GNU/Linux平台及其风格支持Hadoop.因此,我们必须安装Linux操作系统来设置Hadoop环境.如果你有一个Linux以外的操作系统,你可以在其中安装一个Virtualbox软件,并将Linux安装在Virtualbox中.
在将Hadoop安装到Linux环境之前,我们需要使用 ssh (Secure Shell)设置Linux.按照下面给出的步骤设置Linux环境.
一开始,建议创建一个单独的用户Hadoop将Hadoop文件系统与Unix文件系统隔离开来.按照下面给出的步骤创建用户 :
使用命令"su"打开root.
使用命令"useradd username"从root帐户创建用户.
现在你可以使用命令"su username"打开现有用户帐户.
打开Linux终端并输入以下命令来创建用户.
$ su password: # useradd hadoop # passwd hadoop New passwd: Retype new passwd
需要SSH设置才能在群集上执行不同的操作,例如启动,停止和分布式守护程序shell操作.要对Hadoop的不同用户进行身份验证,需要为Hadoop用户提供公钥/私钥对,并与不同的用户共享.
以下命令用于生成密钥值对使用SSH.将公钥从id_rsa.pub复制到authorized_keys,并分别为authorized_keys文件提供所有者读写权限.
$ ssh-keygen -t rsa $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys $ chmod 0600 ~/.ssh/authorized_keys
Java是Hadoop的主要先决条件.首先,您应该使用命令"java -version"验证系统中是否存在java. java version命令的语法如下所示.
$ java -version
如果一切正常,它会给你以下输出.
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)
如果系统中没有安装java,请按照下面给出的安装java的步骤进行操作.
下载java(JDK< ;最新版本> - X64.tar.gz)访问以下链接 www. oracle.com
然后 jdk-7u71-linux-x64.tar.gz 将下载到您的系统中.
通常,您会在Downloads文件夹中找到下载的java文件.使用以下命令验证并解压缩 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
使java可用于所有用户,您必须将其移动到"/usr/local/"位置.打开root,然后输入以下命令.
$ su password: # mv jdk1.7.0_71 /usr/local/ # exit
设置 PATH 和 JAVA_HOME 变量,将以下命令添加到〜/.bashrc 文件中.
export JAVA_HOME=/usr/local/jdk1.7.0_71 export PATH=$PATH:$JAVA_HOME/bin
现在应用所有更改进入当前运行的系统.
$ source~/.bashrc
使用以下命令配置java替代品 :
# 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
现在验证来自终端的java -version命令,如上所述.
使用以下命令从Apache软件基础下载并提取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
下载Hadoop后,您可以在三种支持模式之一中操作Hadoop集群 :
本地/独立模式 : 在系统中下载Hadoop后,默认情况下,它以独立模式配置,可以作为单个java进程运行.
Pseudo Distributed模式 : 它是单机上的分布式仿真.每个Hadoop守护程序(如hdfs,yarn,MapReduce等)都将作为单独的java进程运行.此模式对于开发非常有用.
完全分布式模式 : 此模式完全分布,最少两台或多台计算机作为群集.我们将在接下来的章节中详细介绍这种模式.
这里我们将讨论以独立模式安装 Hadoop 2.4.1 .
没有守护进程在运行,所有内容都在一个JVM中运行.独立模式适合在开发期间运行MapReduce程序,因为它易于测试和调试.
您可以设置Hadoop环境变量通过将以下命令附加到〜/.bashrc 文件.
export HADOOP_HOME =/usr/local/hadoop
在继续进行之前,您需要确保Hadoop工作正常.只需发出以下命令 :
$hadoop version
如果你的设置一切正常,那么你应该看到以下结果 :
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
这意味着您的Hadoop独立模式设置正常.默认情况下,Hadoop配置为在单个计算机上以非分布式模式运行.
让我们来看一个简单的Hadoop示例. Hadoop安装提供了以下示例MapReduce jar文件,该文件提供MapReduce的基本功能,可用于计算,如Pi值,给定文件列表中的字数等等.
$ HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar
让我们有一个输入目录,我们将推送一些文件,我们的要求是计算这些文件中的单词总数.要计算单词总数,我们不需要编写MapReduce,只要.jar文件包含单词计数的实现.您可以使用相同的.jar文件尝试其他示例;只需发出以下命令,通过hadoop-mapreduce-examples-2.2.0.jar文件检查支持的MapReduce功能程序.
$ hadoop jar $ HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar
创建临时输入目录中的内容文件.您可以在任何想要工作的地方创建此输入目录.
$ mkdir input $ cp $HADOOP_HOME/*.txt input $ ls -l input
它将在输入目录中提供以下文件 :
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
这些文件已从Hadoop安装主目录复制.对于您的实验,您可以拥有不同的大型文件集.
让我们启动Hadoop流程来计算单词总数在输入目录中的所有可用文件中,如下所示 :
$ hadoop jar $ HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples -2.2.0.jar wordcount输入输出
步骤2将执行所需的处理并保存输出/part-r00000文件中的输出,您可以使用 :
$ cat output/*
它将列出输入目录中所有可用文件中的所有单词及其总计数.
"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 .............
按照以下步骤安装Hadoop 2.4 .1在伪分布式模式下.
您可以通过将以下命令附加到〜/.bashrc 文件来设置Hadoop环境变量.
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
现在将所有更改应用到当前正在运行的系统中.
$ source~/.bashrc
您可以在"$ HADOOP_HOME/etc/hadoop"位置找到所有Hadoop配置文件.需要根据您的Hadoop基础架构对这些配置文件进行更改.
$ cd $ HADOOP_HOME/etc/hadoop
为了在java中开发Hadoop程序,你必须通过替换 JAVA_HOME来重置 hadoop-env.sh 文件中的java环境变量系统中java的位置值.
export JAVA_HOME =/usr/local/jdk1.7.0_71
以下是您必须编辑以配置Hadoop的文件列表.
core-site.xml
core-site.xml 文件包含的信息例如用于Hadoop实例的端口号,为文件系统分配的内存,用于存储数据的内存限制以及读/写缓冲区的大小.
打开core-site.xml并在< configuration>,</configuration>之间添加以下属性标签.
<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统的复制数据,namenode路径和datanode路径的值等信息.它表示您希望存储Hadoop基础结构的位置.
让我们假设以下数据.
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
打开此文件,并在< configuration>之间添加以下属性: </结构>此文件中的标签.
<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 : 在上面的文件中,所有属性值都是用户定义的,您可以根据您的Hadoop基础结构进行更改.
yarn-site.xml
此文件用于将纱线配置为Hadoop.打开yarn-site.xml文件,并在< configuration>,</configuration>之间添加以下属性.此文件中的标签.
<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration>
mapred-site.xml
此文件用于指定哪个MapReduce框架我们正在使用.默认情况下,Hadoop包含yarn-site.xml的模板.首先,需要使用以下命令将文件从 mapred-site.xml.template 复制到 mapred-site.xml 文件.
$ cp mapred-site.xml.template mapred-site.xml
打开 mapred-site.xml 文件,并在此文件中的< configuration>,</configuration>标记之间添加以下属性.
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>
以下步骤用于验证Hadoop的安装.
使用命令"hdfs namenode -format"设置namenode,如下所示.
$ cd~ $ hdfs namenode -format
预期结果如下.
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 ************************************************************/
以下命令用于启动dfs.执行此命令将启动您的Hadoop文件系统.
$ start-dfs.sh
预期输出如下 :
10/24/14 21:37:56 起始名称节点在[localhost] localhost:起始namenode,登录到/home/hadoop/hadoop 2.4.1/logs/hadoop-hadoop-namenode-localhost.out localhost:启动datanode,logging to/home/hadoop/hadoop 2.4.1/logs/hadoop-hadoop-datanode-localhost.out 起始辅助名称节点[0.0.0.0]
以下命令用于启动纱线脚本.执行此命令将启动您的纱线守护进程.
$ start-yarn.sh
预期输出如下 :
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]
访问Hadoop的默认端口号是50070.使用以下URL在浏览器上获取Hadoop服务.
http://localhost:50070/
访问群集的所有应用程序的默认端口号是8088.使用以下URL访问此服务.
http://localhost:8088/