Hadoop環境安裝設置

Hadoop由GNU/Linux平臺支持(建議)。因此，需要安裝一個Linux操作系統並設置Hadoop環境。如果有Linux操作系統等，可以把它安裝在VirtualBox(要具備在 VirtualBox內安裝Linux經驗，沒有裝過也可以學習試著來)。

安裝前設置

在安裝Hadoop之前，需要進入Linux環境下，連接Linux使用SSH(安全Shell)。按照下麵提供的步驟設立Linux環境。

創建一個用

在開始時，建議創建一個單獨的用戶Hadoop以從Unix檔系統隔離Hadoop檔系統。按照下麵給出的步驟來創建用戶：

使用 “su” 命令開啟root .
創建用戶從root帳戶使用命令 “useradd username”.
現在，可以使用命令打開一個現有的用戶帳戶“su username”.

打開Linux終端，輸入以下命令來創建一個用戶。

$ su
   password:
# useradd hadoop
# passwd hadoop
   New passwd:
   Retype new passwd

SSH設置和密鑰生成

SSH設置需要在集群上做不同的操作，如啟動，停止，分佈式守護shell操作。認證不同的Hadoop用戶，需要一種用於Hadoop用戶提供的公鑰/私鑰對，並用不同的用戶共用。

下麵的命令用於生成使用SSH鍵值對。複製公鑰形成 id_rsa.pub 到authorized_keys 檔中，並提供擁有者具有authorized_keys檔的讀寫許可權。

$ 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，應該使用命令“java-version”驗證 java 存在在系統中。 Java version 命令的語法如下。

$ java -version

如果一切順利，它會給下麵的輸出。

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Java還未安裝在系統中，那麼按照下麵的給出的步驟來安裝Java。

第1步

下載Java(JDK<最新版> - X64.tar.gz)通過訪問以下鏈接 http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html.

然後JDK-7u71-linux-x64.tar.gz將被下載到系統。

第2步

一般來說，在下載檔夾中的Java檔。使用下麵的命令提取 jdk-7u71-linux-x64.gz檔。

$ 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

為了使Java提供給所有用戶，將它移動到目錄 “/usr/local/”。打開根目錄，鍵入以下命令。

$ su
password:
# mv jdk1.7.0_71 /usr/local/
# exit

第4步

用於設置PATH和JAVA_HOME變數，添加以下命令到~/.bashrc檔。

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

現在從終端驗證 java -version 命令如上述說明。

下載Hadoop

下載來自Apache基金會軟體，使用下麵的命令提取 Hadoop2.4.1。

$ 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

下載 Hadoop 以後，可以操作Hadoop集群以以下三個支持模式之一：

本地/獨立模式：下載Hadoop在系統中，默認情況下之後，它會被配置在一個獨立的模式，用於運行Java程式。
模擬分佈式模式：這是在單臺機器的分佈式模擬。Hadoop守護每個進程，如 hdfs, yarn, MapReduce 等，都將作為一個獨立的java程式運行。這種模式對開發非常有用。
完全分佈式模式：這種模式是完全分佈式的最小兩臺或多臺電腦的集群。我們使用這種模式在未來的章節中。

在單機模式下安裝Hadoop

在這裏，將討論 Hadoop2.4.1在獨立模式下安裝。

有單個JVM運行任何守護進程一切都運行。獨立模式適合於開發期間運行MapReduce程式，因為它很容易進行測試和調試。

設置Hadoop

可以通過附加下麵的命令到 ~/.bashrc 檔中設置 Hadoop 環境變數。

export HADOOP_HOME=/usr/local/hadoop

在進一步討論之前，需要確保Hadoop工作正常。發出以下命令：

$ hadoop version

如果設置的一切正常，那麼應該看到以下結果：

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

這意味著Hadoop在獨立模式下工作正常。默認情況下，Hadoop被配置為在非分布式模式的單個機器上運行。

示例

讓我們來看看Hadoop的一個簡單例子。 Hadoop安裝提供了下列示例 MapReduce jar 檔，它提供了MapReduce的基本功能，並且可以用於計算，像PI值，字計數在檔等等

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

有一個輸入目錄將推送幾個檔，要求計算那些檔的單詞總數。要計算單詞總數，並不需要寫MapReduce，提供的.jar檔包含了實現字數。可以嘗試其他的例子使用相同的.jar檔; 發出以下命令通過Hadoop hadoop-mapreduce-examples-2.2.0.jar 檔檢查支持MapReduce功能的程式。

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

第1步

創建輸入臨時目錄的內容檔。可以在任何地方創建此輸入目錄用來工作。

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

它會在輸入目錄中的給出以下檔：

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

這些檔已從Hadoop安裝主目錄被複製。為了實驗，可以有不同大型的檔集。

第1步

讓我們啟動Hadoop進程計數在所有在輸入目錄中可用的檔的單詞總數，具體如下：

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

第3步

步驟2 將做必要的處理並保存輸出在output/part-r00000檔中，可以通過查詢使用：

$cat output/*

它會列出了所有的單詞以及它們在所有輸入目錄中的檔提供總計數。

"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
.............

模擬分佈式模式安裝Hadoop

按照下麵給出的在偽分佈式模式下安裝Hadoop2.4.1的步驟。

第1步：設置Hadoop

可以通過附加下麵的命令到~/.bashrc檔中設置Hadoop環境變數。

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，提交所有更改到當前正在運行的系統。

$ source ~/.bashrc

第2步：Hadoop配置

可以找到位置“$HADOOP_HOME/etc/hadoop”下找到所有Hadoop配置檔。這是需要根據Hadoop基礎架構進行更改這些配置檔。

$ cd $HADOOP_HOME/etc/hadoop

為了使用Java開發Hadoop程式，必須用java在系統中的位置替換JAVA_HOME值並重新設置hadoop-env.sh檔的java環境變數。

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

以下是必須編輯配置Hadoop的檔列表。

core-site.xml

core-site.xml檔中包含如讀/寫緩衝器用於Hadoop的實例的端口號的資訊，分配給檔系統存儲，用於存儲所述數據記憶體的限制和大小。

打開core-site.xml 並在<configuration>，</configuration>標記之間添加以下屬性。

<configuration>

   <property>
      <name>fs.default.name </name>
      <value> hdfs://localhost:9000 </value>
   </property>

</configuration>

hdfs-site.xml

hdfs-site.xml 檔中包含如複製數據的值，NameNode路徑的資訊，，本地檔系統的數據節點的路徑。這意味著是存儲Hadoop基礎工具的地方。

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

打開這個檔，並在這個檔中的<configuration></configuration>標籤之間添加以下屬性。

<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：在上面的檔，所有的屬性值是用戶定義的，可以根據自己的Hadoop基礎架構進行更改。

yarn-site.xml

此檔用於配置成yarn在Hadoop中。打開 yarn-site.xml檔，並在檔中的<configuration></configuration>標籤之間添加以下屬性。

<configuration>

   <property>
      <name>yarn.nodemanager.aux-services</name>
      <value>mapreduce_shuffle</value>
   </property>

</configuration>

mapred-site.xml

此檔用於指定正在使用MapReduce框架。缺省情況下，包含Hadoop的範本yarn-site.xml。首先，它需要從mapred-site.xml複製。獲得mapred-site.xml範本檔使用以下命令。

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

打開mapred-site.xml檔，並在此檔中的<configuration></configuration>標籤之間添加以下屬性。

<configuration>

   <property>
      <name>mapreduce.framework.name</name>
      <value>yarn</value>
   </property>

</configuration>

驗證Hadoop安裝

下麵的步驟用來驗證Hadoop安裝。

第1步：名稱節點設置

使用命令“hdfs namenode -format”如下設置名稱節點。

$ cd ~
$ hdfs namenode -format

預期的結果如下

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Hadoop的DFS

下麵的命令用來啟動DFS。執行這個命令將啟動Hadoop檔系統。

$ start-dfs.sh

期望的輸出如下所示：

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

下麵的命令用來啟動yarn腳本。執行此命令將啟動yarn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：在流覽器訪問Hadoop

訪問Hadoop默認端口號為50070，使用以下網址獲得流覽器Hadoop的服務。

http://localhost:50070/

第5步：驗證所有應用程式的集群

訪問集群中的所有應用程式的默認端口號為8088。使用以下URL訪問該服務。

http://localhost:8088/

上一篇： Hadoop是什麼？下一篇： Hadoop HDFS

安裝前設置

創建一個用

SSH設置和密鑰生成

安裝Java

第1步

第2步

第3步

第4步

下載Hadoop

Hadoop操作模式

在單機模式下安裝Hadoop

設置Hadoop

示例

第1步

第1步

第3步

模擬分佈式模式安裝Hadoop

第1步：設置Hadoop

第2步：Hadoop配置

驗證Hadoop安裝

第1步：名稱節點設置

第2步：驗證Hadoop的DFS

第3步：驗證Yarn 腳本

第4步：在流覽器訪問Hadoop

第5步：驗證所有應用程式的集群

HTML / CSS

腳本語言

高級語言

Java技術

XML技術

大數據

開發工具

框架

軟體測試

前端技術

資料庫

其他技術