你的位置:首页 > 数据库

[数据库]从零单排Hadoop——1.搭建Hadoop开发环境


 

Hadoop环境准备:ubuntu 12.05、Hadoop 2.4

一.安装ssh

由于hadoop可以配置为集群运行,因此系统需要安装ssh工具保证集群中各节点可以互相访问。

获取ssh软件:

sudo apt-get install openssh-server

安装完成后,启动服务:

sudo /etc/init.d/ssh start

查看服务是否正确启动:

ps -e | grep ssh

设置免密码登录,生成私钥和公钥:

ssh-keygen -t rsa -P ""

此时会在/home/hadoop/.ssh下生成两个文件:id_rsa和id_rsa.pub,前者为私钥,后者为公钥。

将公钥追加到authorized_keys中,它用户保存所有允许以当前用户身份登录到ssh客户端用户的公钥内容。

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

登录ssh,测试是否配置成功:

ssh localhost

退出

exit

 

二.安装配置java环境

获取jdk安装包:

sudo apt-get install openjdk-7-jdk

查看安装结果,输入命令:java -version,结果如下表示安装成功。

 

 

三.安装hadoop

1、官网下载http://mirror.bit.edu.cn/apache/hadoop/common/

2、安装

解压

sudo tar xzf hadoop-2.4.0.tar.gz       

假如我们要把hadoop安装到/usr/local下,拷贝到/usr/local/下,文件夹为hadoop

sudo mv hadoop-2.4.0 /usr/local/hadoop

赋予用户对该文件夹的读写权限

sudo chmod 774 /usr/local/hadoop

3、配置

1)配置~/.bashrc

配置该文件前需要知道Java的安装路径,用来设置JAVA_HOME环境变量,可以使用下面命令行查看安装路径

update-alternatives --config java

执行结果如下:

完整的路径为/usr/lib/jvm/java-7-openjdk-amd64/jre/bin/java,只取前面的部分 /usr/lib/jvm/java-7-openjdk-amd64配置.bashrc文件

sudo gedit ~/.bashrc

该命令会打开该文件的编辑窗口,在文件末尾追加下面内容,然后保存,关闭编辑窗口。

#HADOOP VARIABLES START

export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64

export HADOOP_INSTALL=/usr/local/hadoop

export PATH=$PATH:$HADOOP_INSTALL/bin

export PATH=$PATH:$HADOOP_INSTALL/sbin

export HADOOP_MAPRED_HOME=$HADOOP_INSTALL

export HADOOP_COMMON_HOME=$HADOOP_INSTALL

export HADOOP_HDFS_HOME=$HADOOP_INSTALL

export YARN_HOME=$HADOOP_INSTALL

export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_INSTALL/lib/native

export HADOOP_OPTS="-Djava.library.path=$HADOOP_INSTALL/lib"

#HADOOP VARIABLES END

最终结果如下:

执行下面命,使添加的环境变量生效:

source ~/.bashrc

2)编辑/usr/local/hadoop/etc/hadoop/hadoop-env.sh 执行下面命令,打开该文件的编辑窗口

sudo gedit /usr/local/hadoop/etc/hadoop/hadoop-env.sh

找到JAVA_HOME变量,修改此变量如下

export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64   

修改后的hadoop-env.sh文件如下所示:

 

四.测试

单机模式安装完成,下面通过执行hadoop自带实例WordCount验证是否安装成功,/usr/local/hadoop路径下创建input文件夹    

mkdir input

拷贝README.txt到input    

cp README.txt input

执行WordCount

bin/hadoop jar share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.4.0-sources.jar org.apache.hadoop.examples.WordCount input output

执行结果

执行 cat output/*,查看字符统计结果

 

五.hadoop组件相关配置

1)配置core-site.

/usr/local/hadoop/etc/hadoop/core-site.

sudo gedit /usr/local/hadoop/etc/hadoop/core-site.

在该文件的<configuration></configuration>之间增加如下内容:

<property>

    <name>fs.default.name</name>

    <value>hdfs://localhost:9000</value>

</property>

保存、关闭编辑窗口,最终修改后的文件内容如下:

2)配置yarn-site.

/usr/local/hadoop/etc/hadoop/yarn-site.

sudo gedit yarn-site.

在该文件的<configuration></configuration>之间增加如下内容:

<property>

    <name>yarn.nodemanager.aux-services</name>

    <value>mapreduce_shuffle</value>

</property>

<property>

    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>

    <value>org.apache.hadoop.mapred.ShuffleHandler</value>

</property>

保存、关闭编辑窗口,最终修改后的文件内容如下:

3)创建和配置mapred-site.

默认情况下,/usr/local/hadoop/etc/hadoop/文件夹下有mapred.

cp mapred-site.

编辑器打开此新建文件

sudo gedit mapred-site.

在该文件的<configuration></configuration>之间增加如下内容:

<property>

    <name>mapreduce.framework.name</name>

    <value>yarn</value>

</property>

保存、关闭编辑窗口,最终修改后的文件内容如下

4)配置hdfs-site.

/usr/local/hadoop/etc/hadoop/hdfs-site.

也可以在别的路径下创建上图的文件夹,名称也可以与上图不同,但是需要和hdfs-site.

在该文件的<configuration></configuration>之间增加如下内容:

<property>

     <name>dfs.replication</name>

     <value>1</value>

</property>

<property>

      <name>dfs.namenode.name.dir</name>

      <value>file:/usr/local/hadoop/hdfs/name</value>

</property>

<property>

      <name>dfs.datanode.data.dir</name>

      <value>file:/usr/local/hadoop/hdfs/data</value>

</property>

保存、关闭编辑窗口,最终修改后的文件内容如下:   

5)格式化hdfs

hdfs namenode -format   

只需要执行一次即可,如果在hadoop已经使用后再次执行,会清除掉hdfs上的所有数据。

6)启动Hadoop

经过上文所描述配置和操作后,下面就可以启动这个单节点的集群,执行启动命令:

sbin/start-dfs.sh   

如果有yes /no提示,输入yes,回车即可。接下来,执行:

sbin/start-yarn.sh   

执行完这两个命令后,Hadoop会启动并运行,执行 jps命令,会看到Hadoop相关的进程,如下图:

浏览器打开 http://localhost:50070/,会看到hdfs管理页面

浏览器打开http://localhost:8088,会看到hadoop进程管理页面

 

六、验证

dfs上创建input目录

bin/hadoop fs -mkdir -p input

把hadoop目录下的README.txt拷贝到dfs新建的input里

hadoop fs -copyFromLocal README.txt input

运行WordCount

hadoop jar share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.4.0-sources.jar org.apache.hadoop.examples.WordCount input output

运行完毕后,查看单词统计结果

hadoop fs -cat output/*