Hadoop 环境设置

Hadoop由GNU / Linux平台及其版本支持。因此，我们必须安装一个Linux操作系统来设置Hadoop环境。如果您有除Linux以外的操作系统，您可以在其中安装Virtualbox软件，并在Virtualbox内部安装Linux。

安装前设置

在将Hadoop安装到Linux环境之前，我们需要使用ssh（Secure Shell）来设置Linux。按照以下步骤设置Linux环境。

创建用户

在开始时，建议为Hadoop创建一个单独的用户，以便将Hadoop文件系统与Unix文件系统隔离。按照以下步骤创建用户：

  • 使用命令“su”打开根。
  • 使用命令“useradd username”从root帐户创建用户。
  • 现在您可以使用命令“su username”打开现有的用户帐户。 打开Linux终端并键入以下命令以创建用户。
  1. $ su 
  2.    password: 
  3. # useradd hadoop 
  4. # passwd hadoop 
  5.    New passwd: 
  6.    Retype new passwd

SSH设置和密钥生成

需要SSH设置在集群上执行不同的操作，如启动，停止，分布式守护程序shell操作。要对Hadoop的不同用户进行身份验证，需要为Hadoop用户提供公钥/私钥对，并与不同的用户共享。

以下命令用于使用SSH生成键值对。将公共密钥表单id_rsa.pub复制到authorized_keys，并分别向拥有者授予authorized_keys文件的读取和写入权限。

  1. $ ssh-keygen -t rsa 
  2. $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 
  3. $ chmod 0600 ~/.ssh/authorized_keys

安装Java

Java是Hadoop的主要先决条件。首先，您应该使用命令“java -version”验证系统中是否存在java。 java版本命令的语法如下。

  1. $ java -version

如果一切正常，它会给你以下输出。

  1. java version "1.7.0_71" 
  2. Java(TM) SE Runtime Environment (build 1.7.0_71-b13) 
  3. Java HotSpot(TM) Client VM (build 25.0-b02, mixed mode)

如果系统中没有安装java，请按照以下步骤安装java。

第1步

通过访问以下链接http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html下载java（JDK <latest version> - X64.tar.gz）。

然后jdk-7u71-linux-x64.tar.gz将下载到您的系统。

第2步

通常你会在下载文件夹中找到下载的java文件。使用以下命令验证它并解压缩jdk-7u71-linux-x64.gz文件。

  1. $ cd Downloads/ 
  2. $ ls 
  3. jdk-7u71-linux-x64.gz 
  4. $ tar zxf jdk-7u71-linux-x64.gz 
  5. $ ls 
  6. jdk1.7.0_71   jdk-7u71-linux-x64.gz

第3步

要使java可用于所有用户，您必须将其移动到位置“/ usr / local /”。打开root，然后键入以下命令。

  1. $ su 
  2. password: 
  3. # mv jdk1.7.0_71 /usr/local/ 
  4. # exit

第4步

要设置PATH和JAVA_HOME变量，请将以下命令添加到〜/ .bashrc文件。

  1. export JAVA_HOME=/usr/local/jdk1.7.0_71 
  2. export PATH=$PATH:$JAVA_HOME/bin

现在将所有更改应用到当前运行的系统。

  1. $ source ~/.bashrc

第5步

现在将所有更改应用到当前运行的系统。

  1. # alternatives --install /usr/bin/java java usr/local/java/bin/java 2
  2.  
  3. # alternatives --install /usr/bin/javac javac usr/local/java/bin/javac 2
  4.  
  5. # alternatives --install /usr/bin/jar jar usr/local/java/bin/jar 2
  6.  
  7. # alternatives --set java usr/local/java/bin/java
  8.  
  9. # alternatives --set javac usr/local/java/bin/javac
  10.  
  11. # alternatives --set jar usr/local/java/bin/jar

现在如上所述从终端验证java -version命令。

下载Hadoop

使用以下命令从Apache Software Foundation下载并提取Hadoop 2.4.1。

  1. $ su 
  2. password: 
  3. # cd /usr/local 
  4. # wget http://apache.claz.org/hadoop/common/hadoop-2.4.1/ 
  5. hadoop-2.4.1.tar.gz 
  6. # tar xzf hadoop-2.4.1.tar.gz 
  7. # mv hadoop-2.4.1/* to hadoop/ 
  8. # exit

Hadoop操作模式

一旦下载了Hadoop，您就可以使用以下三种支持模式之一来操作Hadoop集群：

  • 本地/独立模式 ：在系统中下载Hadoop之后，默认情况下，它以独立模式配置，并且可以作为单个Java进程运行。

  • 伪分布式模式 ：它是单机上的分布式仿真。每个Hadoop守护进程（如hdfs，yarn，MapReduce等）都将作为单独的java进程运行。此模式对开发有用。

  • 完全分布式的模式 ：此模式是完全分布式的，至少有两台或多台机器作为集群。我们将在接下来的章节中详细讨论这种模式。

在独立模式下安装Hadoop

这里我们将讨论Hadoop 2.4.1在独立模式下的安装。

没有运行的守护程序，并且一切都在单个JVM中运行。独立模式适合在开发期间运行MapReduce程序，因为它很容易测试和调试。

设置Hadoop

您可以通过将以下命令附加到〜/.bashrc文件来设置Hadoop环境变量。

  1. export HADOOP_HOME=/usr/local/hadoop

在继续进行之前，您需要确保Hadoop正常工作。只需发出以下命令：

  1. $ hadoop version

如果您的设置一切正常，那么你应该看到以下结果： 

  1. Hadoop 2.4.1 
  2. Subversion https://svn.apache.org/repos/asf/hadoop/common -r 1529768 
  3. Compiled by hortonmu on 2013-10-07T06:28Z 
  4. Compiled with protoc 2.5.0
  5. From source with checksum 79e53ce7994d1628b240f09af91e1af4

这意味着你的Hadoop的独立模式设置工作正常。默认情况下，Hadoop配置为在单台计算机上以非分布式方式运行。

例子

让我们检查一个简单的Hadoop示例。 Hadoop安装提供了以下示例MapReduce jar文件，它提供了MapReduce的基本功能，可用于计算，如Pi值，文件列表中的字数等。

  1. $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar

让我们有一个输入目录，我们将推送几个文件，我们的要求是计数这些文件中的字的总数。要计算总字数，我们不需要写我们的MapReduce，只要.jar文件包含字计数的实现。您可以尝试使用相同的.jar文件的其他示例;只需发出以下命令来检查hadoop-mapreduce-examples-2.2.0.jar文件支持的MapReduce功能程序。

  1. $ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar

第1步

在输入目录中创建临时内容文件。您可以在要工作的任何位置创建此输入目录。

  1. $ mkdir input 
  2. $ cp $HADOOP_HOME/*.txt input 
  3. $ ls -l input

它将在您的输入目录中提供以下文件：

  1. total 24 
  2. -rw-r--r-- 1 root root 15164 Feb 21 10:14 LICENSE.txt 
  3. -rw-r--r-- 1 root root   101 Feb 21 10:14 NOTICE.txt
  4. -rw-r--r-- 1 root root  1366 Feb 21 10:14 README.txt

这些文件已从Hadoop安装主目录复制。对于您的实验，您可以有不同的和大的文件集。

第2步

让我们开始Hadoop进程来计算输入目录中所有可用文件中的总字数，如下所示：

  1. $ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar  wordcount input output

第3步

第2步将执行所需的处理并将输出保存在output / part-r00000文件中，您可以使用以下命令检查：

  1. $cat output/*

它将列出所有字以及它们在输入目录中可用的所有文件中的总计数。

  1. "AS      4 
  2. "Contribution" 1 
  3. "Contributor" 1 
  4. "Derivative 1
  5. "Legal 1
  6. "License"      1
  7. "License");     1 
  8. "Licensor"      1
  9. "NOTICE”        1 
  10. "Not      1 
  11. "Object"        1 
  12. "Source”        1 
  13. "Work”    1 
  14. "You"     1 
  15. "Your")   1 
  16. "[]"      1 
  17. "control"       1 
  18. "printed        1 
  19. "submitted"     1 
  20. (50%)     1 
  21. (BIS),    1 
  22. (C)       1 
  23. (Don't)   1 
  24. (ECCN)    1 
  25. (INCLUDING      2 
  26. (INCLUDING,     2 
  27. .............

在伪分布式模式下安装Hadoop

按照下面给出的步骤在伪分布式模式下安装Hadoop 2.4.1。

第1步：设置Hadoop

您可以通过将以下命令附加到〜/.bashrc文件来设置Hadoop环境变量。

  1. export HADOOP_HOME=/usr/local/hadoop 
  2. export HADOOP_MAPRED_HOME=$HADOOP_HOME 
  3. export HADOOP_COMMON_HOME=$HADOOP_HOME 
  4. export HADOOP_HDFS_HOME=$HADOOP_HOME 
  5. export YARN_HOME=$HADOOP_HOME 
  6. export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native 
  7. export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin 
  8. export HADOOP_INSTALL=$HADOOP_HOME

现在将所有更改应用到当前运行的系统。

  1. $ 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。需要根据您的Hadoop基础结构对这些配置文件进行更改。

  1. $ cd $HADOOP_HOME/etc/hadoop

为了在java中开发Hadoop程序，您必须通过用系统中java的位置替换JAVA_HOME值来重置hadoop-env.sh文件中的java环境变量。

  1. export JAVA_HOME=/usr/local/jdk1.7.0_71

以下是您必须编辑以配置Hadoop的文件列表。

core-site.xml

core-site.xml文件包含诸如用于Hadoop实例的端口号，为文件系统分配的内存，用于存储数据的内存限制以及读/写缓冲区大小的信息。

打开core-site.xml并在<configuration>，</ configuration>标签之间添加以下属性。

  1. <configuration>
  2.  
  3.    <property>
  4.       <name>fs.default.name </name>
  5.       <value> hdfs://localhost:9000 </value> 
  6.    </property>
  7.  
  8. </configuration>

hdfs-site.xml

hdfs-site.xml文件包含本地文件系统的复制数据值，namenode路径和datanode路径等信息。这意味着您要存储Hadoop基础架构的位置。

让我们假设以下数据。

  1. dfs.replication (data replication value) = 1 
  2. (In the below given path /hadoop/ is the user name. 
  3. hadoopinfra/hdfs/namenode is the directory created by hdfs file system.) 
  4. namenode path = //home/hadoop/hadoopinfra/hdfs/namenode 
  5. (hadoopinfra/hdfs/datanode is the directory created by hdfs file system.) 
  6. datanode path = //home/hadoop/hadoopinfra/hdfs/datanode

打开此文件，并在此文件中的<configuration> </ configuration>标记之间添加以下属性。

  1. <configuration>
  2.  
  3.    <property>
  4.       <name>dfs.replication</name>
  5.       <value>1</value>
  6.    </property>
  7.  
  8.    <property>
  9.       <name>dfs.name.dir</name>
  10.       <value>file:///home/hadoop/hadoopinfra/hdfs/namenode </value>
  11.    </property>
  12.  
  13.    <property>
  14.       <name>dfs.data.dir</name> 
  15.       <value>file:///home/hadoop/hadoopinfra/hdfs/datanode </value> 
  16.    </property>
  17.  
  18. </configuration>

注意：在上述文件中，所有属性值都是用户定义的，您可以根据Hadoop基础结构进行更改。

yarn-site.xml

此文件用于将Yarn为Hadoop配置为Hadoop。打开yarn-site.xml文件，并在此文件中的<configuration>，</ configuration>标记之间添加以下属性。

  1. <configuration>
  2.  
  3.    <property>
  4.       <name>yarn.nodemanager.aux-services</name>
  5.       <value>mapreduce_shuffle</value> 
  6.    </property>
  7.  
  8. </configuration>

mapred-site.xml

此文件用于指定我们使用的MapReduce框架。默认情况下，Hadoop包含yarn-site.xml的模板。首先，需要使用以下命令将文件从mapred-site，xml.template复制到mapred-site.xml文件。

  1. $ cp mapred-site.xml.template mapred-site.xml

打开mapred-site.xml文件，并在此文件中的<configuration>，</ configuration>标记之间添加以下属性。

  1. <configuration>
  2.  
  3.    <property> 
  4.       <name>mapreduce.framework.name</name>
  5.       <value>yarn</value>
  6.    </property>
  7.  
  8. </configuration>

验证Hadoop安装

以下步骤用于验证Hadoop安装。

第1步：名称节点设置

使用命令“HDFS的NameNode -format”如下设置名称节点。

  1. $ cd ~ 
  2. $ hdfs namenode -format

预期结果如下。 

  1. 10/24/14 21:30:55 INFO namenode.NameNode: STARTUP_MSG: 
  2. /************************************************************ 
  3. STARTUP_MSG: Starting NameNode 
  4. STARTUP_MSG:   host = localhost/192.168.1.11 
  5. STARTUP_MSG:   args = [-format] 
  6. STARTUP_MSG:   version = 2.4.1 
  7. ...
  8. ...
  9. 10/24/14 21:30:56 INFO common.Storage: Storage directory 
  10. /home/hadoop/hadoopinfra/hdfs/namenode has been successfully formatted. 
  11. 10/24/14 21:30:56 INFO namenode.NNStorageRetentionManager: Going to 
  12. retain 1 images with txid >= 0 
  13. 10/24/14 21:30:56 INFO util.ExitUtil: Exiting with status 0 
  14. 10/24/14 21:30:56 INFO namenode.NameNode: SHUTDOWN_MSG: 
  15. /************************************************************ 
  16. SHUTDOWN_MSG: Shutting down NameNode at localhost/192.168.1.11 
  17. ************************************************************/

第2步：验证HadoopDFS

以下命令用于启动dfs。执行此命令将启动您的Hadoop文件系统。

  1. $ start-dfs.sh

预期输出如下：

  1. 10/24/14 21:37:56 
  2. Starting namenodes on [localhost] 
  3. localhost: starting namenode, logging to /home/hadoop/hadoop
  4. 2.4.1/logs/hadoop-hadoop-namenode-localhost.out 
  5. localhost: starting datanode, logging to /home/hadoop/hadoop
  6. 2.4.1/logs/hadoop-hadoop-datanode-localhost.out 
  7. Starting secondary namenodes [0.0.0.0]

第3步：验证Yarn脚本

下面的命令被用于启动Yarn脚本。执行该命令将启动纱守护进程。 

  1. $ start-yarn.sh

预期输出如下：

  1. starting yarn daemons 
  2. starting resourcemanager, logging to /home/hadoop/hadoop
  3. 2.4.1/logs/yarn-hadoop-resourcemanager-localhost.out 
  4. localhost: starting nodemanager, logging to /home/hadoop/hadoop
  5. 2.4.1/logs/yarn-hadoop-nodemanager-localhost.out

第4步：在浏览器上访问Hadoop

访问Hadoop的默认端口号为50070.使用以下URL在浏览器上获取Hadoop服务。

  1. http://localhost:50070/

在浏览器访问的Hadoop

第5步：验证集群的所有应用程序

访问群集的所有应用程序的默认端口号为8088.使用以下URL访问此服务。

  1. http://localhost:8088/

Hadoop的应用集群