位置：首頁 > 大數據教學 > Hadoop教學 > Hadoop環境安裝設置

Hadoop環境安裝設置

 上一篇 下一篇  

Hadoop由GNU/Linux平台支持(建議)。因此，需要安裝一個Linux操作係統並設置Hadoop環境。如果有Linux操作係統等，可以把它安裝在VirtualBox(要具備在 VirtualBox內安裝Linux經驗，冇有裝過也可以學習試著來)。

安裝前設置

在安裝Hadoop之前，需要進入Linux環境下，連接Linux使用SSH(安全Shell)。按照下麵提供的步驟設立Linux環境。

創建一個用

在開始時，建議創建一個單獨的用戶Hadoop以從Unix文件係統隔離Hadoop文件係統。按照下麵給出的步驟來創建用戶：

  • 使用 “su” 命令開啟root .
  • 創建用戶從root帳戶使用命令 “useradd username”.
  • 現在，可以使用命令打開一個現有的用戶帳戶“su username”.

打開Linux終端，輸入以下命令來創建一個用戶。

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

SSH設置和密鑰生成

SSH設置需要在集群上做不同的操作，如啟動，停止，分布式守護shell操作。認證不同的Hadoop用戶，需要一種用於Hadoop用戶提供的公鑰/私鑰對，並用不同的用戶共享。

下麵的命令用於生成使用SSH鍵值對。複製公鑰形成 id_rsa.pub 到authorized_keys 文件中，並提供擁有者具有authorized_keys文件的讀寫權限。

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

安裝Java

Java是Hadoop的主要先決條件。首先，應該使用命令“java-version”驗證 java 存在在係統中。 Java version 命令的語法如下。

$ java -version

如果一切順利，它會給下麵的輸出。

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Java還未安裝在係統中，那麼按照下麵的給出的步驟來安裝Java。

第1步

下載Java(JDK<最新版> - X64.tar.gz)通過訪問以下鏈接 http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html.

然後JDK-7u71-linux-x64.tar.gz將被下載到係統。

第2步

一般來說，在下載文件夾中的Java文件。使用下麵的命令提取 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

第3步

為了使Java提供給所有用戶，將它移動到目錄 “/usr/local/”。打開根目錄，鍵入以下命令。

$ su 
password: 
# mv jdk1.7.0_71 /usr/local/ 
# exit

第4步

用於設置PATH和JAVA_HOME變量，添加以下命令到~/.bashrc文件。

export JAVA_HOME=/usr/local/jdk1.7.0_71 
export PATH=PATH:$JAVA_HOME/bin

現在從終端驗證 java -version 命令如上述說明。

下載Hadoop

下載來自Apache基金會軟件，使用下麵的命令提取 Hadoop2.4.1。

$ 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

Hadoop操作模式

下載 Hadoop 以後，可以操作Hadoop集群以以下三個支持模式之一：

  • 本地/獨立模式：下載Hadoop在係統中，默認情況下之後，它會被配置在一個獨立的模式，用於運行Java程序。

  • 模擬分布式模式：這是在單台機器的分布式模擬。Hadoop守護每個進程，如 hdfs, yarn, MapReduce 等，都將作為一個獨立的java程序運行。這種模式對開發非常有用。

  • 完全分布式模式：這種模式是完全分布式的最小兩台或多台計算機的集群。我們使用這種模式在未來的章節中。

在單機模式下安裝Hadoop

在這裡，將討論 Hadoop2.4.1在獨立模式下安裝。

有單個JVM運行任何守護進程一切都運行。獨立模式適合於開發期間運行MapReduce程序，因為它很容易進行測試和調試。

設置Hadoop

可以通過附加下麵的命令到 ~/.bashrc 文件中設置 Hadoop 環境變量。

export HADOOP_HOME=/usr/local/hadoop

在進一步討論之前，需要確保Hadoop工作正常。發出以下命令：

$ hadoop version

如果設置的一切正常，那麼應該看到以下結果：

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

這意味著Hadoop在獨立模式下工作正常。默認情況下，Hadoop被配置為在非分布式模式的單個機器上運行。

示例

讓我們來看看Hadoop的一個簡單例子。 Hadoop安裝提供了下列示例 MapReduce jar 文件，它提供了MapReduce的基本功能，並且可以用於計算，像PI值，字計數在文件等等

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

有一個輸入目錄將推送幾個文件，要求計算那些文件的單詞總數。要計算單詞總數，並不需要寫MapReduce，提供的.jar文件包含了實現字數。可以嘗試其他的例子使用相同的.jar文件; 發出以下命令通過Hadoop hadoop-mapreduce-examples-2.2.0.jar 文件檢查支持MapReduce功能的程序。

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

第1步

創建輸入臨時目錄的內容文件。可以在任何地方創建此輸入目錄用來工作。

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

它會在輸入目錄中的給出以下文件：

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

這些文件已從Hadoop安裝主目錄被複製。為了實驗，可以有不同大型的文件集。

第1步

讓我們啟動Hadoop進程計數在所有在輸入目錄中可用的文件的單詞總數，具體如下：

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

第3步

步驟2 將做必要的處理並保存輸出在output/part-r00000文件中，可以通過查詢使用：

$cat output/*

它會列出了所有的單詞以及它們在所有輸入目錄中的文件提供總計數。

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

模擬分布式模式安裝Hadoop

按照下麵給出的在偽分布式模式下安裝Hadoop2.4.1的步驟。

第1步：設置Hadoop

可以通過附加下麵的命令到~/.bashrc文件中設置Hadoop環境變量。

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

現在，提交所有更改到當前正在運行的係統。

$ source ~/.bashrc

第2步：Hadoop配置

可以找到位置“$HADOOP_HOME/etc/hadoop”下找到所有Hadoop配置文件。這是需要根據Hadoop基礎架構進行更改這些配置文件。

$ cd $HADOOP_HOME/etc/hadoop

為了使用Java開發Hadoop程序，必須用java在係統中的位置替換JAVA_HOME值並重新設置hadoop-env.sh文件的java環境變量。

export JAVA_HOME=/usr/local/jdk1.7.0_71

以下是必須編輯配置Hadoop的文件列表。

core-site.xml

core-site.xml文件中包含如讀/寫緩衝器用於Hadoop的實例的端口號的信息，分配給文件係統存儲，用於存儲所述數據存儲器的限製和大小。

打開core-site.xml 並在<configuration>，</configuration>標記之間添加以下屬性。

<configuration>

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

hdfs-site.xml

hdfs-site.xml 文件中包含如複製數據的值，NameNode路徑的信息，，本地文件係統的數據節點的路徑。這意味著是存儲Hadoop基礎工具的地方。

讓我們假設以下數據。

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

打開這個文件，並在這個文件中的<configuration></configuration>標簽之間添加以下屬性。

<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：在上麵的文件，所有的屬性值是用戶定義的，可以根據自己的Hadoop基礎架構進行更改。

yarn-site.xml

此文件用於配置成yarn在Hadoop中。打開 yarn-site.xml文件，並在文件中的<configuration></configuration>標簽之間添加以下屬性。

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

mapred-site.xml

此文件用於指定正在使用MapReduce框架。缺省情況下，包含Hadoop的模板yarn-site.xml。首先，它需要從mapred-site.xml複製。獲得mapred-site.xml模板文件使用以下命令。

$ cp mapred-site.xml.template mapred-site.xml

打開mapred-site.xml文件，並在此文件中的<configuration></configuration>標簽之間添加以下屬性。

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

驗證Hadoop安裝

下麵的步驟用來驗證Hadoop安裝。

第1步：名稱節點設置

使用命令“hdfs namenode -format”如下設置名稱節點。

$ cd ~ 
$ hdfs namenode -format

預期的結果如下

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 
************************************************************/

第2步：驗證Hadoop的DFS

下麵的命令用來啟動DFS。執行這個命令將啟動Hadoop文件係統。

$ start-dfs.sh

期望的輸出如下所示：

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]

第3步：驗證Yarn 腳本

下麵的命令用來啟動yarn腳本。執行此命令將啟動yarn守護進程。

$ start-yarn.sh

預期輸出如下：

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

第4步：在瀏覽器訪問Hadoop

訪問Hadoop默認端口號為50070，使用以下網址獲得瀏覽器Hadoop的服務。

http://localhost:50070/
Accessing Hadoop on Browser

第5步：驗證所有應用程序的集群

訪問集群中的所有應用程序的默認端口號為8088。使用以下URL訪問該服務。

http://localhost:8088/
Hadoop Application Cluster
 


 上一篇 下一篇  
極客書 © 2015-2020 . Email: