Hadoop 环境设置 - 菜鸟教程

环境设置

Hadoop受GNU/Linux平台及其支持。因此，我们必须安装Linux操作系统来设置Hadoop环境。如果您使用的操作系统不是Linux，则可以在其中安装Virtualbox软件，并在Virtualbox中安装Linux。

预安装设置

在将Hadoop安装到Linux环境之前，我们需要使用ssh（安全Shell）设置Linux 。请按照以下给出的步骤来设置Linux环境。

创建一个用户

首先，建议为Hadoop创建一个单独的用户，以将Hadoop文件系统与Unix文件系统隔离。请按照下面给出的步骤创建用户-

使用命令“su”打开root权限。
使用命令“useradd username”从根帐户创建一个用户。
现在，您可以使用命令“su username”打开一个现有的用户帐户。

打开Linux终端，然后键入以下命令来创建用户。


$ su 
   password: 
# useradd hadoop 
# passwd hadoop 
   New passwd: 
   Retype new passwd

SSH设置和密钥生成

需要SSH设置才能在集群上执行不同的操作，例如启动，停止，分布式守护程序shell操作。为了认证Hadoop的不同用户，需要为Hadoop用户提供公钥/私钥对，并与其他用户共享。

以下命令用于使用SSH生成键值对。将公共密钥格式id_rsa.pub复制到authorized_keys，并分别向所有者提供对authorized_keys文件的读取和写入权限。


$ ssh-keygen -t rsa 
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 
$ chmod 0600 ~/.ssh/authorized_keys

安装Java

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版本命令的语法如下。


$ java -version

如果一切正常，它将为您提供以下输出。


openjdk version "1.8.0_262"
OpenJDK Runtime Environment (build 1.8.0_262-b10)
OpenJDK 64-Bit Server VM (build 25.262-b10, mixed mode)

如果您的系统中未安装Java，请按照以下步骤安装Java。

步骤1

通过访问以下链接www.oracle.com下载Java（JDK <最新版本>-X64.tar.gz）。

然后将jdk-8u24-linux-x64.tar.gz下载到您的系统中。

步骤2

通常，您会在Downloads文件夹中找到下载的Java文件。验证它并使用以下命令解压缩jdk-8u24-linux-x64.gz文件。


$ cd Downloads/ 
$ ls 
jdk-8u24-linux-x64.gz 

$ tar zxf jdk-8u24-linux-x64.gz 
$ ls 
jdk1.8.0_262   jdk-8u24-linux-x64.gz

步骤3

要使Java对所有用户可用，您必须将其移动到“/usr/local/”位置。打开root，然后键入以下命令。


$ su 
password: 
# mv jdk1.8.0_262 /usr/local/ 
# exit

步骤4

要设置PATH和JAVA_HOME变量，请将以下命令添加到〜/ .bashrc文件。


export JAVA_HOME=/usr/local/jdk1.8.0_262 
export PATH=$PATH:$JAVA_HOME/bin

现在将所有更改应用于当前正在运行的系统。


$ source ~/.bashrc

现在，如上所述，从终端验证java -version命令。

下载Hadoop

使用以下命令从Apache软件基金会下载并提取Hadoop 2.10.1。


$ su 
password: 
# cd /usr/local 
# wget http://apache.claz.org/hadoop/common/hadoop-2.10.1/hadoop-2.10.1.tar.gz 
# tar xzf hadoop-2.10.1.tar.gz 
# mv hadoop-2.10.1/* to hadoop/ 
# exit

Hadoop操作模式

下载Hadoop之后，您可以以三种支持的模式之一来操作Hadoop集群-

本地/独立模式 - 在系统中下载Hadoop后，默认情况下，将其配置为独立模式，并且可以作为单个Java进程运行。
伪分布式模式 - 这是单机上的分布式仿真。每个Hadoop守护程序（例如hdfs，yarn，MapReduce等）将作为单独的Java进程运行。此模式对开发很有用。
完全分布式模式- 此模式完全分布式，至少有两台或更多计算机作为群集。在接下来的章节中，我们将详细介绍这种模式。

以独立模式安装Hadoop

在这里，我们将讨论以独立模式安装Hadoop 2.10.1。

没有守护程序在运行，所有运行在单个JVM中。独立模式适用于开发期间运行MapReduce程序，因为它易于测试和调试。

设置Hadoop

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

在继续进行之前，您需要确保Hadoop运行正常。只需发出以下命令-


$ hadoop version

如果您的设置一切正常，那么您应该看到以下结果-


Hadoop 2.10.1 
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独立模式设置运行良好。默认情况下，Hadoop配置为在非分布式模式下在一台计算机上运行。

让我们检查一个简单的Hadoop示例。Hadoop安装提供以下示例MapReduce jar文件，该文件提供MapReduce的基本功能，可用于计算，例如Pi值，给定文件列表中的字数等。


$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar

我们有一个输入目录，我们将在其中输入一些文件，而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，只要.jar文件包含单词计数的实现，就无需编写MapReduce。您可以使用相同的.jar文件尝试其他示例；只需发出以下命令即可通过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

步骤1

在输入目录中创建临时内容文件。您可以在任何您想工作的地方创建此输入目录。


$ mkdir input 
$ cp $HADOOP_HOME/*.txt input 
$ ls -l input

它将在您的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。

步骤2

让我们开始Hadoop流程，以计算输入目录中所有可用文件中的单词总数，如下所示-


$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar  wordcount input output

步骤3

步骤2将执行所需的处理并将输出保存在output/part-r00000文件中，您可以使用-


$cat output/*

它将在输入目录中所有可用文件中列出所有单词及其总数。


"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 
.............

以伪分布式模式安装Hadoop

请按照下面给出的步骤以伪分布式模式安装Hadoop 2.10.1。

步骤1-设置Hadoop

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于当前正在运行的系统。


$ source ~/.bashrc

步骤1-Hadoop配置

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基础架构在这些配置文件中进行更改。


$ cd $HADOOP_HOME/etc/hadoop

为了用Java开发Hadoop程序，您必须通过用系统中Java的位置替换JAVA_HOME值来重置hadoop-env.sh文件中的Java环境变量。


export JAVA_HOME=/usr/local/jdk1.8.0_262

以下是配置Hadoop必须编辑的文件列表。

core-site.xml

core-site.xml 文件包含信息，诸如读/写缓冲器的用于Hadoop的实例的端口号，分配给文件系统的存储器，存储器限制，用于存储数据，和大小。

打开core-site.xml，并在<configuration>和</configuration>标记之间添加以下属性。


<configuration>
   <property>
      <name>fs.default.name</name>
      <value>hdfs://localhost:9000</value> 
   </property>
</configuration>

hdfs-site.xml

hdfs-site.xml文件中包含的信息，如复制数据的价值，名称节点的路径，你的本地文件系统的数据节点的路径。这意味着您要存储Hadoop基础架构的位置。

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，然后在此文件的<configuration> 和</configuration>标记之间添加以下属性。


<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–在上面的文件中，所有属性值都是用户定义的，您可以根据Hadoop基础结构进行更改。

yarn-site.xml

该文件用于将yarn配置到Hadoop中。打开yarn-site.xml文件，并在此文件的<configuration> 和</configuration>标记之间添加以下属性。


<configuration>
   <property>
      <name>yarn.nodemanager.aux-services</name>
      <value>mapreduce_shuffle</value> 
   </property>
</configuration>

mapred-site.xml

该文件用于指定我们使用的MapReduce框架。默认情况下，Hadoop包含一个yarn-site.xml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，并在此文件的<configuration> 和</configuration>标记之间添加以下属性。


<configuration>
   <property> 
      <name>mapreduce.framework.name</name>
      <value>yarn</value>
   </property>
</configuration>

验证Hadoop安装

以下步骤用于验证Hadoop安装。

步骤1-名称节点设置

如下所示，使用命令“hdfs namenode -format”设置名称节点。


$ 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 = 2.10.1 
...
...
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 
************************************************************/

步骤2-验证Hadoop DFS

以下命令用于启动dfs。执行此命令将启动Hadoop文件系统。


$ start-dfs.sh

预期的输出如下-


10/24/14 21:37:56 
Starting namenodes on [localhost] 
localhost: starting namenode, logging to /home/hadoop/hadoop
2.10.1/logs/hadoop-hadoop-namenode-localhost.out 
localhost: starting datanode, logging to /home/hadoop/hadoop
2.10.1/logs/hadoop-hadoop-datanode-localhost.out 
Starting secondary namenodes [0.0.0.0]

步骤3-验证纱线脚本

以下命令用于启动yarn脚本。执行此命令将启动yarn守护程序。


$ start-yarn.sh

预期输出如下-


starting yarn daemons 
starting resourcemanager, logging to /home/hadoop/hadoop
2.10.1/logs/yarn-hadoop-resourcemanager-localhost.out 
localhost: starting nodemanager, logging to /home/hadoop/hadoop
2.10.1/logs/yarn-hadoop-nodemanager-localhost.out

步骤4-在浏览器上访问Hadoop

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/

步骤5-验证集群的所有应用程序

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/