一、設備配置列表,軟件包
二、主機名映射
三、生成密鑰
四、將密鑰發送到各個節點
五、注意事項及驗證
六、關閉防火牆和SeLinux安全模塊(所有主機均需操作
七、解壓JDK、hadoop包,設置Java和hadoop環境
八、配置Hadoop相關配置文件
九、將已經修改好的文件使用scp命令複製到各個節點
十、node1 、 node2使環境生效,並驗證
十一、啓動hadoop系統並驗證
十二、在本地編寫並測試mapreduce程序,運行WordCount案例
十三、在hadoop中運行運行WordCount案例
十四、利用生成文件結合python生成詞雲
一、假設有如下設備
設備編號 | 主機名 | 系統 | IP地址 | 準備文件 |
---|---|---|---|---|
1 | master | centos7.2 | 10.0.0.10 | ----------------hadoop3.0.0.tar.gz -------------------------jdk-8u161-linux-x64.tar.gz |
2 | node1 | centos7.2 | 10.0.0.11 | |
3 | node2 | centos7.2 | 10.0.0.12 |
軟件包下載地址:
鏈接: https://pan.baidu.com/s/1dvf4o8i9J02fmUu3SMRyDw 提取碼: 3dk3
二、首先,需要在各個節點上設置主機名映射(千萬不要忘了改主機名),以master爲例
[root@master ~]# vi /etc/hosts
添加如下內容
10.0.0.10 master
10.0.0.11 node1
10.0.0.12 node2
三、使用命令生成密鑰(以master節點爲例)
ssh-keygen
[root@master ~]# ssh-keygen
四、然後使用命令複製SSH密鑰到目標主機,開啓無密碼SSH登錄(以master節點爲例),這裏對另外兩臺都需要將密鑰複製過去
[root@master ~]# ssh-copy-id master
[root@master ~]# ssh-copy-id node1
[root@master ~]# ssh-copy-id node2
五、第一次會讓你輸入yes 這樣master節點就可以免密登陸其他節點,同樣其他節點也需要進行以上操作,就可以免密登陸其他節點
驗證[root@master ~]# ssh master
[root@master ~]# ssh node1
[root@master ~]# ssh node2
六、關閉防火牆和SeLinux安全模塊(所有主機均需操作
#systemctl stop firewalld;systemctl disable firewalld;setenforce 0
這裏是關閉防火牆並關閉其開機自啓,並將selinux設置爲允許模式,個人認爲這裏較爲重要,若不設置,可能防火牆會攔截主機間的通信流量
七、解壓JDK、hadoop包,設置Java和hadoop環境
將tar.gz文件傳輸到master節點,進行如下操作
這裏暫時只做master節點,到第九步纔是將配置好的所有東西複製到其他節點,可以點擊傳送門查看
第九節傳送門
1、每個節點創建文件夾
mkdir /opt/bigdata
2、將文件傳輸到bigdata目錄中
[root@master ~]# mkdir /opt/bigdata
[root@master ~]# mv hadoop-3.0.0.tar.gz jdk-8u161-linux-x64.tar.gz /opt/bigdata/
[root@master ~]#
3、解壓壓縮包文件
[root@master bigdata]# tar -zxf hadoop-3.0.0.tar.gz -C /opt/bigdata/
[root@master bigdata]# tar -zxf jdk-8u161-linux-x64.tar.gz -C /opt/bigdata/
[root@master bigdata]# ll
total 484528
drwxr-xr-x 9 centos centos 139 Dec 8 2017 hadoop-3.0.0
-rw-r--r-- 1 root root 306392917 Mar 11 08:50 hadoop-3.0.0.tar.gz
drwxr-xr-x 8 10 143 4096 Dec 20 2017 jdk1.8.0_161
-rw-r--r-- 1 root root 189756259 Mar 11 08:50 jdk-8u161-linux-x64.tar.gz
4、添加環境變量
#vi /etc/profile添加如下內容
export JAVA_HOME=/opt/bigdata/jdk1.8.0_161
export PATH=$JAVA_HOME/bin:$PATH
export HADOOP_HOME=/opt/bigdata/hadoop-3.0.0
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
5、使環境變量生效
source /etc/profile
6、驗證
# hadoop version
# java -version
八、配置Hadoop相關配置文件
hadoop目錄是hadoop平臺的配置目錄,我們需要對hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml進行配置1、首先進入hadoop系統目錄/opt/bigdata/hadoop-3.0.0/etc/hadoop
[root@master ~]# cd /opt/bigdata/hadoop-3.0.0/etc/hadoop
[root@master hadoop]# pwd
/opt/bigdata/hadoop-3.0.0/etc/hadoop
[root@master hadoop]# ls
2、編輯hadoop-env.sh,添加java環境
[root@master hadoop]# vi hadoop-env.sh
移動到第54行,刪除前面的 '#' 和空格,並修改成如下內容
export JAVA_HOME=/opt/bigdata/jdk1.8.0_161
3、編輯core-site.xml文件
[root@master hadoop]# vi core-site.xml
<property>
<name>fs.default.name</name>
<value>hdfs://master:9000</value>
</property>
<property>
<name>hadoop.temp.dir</name>
<value>/opt/bigdata/hadoop-3.0.0/tmp</value>
</property>
4、編輯hdfs-site.xml文件
[root@master hadoop]# vi hdfs-site.xml
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/bigdata/hadoop-3.0.0/hdfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/opt/bigdata/hadoop-3.0.0/hdfs/data</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node1:9001</value>
</property>
<property>
<name>dfs.http.address</name>
<value>0.0.0.0:50070</value>
</property>
5、編輯mapred-site.xml文件
[root@master hadoop]# vi mapred-site.xml
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapred.job.tracker.http.address</name>
<value>0.0.0.0:50030</value>
</property>
<property>
<name>mapred.task.tracker.http.address</name>
<value>0.0.0.0:50060</value>
</property>
<property>
<name>mapreduce.applicaton.classpath</name>
<value>
/opt/bigdata/hadoop-3.0.0/etc/hadoop,
/opt/bigdata/hadoop-3.0.0/share/hadoop/common/*,
/opt/bigdata/hadoop-3.0.0/share/hadoop/common/lib/*,
/opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs/*,
/opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs/lib/*
/opt/bigdata/hadoop-3.0.0/share/hadoop/mapreduce/*,
/opt/bigdata/hadoop-3.0.0/share/hadoop/yarn/*,
/opt/bigdata/hadoop-3.0.0/share/hadoop/yarn/lib/*
</value>
</property>
6、編輯yarn-site.xml文件
[root@master hadoop]# vi yarn-site.xml
<property>
<name>yarn.resourcemanager.hostname</name>
<value>master</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>master:8099</value>
</property>
<property>
<name>yarn.application.classpath</name>
<value>/opt/bigdata/hadoop-3.0.0/etc/hadoop:/opt/bigdata/hadoop-3.0.0/share/hadoop/common/lib/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/common/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs:/opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs/lib/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/mapreduce/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/yarn:/opt/bigdata/hadoop-3.0.0/share/hadoop/yarn/lib/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/yarn/*
</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
<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>
7、編輯workers文件,指定節點
[root@master hadoop]# vi workers
添加node1 node2
如果不想master中也有datanode,就把localhost刪掉,只保留node1 node2
8、編輯啓動配置文件,都添加如下內容
[root@master ~]# vi /opt/bigdata/hadoop-3.0.0/sbin/start-dfs.sh
[root@master ~]# vi /opt/bigdata/hadoop-3.0.0/sbin/stop-dfs.sh
HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root
編輯配置文件,都添加如下內容
[root@master ~]# vi /opt/bigdata/hadoop-3.0.0/sbin/start-yarn.sh
[root@master ~]# vi /opt/bigdata/hadoop-3.0.0/sbin/stop-yarn.sh
YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root
九、將已經修改好的文件使用scp命令複製到各個節點
1、首先要在各個節點創建/opt/bigdata目錄
[root@node1 ~]# mkdir /opt/bigdata
[root@node2 ~]# mkdir /opt/bigdata
2、master節點複製hadoop文件夾 和jdk文件夾,以及環境配置文件
[root@master ~]# scp -r /opt/bigdata/hadoop-3.0.0 node1:/opt/bigdata
[root@master ~]# scp -r /opt/bigdata/hadoop-3.0.0 node2:/opt/bigdata
[root@master ~]# scp -r /opt/bigdata/jdk1.8.0_161/ node1:/opt/bigdata/
[root@master ~]# scp -r /opt/bigdata/jdk1.8.0_161/ node2:/opt/bigdata/
[root@master ~]# scp /etc/profile node1:/etc/
[root@master ~]# scp /etc/profile node2:/etc/
十、node1 、 node2使環境生效,並驗證
##### 1、node1驗證 ```powershell [root@node1 ~]# source /etc/profile [root@node1 ~]# java -version [root@node1 ~]# hadoop version ```2、node2驗證
[root@node2 ~]# source /etc/profile
[root@node2 ~]# java -version
[root@node2 ~]# hadoop version
十一、啓動hadoop系統並驗證
1、第一次啓動,格式化namenode
[root@master ~]# hadoop namenode -format
2、啓動hadoop系統,並驗證
[root@master ~]# start-all.sh
[root@master ~]# jps
[root@node1 ~]# jps
[root@node2 ~]# jps
網頁端訪問master節點ip地址
http://Master_IP:50072
例:
http://10.0.0.10:50070
網頁端查看HDFS文件系統
十二、在本地編寫並測試mapreduce程序,運行WordCount案例
編寫MapReduce程序,請注意,此處使用python2代碼。因爲CentOS7.2已經安裝了python2
1、首先編寫mapper.py程序
[root@master ~]# vi mapper.py
#!/usr/bin/env python
# -*- coding:UTF-8 -*-
import sys
for line in sys.stdin:
line = line.strip()
words = line.split()
for word in words:
print '%s\t%s' % (word, 1)
2、編寫Reducer程序
[root@master ~]# vi reducer.py
#!/usr/bin/env python
# -*- coding:UTF-8 -*-
#from operator import itemgetter
import sys
current_word = None
current_count = 0
word = None
for line in sys.stdin:
line = line.strip()
word, count = line.split('\t', 1)
try:
count = int(count)
except ValueError:
continue
if current_word == word:
current_count += count
else:
if current_word:
print '%s\t%s' % (current_word, current_count)
current_count = count
current_word = word
if current_word == word:
print '%s\t%s' % (current_word, current_count)
3、給剛剛編寫的程序添加執行權限
[root@master ~]# chmod a+x mapper.py
[root@master ~]# chmod a+x reducer.py
4、使用echo加sort對程序進行測試
[root@master ~]# echo “hello world hell hi word” | python mapper.py |sort|python reducer.py
十三、在hadoop中運行WordCount案例
一定要檢查一下yarn-site.xml,之前的配置文件我已經重新修改了,請回到第八步第六小點再看看,yarn-site.xml有沒有添加上
<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>
1、首先編寫MapReduce腳本mapreduce.sh
[root@master ~]# vi mapreduce.sh
hadoop jar /opt/bigdata/hadoop-3.0.0/share/hadoop/tools/lib/hadoop-*streaming*.jar -mapper "python mapper.py" -reducer "python reducer.py" -input /user_test/
data.txt -output /output_dir -file /opt/bigdata/mapreduce/mapper.py -file /opt/bigdata/mapreduce/reducer.py
#streaming可以執行任意語言寫的mapper,reducer程序
-mapper "python mapper.py" #執行mapper程序
-reducer "python reducer.py" #執行reducer程序
-input /user_test/data.txt -output /output_dir #導入文件及導出文件地址
-file /opt/bigdata/mapreduce/mapper.py #mapper程序路徑
-file /opt/bigdata/mapreduce/reducer.py #reducer程序路徑
2、在本地,首先創建文件夾,將mapper.py和reducer.py移動到相應位置,也可在相應位置創建好
[root@master ~]# mkdir /opt/bigdata/mapreduce
[root@master ~]# mv mapper.py reducer.py /opt/bigdata/mapreduce/
[root@master ~]# ls /opt/bigdata/mapreduce/
3、在本地創建data.txt文件,並輸入相應數據
[root@master ~]# vi data.txt
java
java
python
ruby
ruby
mongo
ruby
java
python
java
python
python
java
python
python
java
python
python
java
java
4、在 HDFS 文件系統中創建相應目錄以及將data.txt文件上傳
[root@master ~]# hdfs dfs -mkdir /user_test
[root@master ~]# hdfs dfs -chmod -R 777 /user_test ##給目錄添加權限
[root@master ~]# hdfs dfs -put /root/data.txt /user_test
[root@master ~]# hdfs dfs -ls /user_test
5、查看是否存在 輸出目錄 (一定不能存在,如果存在就需要刪除)
[root@master ~]# hdfs dfs -ls /
6、運行mapreduce.sh腳本,測試運行
[root@master ~]# source mapreduce.sh
7、查看結果
[root@master ~]# hdfs dfs -ls /output_dir
[root@master ~]# hdfs dfs -cat /output_dir/part-00000
也可以在Web端查看
http://Master_I:50070
點擊下載會提示網頁無法訪問,請將node1或者node2替換成相應的IP地址即可
十四、利用生成文件結合python生成詞雲
這裏我使用python3進行實驗
1、將上述的文件下載到Windows
2、在windows下,下載/安裝pip
pip install wordcloud(執行下載woedcloud)
pip install matplotlib(執行下載matplotlib)
3、此時我將part-00000文件存放於E盤下
4、編寫輸出詞雲的python程序
# -*-coding:UTF-8 -*-
# 導入相關的庫
import matplotlib #導入matplotlib
matplotlib.use('Agg')
from os import path
import matplotlib.pyplot as plt
from wordcloud import WordCloud #從wordcloud導入WordCloud
# 獲取當前文件路徑
# __file__ 爲當前文件, 在ide中運行此行會報錯,可改爲
# d = path.dirname('.')
d = path.dirname('.') ##選擇文件路徑
# 讀取整個文件
text = open(path.join(d, 'E:\part-00000')).read() #打開文件並賦值給變量text
#wordcloud = WordCloud().generate(text)
wc = WordCloud().generate(text)
wc.to_file('Word Cloud.png') #命名生成的圖片
# 繪圖
plt.imshow(wc)
plt.axis("off")
6、運行程序得到詞雲圖片