ShowMeAI研究中心
为AI硬核资料库(cool)而生!公众号/GitHub:ShowMeAI-Hub
22 声望
6 粉丝
0 条评论
22 声望
6 粉丝
文章目录
宣传栏