Hadoop - 环境搭建

上一页
下一页

Hadoop 支持 GNU/Linux 平台及其衍生版本。因此，必须安装 Linux 操作系统才能设置 Hadoop 环境。如果您使用的操作系统不是 Linux，可以在其中安装 Virtualbox 软件，并在 Virtualbox 中运行 Linux。

安装前设置

在将 Hadoop 安装到 Linux 环境之前，需要使用 **ssh**（安全外壳）设置 Linux。请按照以下步骤设置 Linux 环境。

创建用户

首先，建议为 Hadoop 创建一个单独的用户，以将 Hadoop 文件系统与 Unix 文件系统隔离开。请按照以下步骤创建用户：

  • 使用命令“su”打开 root 权限。

  • 使用命令“useradd 用户名”从 root 帐户创建用户。

  • 现在，您可以使用命令“su 用户名”打开现有的用户帐户。

打开 Linux 终端并键入以下命令以创建用户。

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

SSH 设置和密钥生成

SSH 设置是执行集群上不同操作（例如启动、停止、分布式守护程序 shell 操作）所必需的。为了对 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，并将其与不同的用户共享。

以下命令用于使用 SSH 生成密钥对。将 id_rsa.pub 中的公钥复制到 authorized_keys，并分别向所有者提供 authorized_keys 文件的读写权限。

$ 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所示。

$ java -version

如果一切正常，将显示以下输出。

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)

如果您的系统中未安装 java，请按照以下步骤安装 java。

步骤 1

访问以下链接下载 java（JDK <最新版本> - X64.tar.gz）： www.oracle.com

然后将 **jdk-7u71-linux-x64.tar.gz** 下载到您的系统中。

步骤 2

通常您会在“下载”文件夹中找到下载的 java 文件。验证它并使用以下命令解压 **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

步骤 3

要使所有用户都能使用 java，您必须将其移动到“/usr/local/”位置。打开 root 权限，然后键入以下命令。

$ su 
password: 
# mv jdk1.7.0_71 /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** 文件中。

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

现在将所有更改应用到当前运行的系统中。

$ source ~/.bashrc

步骤 5

使用以下命令配置 java 备选方案：

# 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

现在按照上述说明从终端验证 java -version 命令。

下载 Hadoop

使用以下命令从 Apache 软件基金会下载并解压 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

Hadoop 操作模式

下载 Hadoop 后，您可以以三种受支持的模式之一操作 Hadoop 集群：

  • **本地/独立模式** - 在您的系统中下载 Hadoop 后，默认情况下它以独立模式配置，并且可以作为单个 java 进程运行。

  • **伪分布式模式** - 这是在单台机器上的分布式模拟。每个 Hadoop 守护程序（例如 hdfs、yarn、MapReduce 等）都将作为单独的 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，至少需要两台或多台机器作为集群。我们将在接下来的章节中详细介绍此模式。

在独立模式下安装 Hadoop

这里我们将讨论在独立模式下安装 **Hadoop 2.4.1**。

没有运行的守护程序，所有内容都在单个 JVM 中运行。独立模式适用于在开发过程中运行 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添加到 **~/.bashrc** 文件中来设置 Hadoop 环境变量。

export HADOOP_HOME=/usr/local/hadoop

在继续之前，您需要确保 Hadoop 运行良好。只需发出以下命令：

$ hadoop version

如果您的设置一切正常，则应该看到以下结果：

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 独立模式设置运行良好。默认情况下，Hadoop 配置为在单台机器上以非分布式模式运行。

示例

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，并可用于计算，例如 Pi 值、给定文件列表中的单词计数等。

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

让我们创建一个输入目录，我们将向其中推送一些文件，我们的要求是计算这些文件中的总单词数。为了计算总单词数，我们不需要编写自己的 MapReduce，因为 .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；只需发出以下命令即可检查 hadoop-mapreduce-examples-2.2.0.jar 文件支持的 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。您可以根据需要在任何位置创建此输入目录。

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

这将在您的输入目录中生成以下文件：

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。为了您的实验，您可以拥有不同且更大的文件集。

步骤 2

让我们启动 Hadoop 进程以计算输入目录中所有文件中单词的总数，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 将执行必要的处理并将输出保存在 output/part-r00000 文件中，您可以使用以下命令进行检查：

$cat output/*

它将列出输入目录中所有文件中所有单词及其总数。

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

在伪分布式模式下安装 Hadoop

请按照以下步骤在伪分布式模式下安装 Hadoop 2.4.1。

步骤 1 - 设置 Hadoop

您可以通过将以下命令添加到 **~/.bashrc** 文件中来设置 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运行的系统中。

$ source ~/.bashrc

步骤 2 - 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 基础设施更改这些配置文件。

$ cd $HADOOP_HOME/etc/hadoop

为了使用 java 开发 Hadoop 程序，您必须通过将 **JAVA_HOME** 值替换为您系统中 java 的位置来重置 **hadoop-env.sh** 文件中的 java 环境变量。

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** 文件包含诸如 Hadoop 实例使用的端口号、为文件系统分配的内存、存储数据的内存限制以及读/写缓冲区大小等信息。

打开 core-site.xml 并将以下属性添加到 <configuration>、</configuration> 标记之间。

<configuration>
   <property>
      <name>fs.default.name</name>
      <value>hdfs://127.0.0.1:9000</value> 
   </property>
</configuration>

hdfs-site.xml

**hdfs-site.xml** 文件包含诸如复制数据的值、namenode 路径以及本地文件系统的 datanode 路径等信息。这意味着您要存储 Hadoop 基础设施的位置。

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

打开此文件并将以下属性添加到此文件中的 <configuration> </configuration> 标记之间。

<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** - 在上述文件中，所有属性值都是用户定义的，您可以根据您的 Hadoop 基础设施进行更改。

yarn-site.xml

此文件用于在 Hadoop 中配置 yarn。打开 yarn-site.xml 文件并将以下属性添加到此文件中的 <configuration>、</configuration> 标记之间。

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

mapred-site.xml

此文件用于指定我们正在使用哪个 MapReduce 框架。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** 文件并将以下属性添加到此文件中的 <configuration>、</configuration> 标记之间。

<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 - Name Node 设置

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

步骤 2 - 验证 Hadoop dfs

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 
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]

步骤 3 - 验证 Yarn 脚本

以下命令用于启动 yarn 脚本。执行此命令将启动您的 yarn 守护程序。

$ start-yarn.sh

预期输出如下：

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

步骤 4 - 在浏览器中访问 Hadoop

访问 Hadoop 的默认端口号为 50070。使用以下 url 在浏览器中获取 Hadoop 服务。

https://127.0.0.1:50070/

Accessing Hadoop on Browser

步骤 5 - 验证集群的所有应用程序

访问集群所有应用程序的默认端口号为 8088。使用以下 url 访问此服务。

https://127.0.0.1:8088/

Hadoop Application Cluster
打印页面
上一页
下一页
广告