Hadoop由GNU / Linux平臺及其版本支持。因此,我們必須安裝一個Linux操作系統來設置Hadoop環境。如果您有除Linux以外的操作系統,您可以在其中安裝Virtualbox軟件,並在Virtualbox內部安裝Linux。
安裝前設置
在將Hadoop安裝到Linux環境之前,我們需要使用ssh(Secure Shell)來設置Linux。按照以下步驟設置Linux環境。
創建用戶
在開始時,建議爲Hadoop創建一個單獨的用戶,以便將Hadoop文件系統與Unix文件系統隔離。按照以下步驟創建用戶:
使用命令“su”打開根。
使用命令“useradd username”從root帳戶創建用戶。
現在您可以使用命令“su username”打開現有的用戶帳戶。
打開Linux終端並鍵入以下命令以創建用戶。
$ su
password:
# useradd hadoop
# passwd hadoop
New passwd:
Retype new passwd
SSH設置和密鑰生成
需要SSH設置在集羣上執行不同的操作,如啓動,停止,分佈式守護程序shell操作。要對Hadoop的不同用戶進行身份驗證,需要爲Hadoop用戶提供公鑰/私鑰對,並與不同的用戶共享。
以下命令用於使用SSH生成鍵值對。將公共密鑰表單id_rsa.pub複製到authorized_keys,並分別向擁有者授予authorized_keys文件的讀取和寫入權限。
$ ssh-keygen -t rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ chmod 0600 ~/.ssh/authorized_keys
安裝Java
Java是Hadoop的主要先決條件。首先,您應該使用命令“java -version”驗證系統中是否存在java。java版本命令的語法如下。
$ java -version
如果一切正常,它會給你以下輸出。
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)
如果系統中沒有安裝java,請按照以下步驟安裝java。
第1步
通過訪問以下鏈接http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html下載java(JDK <latest version> - X64.tar.gz)。
然後jdk-7u71-linux-x64.tar.gz將下載到您的系統。
第2步
通常你會在下載文件夾中找到下載的java文件。使用以下命令驗證它並解壓縮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
第3步
要使java可用於所有用戶,您必須將其移動到位置“/ usr / local /”。打開root,然後鍵入以下命令。
$ su
password:
# mv jdk1.7.0_71 /usr/local/
# exit
第4步
要設置PATH和JAVA_HOME變量,請將以下命令添加到〜/ .bashrc文件。
export JAVA_HOME=/usr/local/jdk1.7.0_71
export PATH=$PATH:$JAVA_HOME/bin
現在將所有更改應用到當前運行的系統。
$ source ~/.bashrc
第5步
現在將所有更改應用到當前運行的系統。
# 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
現在如上所述從終端驗證java -version命令。
下載Hadoop
使用以下命令從Apache Software Foundation下載並提取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
一旦下載了Hadoop,您就可以使用以下三種支持模式之一來操作Hadoop集羣:
本地/獨立模式 :在系統中下載Hadoop之後,默認情況下,它以獨立模式配置,並且可以作爲單個Java進程運行。
僞分佈式模式 :它是單機上的分佈式仿真。每個Hadoop守護進程(如hdfs,yarn,MapReduce等)都將作爲單獨的java進程運行。此模式對開發有用。
完全分佈式的模式 :此模式是完全分佈式的,至少有兩臺或多臺機器作爲集羣。我們將在接下來的章節中詳細討論這種模式。
在獨立模式下安裝Hadoop
這裏我們將討論Hadoop 2.4.1在獨立模式下的安裝。
沒有運行的守護程序,並且一切都在單個JVM中運行。獨立模式適合在開發期間運行MapReduce程序,因爲它很容易測試和調試。
設置Hadoop
您可以通過將以下命令附加到〜/.bashrc文件來設置Hadoop環境變量。
export HADOOP_HOME=/usr/local/hadoop
在繼續進行之前,您需要確保Hadoop正常工作。只需發出以下命令:
$ hadoop version
如果您的設置一切正常,那麼你應該看到以下結果:
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
這意味着你的Hadoop的獨立模式設置工作正常。默認情況下,Hadoop配置爲在單臺計算機上以非分佈式方式運行。
例子
讓我們檢查一個簡單的Hadoop示例。Hadoop安裝提供了以下示例MapReduce jar文件,它提供了MapReduce的基本功能,可用於計算,如Pi值,文件列表中的字數等。
$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar
讓我們有一個輸入目錄,我們將推送幾個文件,我們的要求是計數這些文件中的字的總數。要計算總字數,我們不需要寫我們的MapReduce,只要.jar文件包含字計數的實現。您可以嘗試使用相同的.jar文件的其他示例;只需發出以下命令來檢查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
步驟1
在輸入目錄中創建臨時內容文件。您可以在要工作的任何位置創建此輸入目錄。
$ mkdir input
$ cp $HADOOP_HOME/*.txt input
$ ls -l input
它將在您的輸入目錄中提供以下文件:
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
這些文件已從Hadoop安裝主目錄複製。對於您的實驗,您可以有不同的和大的文件集。
第2步
讓我們開始Hadoop進程來計算輸入目錄中所有可用文件中的總字數,如下所示:
$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar wordcount input output
第2步將執行所需的處理並將輸出保存在output / part-r00000文件中,您可以使用以下命令檢查:
$cat output/*
它將列出所有字以及它們在輸入目錄中可用的所有文件中的總計數。
"AS 4
"Contribution" 1
"Contributor" 1
"Derivative 1
"Legal 1
"License" 1
"License"); 1
"Licensor" 1
"NOTICE” 1
"Not 1
"Object" 1
"Source” 1
"Work” 1
"You" 1
"Your") 1
"[]" 1
"control" 1
"printed 1
"submitted" 1
(50%) 1
(BIS), 1
(C) 1
(Don't) 1
(ECCN) 1
(INCLUDING 2
(INCLUDING, 2
.............
在僞分佈式模式下安裝Hadoop
按照下面給出的步驟在僞分佈式模式下安裝Hadoop 2.4.1。
第1步:設置Hadoop
您可以通過將以下命令附加到〜/.bashrc文件來設置Hadoop環境變量。
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_MAPRED_HOME=$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
現在將所有更改應用到當前運行的系統。
$ source ~/.bashrc
第2步:Hadoop配置
您可以在位置“$ HADOOP_HOME/etc/hadoop”中找到所有Hadoop配置文件。需要根據您的Hadoop基礎結構對這些配置文件進行更改。
$ cd $HADOOP_HOME/etc/hadoop
爲了在java中開發Hadoop程序,您必須通過用系統中java的位置替換JAVA_HOME值來重置hadoop-env.sh文件中的java環境變量。
export JAVA_HOME=/usr/local/jdk1.7.0_71
以下是您必須編輯以配置Hadoop的文件列表。
core-site.xml
core-site.xml文件包含諸如用於Hadoop實例的端口號,爲文件系統分配的內存,用於存儲數據的內存限制以及讀/寫緩衝區大小的信息。
打開core-site.xml並在<configuration>,</ configuration>標籤之間添加以下屬性。
<configuration>
<property>
<name>fs.default.name </name>
<value> hdfs://localhost:9000 </value>
</property>
</configuration>
hdfs-site.xml
hdfs-site.xml文件包含本地文件系統的複製數據值,namenode路徑和datanode路徑等信息。這意味着您要存儲Hadoop基礎架構的位置。
讓我們假設以下數據。
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
打開此文件,並在此文件中的<configuration> </ configuration>標記之間添加以下屬性。
<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,所有屬性值都是用戶定義的,您可以根據Hadoop基礎結構進行更改。
yarn-site.xml
此文件用於將Yarn爲Hadoop配置爲Hadoop。打開yarn-site.xml文件,並在此文件中的<configuration>,</ configuration>標記之間添加以下屬性。
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
mapred-site.xml
此文件用於指定我們使用的MapReduce框架。默認情況下,Hadoop包含yarn-site.xml的模板。首先,需要使用以下命令將文件從mapred-site,xml.template複製到mapred-site.xml文件。
$ cp mapred-site.xml.template mapred-site.xml
打開mapred-site.xml文件,並在此文件中的<configuration>,</ configuration>標記之間添加以下屬性。
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
驗證Hadoop安裝
以下步驟用於驗證Hadoop安裝。
第1步:名稱節點設置
使用命令“HDFS的NameNode -format”如下設置名稱節點。
$ cd ~
$ hdfs namenode -format
預期結果如下。
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
************************************************************/
第2步:驗證HadoopDFS
以下命令用於啓動dfs。執行此命令將啓動您的Hadoop文件系統。
$ start-dfs.sh
預期輸出如下:
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]
第3步:驗證Yarn腳本
下面的命令被用於啓動Yarn腳本。執行該命令將啓動紗守護進程。
$ start-yarn.sh
預期輸出如下:
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
第4步:在瀏覽器上訪問Hadoop
訪問Hadoop的默認端口號爲50070.使用以下URL在瀏覽器上獲取Hadoop服務。
http://localhost:50070/
第5步:驗證集羣的所有應用程序
訪問羣集的所有應用程序的默認端口號爲8088.使用以下URL訪問此服務。
http://localhost:8088/