搭建Hadoop伪分布式环境

  • 软硬件环境 CentOS 7.4 64位 OpenJDK- 1.8 Hadoop- 2.7

安装SSH客户端

安装SSH: sudo yum install opensh-clients openssh-server 安装完成后,可以使用下面命令进行测试: ssh localhost

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 安装完成后,输入 javajavac 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 保存文件后执行下面命令使 JAVA_HOME 环境变量生效: source ~/.bashrc 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

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。

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: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 http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.7.6/hadoop-2.7.6.tar.gz
  • 安装Hadoop 将 hadoop 安装到 /usr/local 目录下: tar -zxf hadoop-2.7.6.tar.gz -C /usr/local 对安装的目录进行重命名,便于后续操作方便:
cd /usr/local
mv ./hadoop-2.7.6/ ./hadoop

检查Hadoop是否已经正确安装: /usr/local/hadoop/bin/hadoop version 如果成功输出hadoop的版本信息,表明hadoop已经成功安装。

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

使Hadoop环境变量配置生效: source ~/.bashrc

  • **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

编辑 core-site.xml,修改 <configuration></configuration>节点的内容为如下所示:

<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>

同理,编辑 hdfs-site.xml,修改 <configuration></configuration>节点的内容为如下所示:

<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>
  • 格式化 NameNode 格式化NameNode: /usr/local/hadoop/bin/hdfs namenode -format 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
  • 启动 NameNode 和 DataNode 守护进程 启动 NameNode 和 DataNode 进程: 关于如何启动 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: jps 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

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-2.7.6.jar
  • 在 HDFS 中创建用户目录 在log4j日志中去除告警信息。 在//usr/local/hadoop/etc/hadoop/log4j.properties文件中添加 log4j.logger.org.apache.hadoop.util.NativeCodeLoader=ERROR 在 HDFS 中创建用户目录 hadoop: /usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop
  • 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

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

  • 运行实验
cd /usr/local/hadoop
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.6.jar grep /user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'

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/* 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
  • 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 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 再起启动只需要执行下面命令: /usr/local/hadoop/sbin/start-dfs.sh

部署完成

转自 腾讯云开发者实验室

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Hadoop实操

Impala动态资源池及放置规则使用

Fayson在前面的文章介绍了《如何启用Impala的动态资源池》。管理员可以通过Impala的动态资源池、放置规则及ACL控制不同的用户对Impala资源使用...

3594
来自专栏岑玉海

Spark硬件配置推荐

1、存储系统   如果可以的话,把Spark的hadoop的节点安装在一起,最容易的方式是用standalone的模式安装,用mapred.child.java...

3707
来自专栏Hadoop实操

如何卸载CDH(附一键卸载github源码)

本文档将介绍Cloudera Manager与CDH的卸载,并基于CDH使用parcels安装且未配置安全(AD/LDAP, Kerberos, Data En...

5386
来自专栏赵俊的Java专栏

Hadoop 伪分布式环境搭建

1532
来自专栏行者悟空

Hadoop 2.x 伪分布式环境搭建

1212
来自专栏L宝宝聊IT

案例:HDFS分布式文件系统

2035
来自专栏Hadoop实操

如何在不重启Yarn服务的情况下启用DEBUG日志记录

为了解决Yarn问题,需要为不同的服务启用调试。但是,在生产集群中,可能无法立即重启Yarn服务。本篇文章Fayson主要介绍如何在不重启Yarn服务的情况下为...

1505
来自专栏Hadoop实操

如何启用Impala的动态资源池

在Cloudera Manager中动态资源池分为Yarn的动态资源池和Impala的动态资源池两种。Fayson在前面有多篇文章介绍了Yarn动态资源池的使用...

5074
来自专栏性能与架构

Hadoop如何使用Zookeeper来保障高可用?

问题描述 Hadoop 中有一个分布式调度框架 YARN,是很基础的重要框架,用来支持多种计算模型和进行资源调度。 先看下 YARN 的架构图 ? 不需要了解这...

3756
来自专栏Hadoop实操

如何在CDSW上调试失败或卡住的Spark应用

默认情况下,CDSW会话中的Spark应用程序只显示ERROR级别的日志,当作业出现异常或卡住时无法查看作业运行详细日志及异常堆栈信息,不能根据日志的上下文正确...

1463

扫码关注云+社区

领取腾讯云代金券