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 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
    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

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

  • Hadoop分布式集群部署
    一、系统参数配置优化 1、系统内核参数优化配置 修改文件/etc/sysctl.conf，添加如下配置，然后执行s...
    张伟科阅读 3,910评论 0赞 14
  • Hadoop安装教程_单机/伪分布式配置
    最近在实践中感觉Hadoop避无可避，而安装往往就体验一把从入门到放弃。尽管环境搭建现在越来越简单，但是还是有很多...
    羽恒阅读 12,016评论 0赞 1
  • CentOS6.5 下搭建 Hadoop2.7.2 单机伪分布式环境
    设置固定IP地址及网关 设置IP 设置网关 设置DNS 重启网卡 测试网络 设置主机名对应IP地址 添加Hadoo...
    isgiker阅读 1,954评论 0赞 1
  • 阳光与八与十八与八十
    八 像一只顽皮的小兽 他孜孜不倦 追赶着自己的影子 一脚脚地踩在它身上 也一步步 把童真赶走 十八 是一朵含苞的...
    风相雨阅读 247评论 3赞 11
  • 等待人生
    创业和中彩票都是那么的困难。上班才是每一天的必修课。大部分人的一生都是残酷而短暂的。可能有少数人想闲却闲不下...
    纯野睡神阅读 205评论 0赞 0

友情链接更多精彩内容