搭建 Hadoop 伪分布式环境

腾讯云
基础
0 个任务
剩余 0 个名额

你还可以 创建 或者 使用已有 云主机不限时上机

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。

首次可免费使用云主机 1 小时 ,到期后云主机将被重置并退库,若想保留成果请及时留用。

实验资源

云服务器

软件环境

CentOS 7.2 64 位

目录

# 搭建 Hadoop 伪分布式环境 ## 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。 ## 安装 SSH 客户端 > <time>1min ~ 5min</time> ### 安装SSH 安装SSH: ``` sudo yum install openssh-clients openssh-server ``` 安装完成后,可以使用下面命令进行测试: ``` ssh localhost ``` 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。 > <checker type="output-contains" command="rpm -qa" hint="请先安装SSH"> > <keyword regex="ssh" /> > </checker> ## 安装 JAVA 环境 > <time>5min ~ 10min</time> ### 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 `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。 > <checker type="output-contains" command="rpm -qa" hint="请先安装JDK"> > <keyword regex="jdk" /> > </checker> ### 配置 JAVA 环境变量 执行命令: [编辑 ~/.bashrc][edit-bashrc],在结尾追加: > <locate for="edit-bashrc" path="/root/.bashrc" hint="双击编辑 .bashrc"></locate> ``` 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 $JAVA_HOME/bin/java -version ``` 若两条命令输出的结果一致,且都为我们前面安装的 openjdk-1.8.0 的版本,则表明 JDK 环境已经正确安装并配置。 > <checker type="output-contains" command="cat ~/.bashrc" hint="请先配置JAVA环境变量"> > <keyword regex="JAVA_HOME" /> > </checker> ## 安装 Hadoop > <time>10min ~ 15min</time> ### 下载 Hadoop 本教程使用 hadoop-2.7 版本,使用 wget 工具在线下载(注:本教程是从清华大学的镜像源下载,如果下载失败或报错,可以自己在网上找到国内其他一个镜像源下载 2.7 版本的 hadoop 即可): ``` wget https://archive.apache.org/dist/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz ``` ### 安装 Hadoop 将 Hadoop 安装到 /usr/local 目录下: ``` tar -zxf hadoop-2.7.4.tar.gz -C /usr/local ``` 对安装的目录进行重命名,便于后续操作方便: ``` cd /usr/local mv ./hadoop-2.7.4/ ./hadoop ``` 检查Hadoop是否已经正确安装: ``` /usr/local/hadoop/bin/hadoop version ``` 如果成功输出hadoop的版本信息,表明hadoop已经成功安装。 > <checker type="output-contains" command="ls -la /usr/local" hint="请先安装Hadoop"> > <keyword regex="hadoop" /> > </checker> ## Hadoop 伪分布式环境配置 > <time>15min ~ 30min</time> Hadoop伪分布式模式使用多个守护线程模拟分布的伪分布运行模式。 ### 设置 Hadoop 的环境变量 [编辑 ~/.bashrc][edit-bashrc-2],在结尾追加如下内容: > <locate for="edit-bashrc-2" path="/root/.bashrc" hint="双击编辑 .bashrc"></locate> ``` export HADOOP_HOME=/usr/local/hadoop export HADOOP_INSTALL=$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 ``` > <checker type="output-contains" command="cat ~/.bashrc" hint="请先配置Hadoop环境变量"> > <keyword regex="HADOOP_HOME" /> > </checker> ### 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][edit-core-site],修改`<configuration></configuration>`节点的内容为如下所示: > <locate for="edit-core-site" path="/usr/local/hadoop/etc/hadoop/core-site.xml" hint="双击编辑 core-site.xml"></locate> ``` /// <example verb="create" file="/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> ``` 同理,[编辑 hdfs-site.xml][edit-hdfs-site],修改`<configuration></configuration>`节点的内容为如下所示: > <locate for="edit-hdfs-site" path="/usr/local/hadoop/etc/hadoop/hdfs-site.xml" hint="双击编辑 hdfs-site.xml"></locate> ``` /// <example verb="create" file="/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> ``` > <checker type="output-contains" command="cat /usr/local/hadoop/etc/hadoop/core-site.xml" hint="请先配置core-site.xml文件"> > <keyword regex="hadoop.tmp.dir" /> > </checker> > <checker type="output-contains" command="cat /usr/local/hadoop/etc/hadoop/hdfs-site.xml" hint="请先配置hdfs-site.xml文件"> > <keyword regex="dfs.namenode.name.dir" /> > </checker> ### 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: ``` /usr/local/hadoop/sbin/start-dfs.sh ``` 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 ``` > <checker type="output-contains" command="jps" hint="请先启动NameNode和DataNode进程"> > <keyword regex="NameNode" /> > </checker> ## 运行 Hadoop 伪分布式实例 > <time>10min ~ 20min</time> 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 ``` ### 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 ``` ### 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 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.]+' ``` 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 ### 大功告成 恭喜您已经完成了搭建 Hadoop 伪分布式环境的学习,您可以留用或者[购买 Linux 版本的 CVM][https://buy.qcloud.com/?fromSource=lab] 继续学习。