|
实验内容
Hadoop 是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。本实验带您在单机环境下搭建 Hadoop 伪分布式系统。
免费在线实验地址:点击进入
实验资源:云服务器,没有云服务器的朋友推荐1折抢购:69元/年的阿里云服务器、或者99元/年的腾讯云服务器
软件环境:CentOS 7.2 64 位
一、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。
二、安装 SSH 客户端
安装SSH
安装SSH:
- sudo yum install openssh-clients openssh-server
复制代码 安装完成后,可以使用下面命令进行测试: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。
三、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
复制代码 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
复制代码 保存文件后执行下面命令使 JAVA_HOME 环境变量生效:
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
- $JAVA_HOME/bin/java -version
复制代码 若两条命令输出的结果一致,且都为我们前面安装的 openjdk-1.8.0 的版本,则表明 JDK 环境已经正确安装并配置。
四、安装 Hadoop
下载 Hadoop
本教程使用 hadoop-2.7 版本,使用 wget 工具在线下载(注:本教程是从清华大学的镜像源下载,如果下载失败或报错,可以自己在网上找到国内其他一个镜像源下载 2.7 版本的 hadoop 即可):
- wget https://archive.apache.org/dist/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz
复制代码 安装 Hadoop
将 Hadoop 安装到 /usr/local 目录下:
- tar -zxf hadoop-2.7.4.tar.gz -C /usr/local
复制代码 对安装的目录进行重命名,便于后续操作方便:
- cd /usr/local
- mv ./hadoop-2.7.4/ ./hadoop
复制代码 检查Hadoop是否已经正确安装:- /usr/local/hadoop/bin/hadoop version
复制代码 如果成功输出hadoop的版本信息,表明hadoop已经成功安装。
五、Hadoop 伪分布式环境配置
Hadoop伪分布式模式使用多个守护线程模拟分布的伪分布运行模式。
设置 Hadoop 的环境变量
编辑 ~/.bashrc,在结尾追加如下内容:
- export HADOOP_HOME=/usr/local/hadoop
- export HADOOP_INSTALL=$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
复制代码 使Hadoop环境变量配置生效:
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
复制代码 编辑 core-site.xml,修改<configuration></configuration>节点的内容为如下所示:
示例代码:/usr/local/hadoop/etc/hadoop/core-site.xml
- <configuration>
- <property>
- <name>hadoop.tmp.dir</name>
- <value>file:/usr/local/hadoop/tmp</value>
- <description>location to store temporary files</description>
- </property>
- <property>
- <name>fs.defaultFS</name>
- <value>hdfs://localhost:9000</value>
- </property>
- </configuration>
复制代码 同理,编辑 hdfs-site.xml,修改<configuration></configuration>节点的内容为如下所示:
示例代码:/usr/local/hadoop/etc/hadoop/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>
复制代码 格式化 NameNode
格式化NameNode:
- /usr/local/hadoop/bin/hdfs namenode -format
复制代码 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
复制代码
启动 NameNode 和 DataNode 守护进程
启动 NameNode 和 DataNode 进程:
- /usr/local/hadoop/sbin/start-dfs.sh
复制代码 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:
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
复制代码
六、运行 Hadoop 伪分布式实例
Hadoop自带了丰富的例子,包括 wordcount、grep、sort 等。下面我们将以grep例子为教程,输入一批文件,从中筛选出符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数。
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
复制代码 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
复制代码 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
复制代码 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
复制代码 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.]+'
复制代码 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/*
复制代码 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
复制代码 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
复制代码 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
复制代码 再起启动只需要执行下面命令:- /usr/local/hadoop/sbin/start-dfs.sh
复制代码
七、部署完成
大功告成
恭喜您已经完成了搭建 Hadoop 伪分布式环境的学习
|
|