280亿条大数据处理实战——(三)环境安装

此节主要讲述 hdfs 的基本使用和 Spark 编译及其遇到的坑。

一、Spark编译

编译 spark 是个很复杂的过程。

1、编译方法

（1）方式一(推荐使用此种方法)：使用 make-distribution.sh 进行编译：

在 $SPARK_HOME 目录下，输入并允许如下命令：

./dev/make-distribution.sh --name 2.6.0-cdh5.7.0 --tgz 
-Phadoop-2.6 -Phive -Phive-thriftserver 
–Dhadoop.version=2.6.0-cdh5.7.0

（2）方式二：使用 Maven 单独编译时：

在命令行输入如下命令：

2、编译出现的问题

这次编译出现了 N 多问题，搞了大半个月终于成功了，然后就把这个编译成功的源码一直保留着，下次再其他地方都用这个。感觉改其他的环境比重新编译 Spark 源码要容易。当然有时候编译时一次就编译通过了，这个还有时候看人品。

（1）出现如下错误

错误中所指网址如下所示：

大概意思是Maven有问题，当在使用插件时未给出明确版本并且Maven未能确定此插件的最新版本时出错。但是我改了下pom.xml文件，修改了hadoop版本为我电脑安装的版本，一点效果都没有，还是一样的错误呀！！！

解决方法：注释掉/home/hadoop/source/spark-2.1.0/dev/make-distribution.sh其中几段语句！！！

（2）出现如下问题是需要改为阿里巴巴镜像仓库：

解决办法：改用阿里巴巴镜像仓库；

在maven安装目录的conf目录下的setting.xml里面添加如下：

（3）出现如下错误：

maven 编译出错 Failed to execute goal org.apache.maven.plugins:maven-clean-plugin:2.5:clean

解决方法：一般是由于启动了另一个tomcat进程或者运行了多个shell.exe进程。直接关掉前面那个shell cmd即可。

（4）编译时出现各种问题（之前是记录在 word 里面的，后面拷贝到这里格式好像有点乱）

bug一：

bug 二：

bug 三：

在 spark 目录下，在 pom.xml 里面的添加如下：

<repository>
    <id>cloudera</id>
    <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
</repository>

还是不行，然后把spark文件重新官网下载，重新解压缩包，还是各种出问题，查了各种网站，还是各种不行。

最后没办法，修改了jdk的版本和maven版本，然后在/home/hadoop/spark-2.1.0/pom.xml文件添加编译所需的cloudera软件包依赖:<参考博客https://blog.csdn.net/panguoyuan/article/details/74330519?utm_source=blogxgwz8>

<repository>
  <id>cloudera-repo</id>
  <name>Cloudera Repository</name>
  <url>https://repository.cloudera.com/artifactory/cloudera-repos</url>
  <releases>
    <enabled>true</enabled>
  </releases>
  <snapshots>
    <enabled>false</enabled>
  </snapshots>
</repository>
 
<profile>
  <id>cdh5.7.0</id>
  <properties>
    <hadoop.version>2.6.0-cdh5.7.0</hadoop.version>
    <hbase.version>1.2.4-cdh5.7.0</hbase.version>
    <zookeeper.version>3.4.5-cdh5.7.0</zookeeper.version>
  </properties>
</profile>

（怀疑原先是没有添加下面的 profile依赖导致了错误。）

然后先编译：mvn -Pyarn -Dhadoop.version=2.6.0-cdh5.7.0 -Phive -Phive-thriftserver -DskipTests clean package

此步骤成功编译完，但是没有生成可执行的软件包，按如下步骤生成：

(1)修改make-distribution.sh脚本

在/home/hadoop/source/spark-2.1.0/dev/make-distribution.sh文件下，注释掉"${BUILD_COMMAND[@]}"

(2)开始构建：在spark-2.1.0目录下运行：

./dev/make-distribution.sh --name 2.6.0-cdh5.7.0 --tgz  -Pyarn -Phadoop-2.6 -Phive -Phive-thriftserver -Dhadoop.version=2.6.0-cdh5.7.0

 

最后终于编译成功，且生成了编译成功后的 spark 压缩包 spark-2.1.0-bin-2.6.0-cdh5.7.0.tar（下载地址https://download.csdn.net/download/ocean111best/11084912）

 

总结：编译过程可能遇到很多问题，尝试把jdk版本和maven版本升高一些，编译完成功一个后可以一直留着，下次在其他地方改其他的环境。

 

二、hdfs 基本使用

首先启动 hadoop，然后它的基本操作如下：

hdfs dfs 或者hadoop fs

1、创建文件：vi  hello.txt

2、查看文件：cat  hello.txt

3、查看hadoop根目录文件：hadoop  fs  -ls  /

4、将文件上传到hadoop中：hadoop  fs  -put  hello.txt  /

5、查看内容：hadoop  fs  -text  /hello.txt

6、创建文件夹：hadoop  fs  -mkdir  /test

7、创建递归文件夹：hadoop  fs  -mkdir  -p  /test/a/b

8、查看目录：hadoop  fs  -ls  /test

9、将本地的hello.txt拷贝到hadoop指定文件夹下，并重命名：hadoop  fs  -copyFromLocal  hello.txt  /test/a/b/h.txt

10、递归查看所有的文件：hadoop  fs  -ls  -R  /

11、查看内容：hadoop  fs  -cat  /test/a/b/h.txt

12、将HDFS里的内容拷贝到本地当前目录：hadoop  fs  -get  /test/a/b/h.txt  h.txt

13、删除文件(无法删除文件夹)：hadoop  fs  -rm  /hello.txt

14、删除文件夹：hadoop  fs  -rm  -R  /test