自漫聊1.0发布以来,研究Hadoop也有一段时间了,目前环境已基本搭建好,规模为15台的小型集群,昨晚测试时是用wordcount统计一个1.2G的log文件,总耗时2分16秒,虽然测试文件不大,但其性能的优越性已经体现出来了。
闲话不多说了,进正题。
注:本文的环境搭建是针对双系统和linux系统的,而非win下的虚拟机!
流程:
装机阶段:
安装ubuntu,jdk和hadoop
创建一个名为hadoop的用户和用户组
配置阶段:
配置环境变量
创建ssh key
配置hadoop
运行测试阶段:
格式化namenode
启动hadoop
跑wordcount
准备:
ubuntu 10.10
hadoop 0.21.0
jdk1.6.0_23 for linux
装机阶段:
1、安装ubuntu10.10
wubi的傻瓜式安装应该不用我多说了吧,在win下用虚拟光驱载入,然后执行.......另外补充下,安装时最好断开网络连接(我们是直接拔的网线),因为ubuntu安装过程中需要更新一些语言包之类的东西,那些东西与我们要做的事没什么关系,下载时间又长,所以建议不更新。
2、安装jdk1.6.0_23
有多种方法,此处只介绍一种
1、在usr下面新建一个文件夹Java,然后将jdk复制过来(也可直接mv过来)
sudo mkdir /usr/Java
sudo cp jdk的路径 /usr/Java
2、进入到Java目录下,改变文件权限为可执行
cd /usr/Java
sudo chmod u+x jdk1.6.0_23.bin
3、执行安装
sudo ./jdk1.6.0_23.bin
(现象为Unpacking....加一连串解压信息)
3、安装hadoop0.21.0
1、将hadoop0.21.0.tar.gz复制到usr下面的local文件夹内(也可mv)
sudo cp hadoop的路径 /usr/local
2、进入到local目录下,解压hadoop0.21.0.tar.gz
cd /usr/local
sudo tar -xzf hadoop0.21.0.tar.gz
3、为了方便管理,将解压后的文件夹名改为hadoop
sudo mv hadoop0.21.0 hadoop
4、创建一个名为hadoop的用户和用户组
1、创建一个名为hadoop的用户组
sudo addgroup hadoop
2、创建一个名为hadoop的用户,归到hadoop用户组下
sudo adduser --ingroup hadoop hadoop
(注1:前一个hadoop为用户组名,后面的是用户名,之所以名字一样是为了方便统一管理
注2:执行后会有一些信息需要填写,可以不填,都敲回车,用系统默认的即可,大概5个吧)
3、用gedit打开etc下的sudoers文件
sudo gedit /etc/sudoers
4、在 root ALL=(ALL) ALL 下面添加如下一行,然后保存关闭gedit
hadoop ALL=(ALL) ALL
(注1:网上有文档上是说先切换到root用户,然后修改sudoers的权限,再打开添加
hadoop ALL=(ALL) ALL ,然后再将权限改回为只读,这样就要特别注意一
定要将权限改回为只读,不然“sudo”命令就无法使用了,很悲剧的说
注2:添加 hadoop ALL=(ALL) ALL 的意义在于能让hadoop用户使用“sudo”命令
)
配置阶段:
1、配置环境变量
1、用gedit打开etc下的profile文件
sudo gedit /etc/profile
2、在文件最后加入如下几行
export CLASSPATH=.:/usr/Java/jdk1.6.0_23/lib:/usr/Java/jdk1.6.0_23/jre/lib:$CLASSPATH
export PATH=.:/usr/Java/jdk1.6.0_23/bin:/usr/Java/jdk1.6.0_23/jre/bin:/usr/local/hadoop/bin:$PATH
(注1:以上所有jre项都不是必需的,可以不要
注2:在win中环境变量的值是以“;”号隔开的,而这里是“:”
注3:等号后面有个“.”别丢了,它表示当前目录)
3、保存后关闭gedit,并重启机器
sudo reboot
(注:网上也有说用source命令使环境变量立即生效的,但是本人在
实际操作时出了几次问题,所以建议重启机器最保险)
4、重启后用hadoop用户登录,验证配置是否成功
java -version (此语句执行后如显示了jdk版本的话说明配置成功,如果没有则需检查profile中路径是否正确)
(注:最好是用hadoop用户登录,因为以下步骤都是以此为前提的)
2、创建ssh-key
1、确保网络通畅,然后装载ssh服务
sudo apt-get install openssh-server
(注:如果此语句执行失败且结果为“....包被占用”的话,那么应该是ubuntu的“更新管理器”正在后台更新,你可以选择等待或者关闭更新,更新管理器在“系统”菜单中,具体位置忘了.....)
2、创建ssh-key,为rsa (网上文档中也有dsa的)
ssh-keygen -t rsa --P
(注1:此语句网上文档为 ssh-keygen -t rsa -P "" ,效果一样
注2:此语句执行后会要你填写key的保存位置,直接照着系统给出的那个默认位置填,也就是括号里的那个路径,如果全都照此文档操作的话那么括号中路径应该为"/home/hadoop/.ssh/id_rsa")
3、将此ssh-key添加到信任列表中,并启用此ssh-key
cat /home/hadoop/.ssh/id_rsa.pub >> /home/hadoop/.ssh/authorized_keys
sudo /etc/init.d/ssh reload
3、配置hadoop
1、进入到hadoop目录下,配置conf目录下的hadoop-env.sh中的JAVA_HOME
cd /usr/local/hadoop
sudo gedit conf/hadoop-env.sh
(打开后在文档的上部某行有“#export JAVA_HOME=...”字样的地方,去掉“#”,
然后在等号后面填写你的jdk路径,完全按此文档来的话应改为 "export JAVA_HOME=/usr/Java/jdk1.6.0_23" )
2、配置conf目录下的core-site.xml
sudo gedit conf/core-site.xml
(打开后标签<configuration> </configuration>中是空的,所以在空的地方加入如下配置)
<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/tmp</value>
</property>
3、配置conf目录下的mapred-site.xml
sudo gedit conf/mapred-site.xml
(打开后标签<configuration> </configuration>中也是空的,添加如下配置)
<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property>
运行测试阶段:
1、格式化namenode (首次运行必需滴)
1、保证此时在hadoop目录下,如不在请先进入hadoop目录
cd /usr/local/hadoop
2、格式化namenode
hadoop namenode -format
2、启动hadoop
1、修改hadoop文件夹的权限,保证hadoop用户能正常访问其中的文件
sudo chown -hR hadoop /usr/local/hadoop
2、启动hadoop
bin/start-all.sh
3、验证hadoop是否正常启动
jps
(此语句执行后会列出已启动的东西NameNode,JobTracker,SecondaryNameNode...如果NameNode没有成功启动的话就要先执行"bin/stop-all.sh"停掉所有东西,然后重新格式化namenode,再启动)
3、跑wordcount
1、准备需要进行wordcount的文件
sudo gedit /tmp/test.txt
(打开后随便输入一些内容,如"mu ha ha ni da ye da ye da",然后保存退出)
2、将准备的测试文件上传到dfs文件系统中的firstTest目录下
hadoop dfs -copyFromLocal /tmp/test.txt firstTest
(注:如dfs中不包含firstTest目录的话就会自动创建一个,关于查看dfs文件系统中已有目录的指令为"hadoop dfs -ls")
3、执行wordcount
hadoop jar hadoop-mapred-example0.21.0.jar wordcount firstTest result
(注:此语句意为“对firstTest下的所有文件执行wordcount,将统计结果输出到result文件夹中”,若result文件夹不存在则会自动创建一个)
4、查看结果
hadoop dfs -cat result/part-r-00000
(注:结果文件默认是输出到一个名为“part-r-*****”的文件中的,可用指令“hadoop dfs -ls result”查看result目录下包含哪些文件)
至此单节点环境搭建完成!
集群搭建请参见:
http://vampire1126.iteye.com/blog/891735
分享到:
相关推荐
### hadoop集群搭建——JDK的安装 #### 实验背景及目标 在部署Hadoop集群的过程中,第一步往往是安装Java Development Kit (JDK),因为Hadoop是基于Java开发的,因此在集群上的每个节点都需要安装JDK。本实验旨在...
需要注意的是,Hadoop支持三种运行模式:单机单节点模式、单机多节点的伪分布模式和多机多节点分布模式。 二、Hadoop和Eclipse的结合 Hadoop可以与Eclipse集成,以便于项目的开发和调试。首先,需要下载Eclipse,...
### Hadoop环境配置详解——单机集群篇 #### 一、引言 随着大数据时代的到来,Hadoop作为处理海量数据的利器,其重要性不言而喻。本文旨在详细介绍如何在虚拟机上安装Hadoop环境,并搭建单机集群。通过图文并茂的...
本压缩包文件“Hadoop平台搭建方案_hadoop_源码.zip”包含了搭建Hadoop环境所需的详细步骤和源代码,对于学习和实践Hadoop的初学者或开发者来说,是一份宝贵的资源。 首先,我们来探讨Hadoop的核心组件: 1. ...
在本文中,我们将深入探讨如何搭建一个Hadoop完全分布式环境,这是Hadoop篇的第二部分。Hadoop是一个开源的分布式计算框架,它允许在大规模集群上处理和存储大量数据。本文将介绍如何配置和部署Hadoop的各个组件,...
首先,我们来看任务1——Hadoop集群的部署。这一步至关重要,因为它为整个大数据处理系统提供了基础架构。在虚拟机中安装Ubuntu Kylin 16.04.4是常见的选择,因为这是一个稳定且支持Hadoop的Linux发行版。安装完成后...
在Windows环境下搭建Hadoop 3.1.0的分布式文件系统需要解决一个重要依赖——WinUtils。这个组件是Hadoop在Windows上运行所必需的,因为Hadoop原本是为Linux环境设计的,它的一些核心功能,如文件操作和本地进程管理...
本实验旨在理解Hadoop分布式计算的基本原理,并熟悉Hadoop集群的搭建与管理。 ### 一、实验内容 **WordCount应用** 是Hadoop平台上的一个基础示例,它统计输入文件中的每个单词出现的次数。例如,输入文件包含...
本教程将详细介绍如何搭建Hadoop集群以及安装和使用Hive。 首先,我们来了解Hadoop集群的搭建步骤: 1. **环境准备**:确保所有节点的操作系统一致,通常选择Linux发行版,如Ubuntu或CentOS。安装Java开发套件...
1. **NameNode HA**:Hadoop 2.0引入了NameNode HA机制,该机制支持两个NameNode实例——一个是处于活动状态的Active NameNode,另一个是处于备用状态的Standby NameNode。Active NameNode负责提供服务,而Standby ...
在搭建Hadoop大数据处理环境的过程中,首先需要了解的是Hadoop运行的基础——Linux操作系统。Hadoop通常在Linux环境下运行,因为其分布式特性和稳定性。对于初学者,通常会在虚拟机上搭建Linux环境,例如使用VMware ...
本文将针对Hadoop的两种主要运行模式——本地模式和伪分布式模式,以及它们的搭建过程进行详细讲解,以帮助初学者更好地理解和掌握Hadoop。 **一、Hadoop运行模式** 1. **单机(非分布式)模式** 在单机模式下,...
不过,通过使用特定的工具,如winutils.exe和hadoop.dll,Windows用户也能顺利搭建Hadoop环境。下面我们将详细探讨这两个关键组件以及如何在Windows 10系统上配置Hadoop。 首先,winutils.exe是Hadoop在Windows系统...
1. **Hadoop安装与配置**:如何在本地或者集群环境中搭建Hadoop环境,包括配置Hadoop的环境变量、初始化HDFS、启动和停止Hadoop服务等。 2. **HDFS操作**:理解HDFS的工作原理,包括数据块、副本策略、命名节点和...
本篇文章将详细阐述如何部署Hadoop 3.2.0,并探讨与之相关的Eclipse插件及其在本地测试中的应用。 首先,我们来了解Hadoop的核心组件:HDFS(Hadoop Distributed File System)和MapReduce。HDFS是Hadoop的数据存储...
Hadoop还包括一个分布式文件系统——Hadoop Distributed File System(HDFS),用于在大规模计算机集群上存储数据。 **MapReduce计算模型** MapReduce是一种处理和生成大数据集的编程模型,由Google提出,被Hadoop...
总之,搭建基于虚拟机集群的Hadoop 2.7.1涉及到多个层面的配置,包括环境设置、节点角色分配、服务配置等。通过正确配置上述文件,我们可以创建一个能够处理大量数据的分布式计算平台。这个过程不仅锻炼了对Hadoop的...
本指南将详细介绍如何在基于 Hadoop 2.6.0 的环境中搭建 Spark 1.3.1 平台,以实现高效的数据处理。 首先,我们需要进行虚拟化环境的准备。这里推荐使用 VMware Workstation 11 作为虚拟化软件,它为开发和测试提供...