搭建 Hadoop 伪分布式环境

原创
2018/08/14 14:34
阅读数 59

教程环境和说明

  • 软硬件环境

    • CentOS 7.2 64 位
    • OpenJDK- 1.8
    • Hadoop- 2.7
  • 关于本教程的说明

    云实验室云主机自动使用 root 账户登录系统,因此本教程中所有的操作都是以 root 用户来执行的。若要在自己的云主机上进行本教程的实验,为了系统安全,建议新建一个账户登录后再进行后续操作。

  •  

安装 SSH 客户端

  • 安装SSH

    安装SSH:

    sudo yum install openssh-clients openssh-server
    •  

    安装完成后,可以使用下面命令进行测试:

    ssh localhost
    •  

    输入 root 账户的密码,如果可以正常登录,则说明SSH安装没有问题。测试正常后使用 exit 命令退出ssh。

 

安装 JAVA 环境

  • 安装 JDK

    使用 yum 来安装1.7版本 OpenJDK:

    sudo yum install java-1.8.0-openjdk java-1.8.0-openjdk-devel
    •  

    安装完成后,输入 java 和 javac 命令,如果能输出对应的命令帮助,则表明jdk已正确安装。

  • 配置 JAVA 环境变量

    执行命令:

    编辑 ~/.bashrc,在结尾追加:

    export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk
    •  

    保存文件后执行下面命令使 JAVA_HOME 环境变量生效:

    source ~/.bashrc
    •  

    为了检测系统中 JAVA 环境是否已经正确配置并生效,可以分别执行下面命令:

    java -version
    $JAVA_HOME/bin/java -version
    •  

    若两条命令输出的结果一致,且都为我们前面安装的 openjdk-1.8.0 的版本,则表明 JDK 环境已经正确安装并配置。

 

安装 Hadoop

  • 下载 Hadoop

    本教程使用 hadoop-2.7 版本,使用 wget 工具在线下载(注:本教程是从清华大学的镜像源下载,如果下载失败或报错,可以自己在网上找到国内其他一个镜像源下载 2.7 版本的 hadoop 即可):

    wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz
    •  
  • 安装 Hadoop

    将 Hadoop 安装到 /usr/local 目录下:

    tar -zxf hadoop-2.7.4.tar.gz -C /usr/local
    •  

    对安装的目录进行重命名,便于后续操作方便:

    cd /usr/local
    mv ./hadoop-2.7.4/ ./hadoop
    •  

    检查Hadoop是否已经正确安装:

    /usr/local/hadoop/bin/hadoop version
    •  

    如果成功输出hadoop的版本信息,表明hadoop已经成功安装。

 

Hadoop 伪分布式环境配置

  • 设置 Hadoop 的环境变量

    编辑 ~/.bashrc,在结尾追加如下内容:

    export HADOOP_HOME=/usr/local/hadoop
    export HADOOP_INSTALL=$HADOOP_HOME
    export HADOOP_MAPRED_HOME=$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
    •  

    使Hadoop环境变量配置生效:

    source ~/.bashrc
    •  
  • 修改 Hadoop 的配置文件

    Hadoop的配置文件位于安装目录的 /etc/hadoop 目录下,在本教程中即位于 /url/local/hadoop/etc/hadoop 目录下,需要修改的配置文件为如下两个:

    /usr/local/hadoop/etc/hadoop/core-site.xml
    /usr/local/hadoop/etc/hadoop/hdfs-site.xml
    •  

    编辑 core-site.xml,修改<configuration></configuration>节点的内容为如下所示:

    core-site.xml

    •  

    同理,编辑 hdfs-site.xml,修改<configuration></configuration>节点的内容为如下所示:

    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>

  • 格式化 NameNode

    格式化NameNode:

    /usr/local/hadoop/bin/hdfs namenode -format
    •  

    在输出信息中看到如下信息,则表示格式化成功:

    Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted.
    Exiting with status 0
    •  
  • 启动 NameNode 和 DataNode 守护进程

    启动 NameNode 和 DataNode 进程:

    /usr/local/hadoop/sbin/start-dfs.sh
    •  

    执行过程中会提示输入用户密码,输入 root 用户密码即可。另外,启动时ssh会显示警告提示是否继续连接,输入 yes 即可。

    检查 NameNode 和 DataNode 是否正常启动:

    jps
    •  

    如果NameNode和DataNode已经正常启动,会显示NameNode、DataNode和SecondaryNameNode的进程信息:

    [hadoop@VM_80_152_centos ~]$ jps
    3689 SecondaryNameNode
    3520 DataNode
    3800 Jps
    3393 NameNode
  •  

运行 Hadoop 伪分布式实例

  • 查看 Hadoop 自带的例子

    Hadoop 附带了丰富的例子, 执行下面命令可以查看:

    cd /usr/local/hadoop
    ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar
    •  
  • 在 HDFS 中创建用户目录

    在 HDFS 中创建用户目录 hadoop:

    /usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop
    •  
  • 准备实验数据

    本教程中,我们将以 Hadoop 所有的 xml 配置文件作为输入数据来完成实验。执行下面命令在 HDFS 中新建一个 input 文件夹并将 hadoop 配置文件上传到该文件夹下:

    cd /usr/local/hadoop
    ./bin/hdfs dfs -mkdir /user/hadoop/input
    ./bin/hdfs dfs -put ./etc/hadoop/*.xml /user/hadoop/input
    •  

    使用下面命令可以查看刚刚上传到 HDFS 的文件:

    /usr/local/hadoop/bin/hdfs dfs -ls /user/hadoop/input
    •  
  • 运行实验

    运行实验:

    cd /usr/local/hadoop
    ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar grep /user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'
    •  

    上述命令以 HDFS 文件系统中的 input 为输入数据来运行 Hadoop 自带的 grep 程序,提取其中符合正则表达式 dfs[a-z.]+ 的数据并进行次数统计,将结果输出到 HDFS 文件系统的 output 文件夹下。

  • 查看运行结果

    上述例子完成后的结果保存在 HDFS 中,通过下面命令查看结果:

    /usr/local/hadoop/bin/hdfs dfs -cat /user/hadoop/output/*
    •  

    如果运行成功,可以看到如下结果:

    1       dfsadmin
    1       dfs.replication
    1       dfs.namenode.name.dir
    1       dfs.datanode.data.dir
    •  
  • 删除 HDFS 上的输出结果

    删除 HDFS 中的结果目录:

    /usr/local/hadoop/bin/hdfs dfs -rm -r /user/hadoop/output
    •  

    运行 Hadoop 程序时,为了防止覆盖结果,程序指定的输出目录不能存在,否则会提示错误,因此在下次运行前需要先删除输出目录。

  • 关闭 Hadoop 进程

    关闭 Hadoop 进程:

    /usr/local/hadoop/sbin/stop-dfs.sh
    •  

    再起启动只需要执行下面命令:

    /usr/local/hadoop/sbin/start-dfs.sh

 

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部