文档章节

从零开始学习Hadoop--第1章 Hadoop的安装

brian_2017
 brian_2017
发布于 2017/01/17 09:12
字数 2624
阅读 3
收藏 0

Hadoop的安装比较繁琐,有如下几个原因:其一,Hadoop有非常多的版本;其二,官方文档不尽详细,有时候更新脱节,Hadoop发展的太快了;其三,网上流传的各种文档,或者是根据某些需求定制,或者加入了不必须要的步骤,或者加入容易令人误解的步骤。其实安装是很重要的步骤,只有安装好了,才能谈及下一步。

在本书撰写的时候,选用Hadoopstable版安装。


笔者的登录用户名是brian,大家可以根据自己的登录名更改命令,后面凡是出现brian的地方,都用自己的登录用户名替换掉。


1. 操作系统

操作系统是Ubuntu10.04桌面版。


如果操作系统其他版本的Ubuntu,在图形界面上会略有一点区别,但对安装影响不大。不同发行版的Linux的安装Hadoop的过程基本类似,没太大的差别。

2.Hadoop的版本

Hadoop当前的stable版是1.2.1

3.下载Hadoop

3.1Hadoop的主页上提供了多个下载链接。

http://www.apache.org/dyn/closer.cgi/hadoop/common/

3.2任选一个下载站点如下:

http://mirror.esocc.com/apache/hadoop/common/

3.3选择stable版,其实stable版就是1.2.1版:

http://mirror.esocc.com/apache/hadoop/common/stable/

在这个目录下有多个文件,是针对不同的linux发行版的,不需要全部下载。

3.4下载hadoop-1.2.1.tar.gzhadoop-1.2.1.tar.gz.mds

打开命令终端,下文的命令都是在终端里执行,为方便起见,命令都用引号引起。

stable版本的Hadoop的两个文件下载到“~/setup/hadoop”目录下,也就是”/home/brian/setup/hadoop”目录,命令如下:

3.4.1“mkdir -p ~/setup/hadoop”

mkdir命令是创建新目录。”-p”参数的意思是,假如hadoop目录的上级目录不存在,也创建上级目录。在终端里执行“man mkdir”,可以看到对这个命令的更详细的解释,按一下q键重新返回终端。

在命令终端里,”~”表示当前登录用户的主目录。比如说,在开机的时候,登录用户是brian,那么在命令终端里,”~”就表示目录”/home/brian”,如果开机时候,登录用户是john,那么”~”就表示”/home/john”目录。

3.4.2"cd ~/setup/hadoop"

cd就是changedirectory的缩写,切换当前目录。

3.4.3"wget http://mirror.esocc.com/apache/hadoop/common/stable/hadoop-1.2.1.tar.gz.mds"

wget是下载文件的命令行工具,”manwget”有详细说明。

3.4.4"wget http://mirror.esocc.com/apache/hadoop/common/stable/hadoop-1.2.1.tar.gz"

3.4.5"md5sum hadoop-1.2.1.tar.gz"

md5sum命令,计算一个文件的md5码。开源社区在提供源码下载的时候,会同时提供下载文件的md5码。md5码是根据文件内容生成的32位字符串,不同的文件的md5码是不同的,如果下载出错,下载文件的md5码跟正常文件的md5码是不一样的,由此检测下载是否正常,只有在极其罕见的情况下,才会出现不同的文件有相同md5码。hadoop-1.2.1.tar.gz是一个比较大的文件,需要检查下载的文件是否完整,执行这个命令之后,会出现形如"8D79 04 80 56 17 C1 6C B2 27 D1 CC BF E9 38 5A hadoop-1.2.1.tar.gz"的字符串,前面的一串字符串就是32位的md5校验码。

3.4.6"cat hadoop-1.2.1.tar.gz.mds"

cat命令,catcatenate的缩写,在标准输出上打印文件内容,通常标准输出就是屏幕。这个命令会在屏幕上打印hadoop-1.2.1.tar.gz.mds的内容,也就是一些校验码,在里面找到"md5"这一行,如果跟md5sum出来的一致,则表明下载文件完整的,否则需要重新下载。

4. 安装JavaJDK

4.1在这里有jdk 1.7的下载

http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html

如果是CPU32位,选择下载Linuxx86,如果CPU64位的,选择Linuxx64。一般来说,如果计算机是双核的,肯定支持64位操作系统。或者可以运行”uname-a”命令看一下,在笔者的笔记本上运行这个命令结果如下:

Linuxbrian-i3 2.6.32-51-generic #113-Ubuntu SMP Wed Aug 21 19:46:35 UTC2013 x86_64 GNU/Linux

后面的x86_64表明系统是64位的。

在这个页面,找”JavaSE Development Kit 7u40”,注意,这里有一个选项,必须选择”AcceptLicense Agreement”,接受License才能下载。

下载的jdk1.7,存放到 “/home/brian/setup/java-jdk-1.7/”目录。

下载的文件是”java-jdk-7u40-linux-i586.tar.gz”javajdk的版本常常有更新,次版本号有可能会比40更高一点。

4.2"sudo su -"

切换到root用户,参考”mansudo”。这个命令会切换到root用户,也就是最高权限的用户。因为后面要执行的jdk安装操作是在/usr/local目录下进行的,用root用户更方便。

4.3"cd /usr/local/lib"

4.4"tar -zxvf/home/brian/setup/java-jdk-1.7/java-jdk-7u40-linux-i586.tar.gz"

tarlinux下的打包和解压命令行工具,具体细节可以参考”mantar”。这个命令将java-jdk-7u40-linux-i586.tar.gz压缩包解压到当前目录下。解压缩完毕之后,执行"ls",能看到当前目录下有一个新目录叫"jdk1.7.0_40"

4.5配置环境变量:

4.5.1“gedit /etc/profile”

geditlinux下类似Windoes的记事本的编辑器,文件/etc/profilelinux下的配置文件。本命令会打开这个配置文件,以备编辑。

4.5.2添加配置

/etc/profile文件末尾加上如下的三行代码:


export JAVA_HOME=/usr/local/lib/jdk1.7.0_40

export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

export PATH=$PATH:$JAVA_HOME/bin


保存文件,然后退出。

Linux系统,开机后会自动执行/etc/profile配置文件。export命令设置或者显示环境变量。上述三行代码,分别设置了JAVA_HOME,CLASSPATH, PATH这三个环境变量。

4.5.3"chown root:root -R /usr/local/lib/jdk1.7.0_40"

chown命令,更改目录或者文件的拥有者。这条命令将jdk1.7.0_40目录的拥有者改为root组的root用户。”-R”参数是递归的意思,将jdk1.7.0_40目录下连同子目录都进行更改。

4.5.4"chmod 755 -R /usr/local/lib/jdk1.7.0_40"

chmod命令,更改目录和文件的模式。本命令将jdk1.7.0_40的模式改为拥有者可以读写执行,同组用户和其他用户可读可执行不可写。“-R”参数同上,也是递归的意思。

4.5.5"source /etc/profile"

如果更改了/etc/profile配置文件,它只会在新的终端里生效,现在正在使用的终端是不会生效的。如果想让它在正使用的终端也生效,需要用source命令运行一下配置文件。这条命令会让4.4.2的三个环境变量立即生效。这条命令也可以简写成”./etc/profile”

4.5.6"java -version"

这条命令检查jdk安装是否成功。运行这条命令,只要没有报错就表明安装成功了。

5.安装hadoop

5.1"su brian"

su命令,切换用户。安装jdk用的是root用户。现在切回brian用户。

5.2"mkdir -p ~/usr/hadoop"

创建Hadoop的安装目录

5.3"cd ~/usr/hadoop"

5.4"tar -xvzf ~/setup/hadoop/hadoop-1.2.1.tar.gz"

解压缩完毕后,就有目录~/usr/hadoop/hadoop-1.2.1,这是hadoop的主目录。

5.5配置hadoop,参考了http://hadoop.apache.org/docs/stable/single_node_setup.pdf

按照伪分布式进行配置,也就是用一个机器同时运行NameNode,SecondaryNameNode, DataNode, JobTracker, TaskTracker 5个任务。

5.5.1配置文件在~/usr/hadoop/hadoop-1.2.1/conf/目录下

5.5.2core-site.xml文件内容修改成如下:

<configuration>

<property>

<name>fs.default.name</name>

<value>hdfs://localhost:9000</value>

</property>

</configuration>

5.5.3mapred-site.xml文件内容修改如下:

<configuration>

<property>

<name>mapred.job.tracker</name>

<value>localhost:9001</value>

</property>

</configuration>

5.5.4hdfs-site.xml文件内容修改如下:

<configuration>

<property>

<name>dfs.replication</name>

<value>1</value>

</property>

</configuration>

5.5.5hadoop-env.sh文件里添加如下一条语句:

export JAVA_HOME=/usr/local/lib/jdk1.7.0_40

6.安装rsyncssh

6.1"sudo apt-get install ssh rsync"

这条命令安装sshrsyncssh是一个很著名的安全外壳协议SecureShell Protocolrsync是文件同步命令行工具。

6.2配置ssh免登录

6.2.1"ssh-keygen -t dsa -f ~/.ssh/id_dsa"

执行这条命令生成ssh的公钥/私钥,执行过程中,会一些提示让输入字符,直接一路回车就可以。

6.2.2"cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys"

ssh进行远程登录的时候需要输入密码,如果用公钥/私钥方式,就不需要输入密码了。上述方式就是设置公钥/私钥登录。

6.2.3 “ssh localhost”

第一次执行本命令,会出现一个提示,输入”yes”然后回车即可。

7.启动hadoop

7.1"cd ~/usr/hadoop/hadoop-1.2.1"

7.2"./bin/hadoop namenode -format"

格式化NameNode

7.3"./bin/start-all.sh"

启动所有节点,包括NameNode,SecondaryNameNode, JobTracker, TaskTracker, DataNode

7.4“jps”

检查各进程是否运行,这时,应该看到有6java虚拟机的进程,分别是Jps,NameNode, SecondaryNameNode, DataNode, JobTracker,TaskTracker,看到6个是对的,表明启动成功。如果提示”jps”没安装或者找不到,执行一次”source/etc/profile”即可。

8.测试hadoop

8.1"cd ~/usr/hadoop/hadoop-1.2.1"

8.2"./bin/hadoop fs -put README.txt readme.txt"

将当前目录下的README.txt放到hadoop进行测试,这个README.txtHadoop的介绍文件,这里用它做测试。这条命令将README.txt文件复制到Hadoop的分布式文件系统HDFS,重命名为readme.txt

8.3"./bin/hadoop jar hadoop-examples-1.2.1.jar wordcount readme.txt output"

运行hadoopexampleswordcount,测试hadoop的执行。这条语句用Hadoop自带的examples里的wordcount程序,对readme.txt进行处理,处理后的结果放到HDFSoutput目录。

8.4"./bin/hadoop fs -cat output/part-r-00000"

这条命令查看处理结果,part-r-00000文件存放wordcount的运行结果,cat命令将文件内容输出到屏幕,显示字符的统计结果。这是一个简单的字符统计,wordcount只是做了简单的处理,所以会看到单词后面有标点符号。


9. 练习

笔者做一次完整的安装是50分钟左右,其中下载Hadoop安装包和JavaJDK安装包是半小时,操作部分用时20分钟。新手第一次安装,2~5个小时内完成都是正常的。建议将Hadoop的安装过程按照上述流程走上三遍,熟悉每个步骤,然后不看流程凭记忆做出来,重复练习多次次,以加深印象。如果再有时间的话,可以逐个研究里面涉及到的各种命令,诸如wget,ssh, rsync等等。

© 著作权归作者所有

brian_2017
粉丝 3
博文 61
码字总数 145216
作品 0
私信 提问
历时一年,我的著作《从Lucene到Elasticsearch》已出版!

一、前言 决定在CSDN写博客的原因是想把自己解决过的问题、踩过的坑、总结出来的经验记录下来,作为编程之路的“笔记本”,同时也能给遇到同样问题的人提供参考、节省时间,写书的初衷也一样...

napoay
2017/12/05
0
0
Lucene笔记系列(1)——Lucene的理论基础之全文检索

本系列开始学习Lucene。 在我们处理的数据当中,分为三类数据: 结构化数据:具有固定格式或限定长度的数据,如我们的数据库中的数据 非结构化数据:无固定格式、无固定长度的数据,如我们w...

HappyBKs
2015/08/18
189
0
写给大数据开发初学者的话 | 附教程

导读: 第一章:初识Hadoop 第二章:更高效的WordCount 第三章:把别处的数据搞到Hadoop上 第四章:把Hadoop上的数据搞到别处去 第五章:快一点吧,我的SQL 第六章:一夫多妻制 第七章:越来...

小数点
2017/12/07
0
0
开源力量公开课第二十四期-为何Hadoop是分布式大数据处理的未来&如何掌握Hadoop?

详情:http://www.osforce.cn/?p=1216 课程题目:开源力量公开课第二十四期-为何Hadoop是分布式大数据处理的未来&如何掌握Hadoop? 开课时间:2013年07月30日 18:30 - 21:30 现场或线上参课:...

程开源
2013/07/19
194
2
开源力量公开课第二十四期-为何Hadoop是分布式大数据处理的未来&如何掌握Hadoop?

详情:http://www.osforce.cn/?p=1216 课程题目:开源力量公开课第二十四期-为何Hadoop是分布式大数据处理的未来&如何掌握Hadoop? 开课时间:2013年07月30日 18:30 - 21:30 现场或线上参课:...

程开源
2013/07/19
5
0

没有更多内容

加载失败,请刷新页面

加载更多

医疗在线客服咨询系统有哪些特点?

随着中国互联网网站的的快速发展,至今医疗行业已经拥有了独立的的运营网站,其中最具特色的便属于医疗在线客服咨询系统,医疗在线客服咨询系统为每个访问网站的患者提供即时的网络在线客服服...

唯喏
51分钟前
9
0
skywalking(容器部署)

skywalking(容器部署) 标签(空格分隔): APM [toc] 1. Elasticsearch SkywalkingElasticsearch 5.X(部分功能报错、拓扑图不显示) Skywalking需要Elasticsearch 6.X docker network create......

JUKE
57分钟前
7
0
解决Unable to find a single main class from the following candidates [xxx,xxx]

一、问题描述 1.1 开发环境配置 pom.xml <plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId><!--一定要对上springboot版本号,因......

TeddyIH
58分钟前
7
0
玩转Spring Boot 注册Servlet、Filter、Listener

玩转Spring Boot 注册Servlet、Filter、Listener JAVA架构师Ya七月 2019-08-23 玩转Spring Boot 注册Servlet、Filter、Listener 在Servlet 3.0之前我们都是使用web.xml进行配置,需要增加Ser...

Java架构师ya七
今天
5
0
Dubbo服务限制大数据传输抛Data length too large: 13055248, max payload: 8388608解决方案

当dubbo服务提供者向消费层传输大数据容量数据时,会受到Dubbo的限制,报类似如下异常: 2019-08-23 11:04:31.711 [ DubboServerHandler-XX.XX.XX.XXX:20880-thread-87] - [ ERROR ] [com.al...

huangkejie
今天
9
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部