1. 目的
本文档介绍如何设置和配置单节点Hadoop安装,以便您可以使用 Hadoop MapReduce 和 Hadoop 分布式文件系统(HDFS)快速执行简单操作。
2.先决条件
2.1 支持的平台
- 支持GNU / Linux作为开发和生产平台。 Hadoop已经在具有2000个节点的GNU / Linux集群上进行了演示。
- Windows 也是一个支持的平台,但以下步骤仅适用于Linux。 要在 Windows 上设置 Hadoop ,请参阅 Wiki页面。
2.2 所需软件
所需的Linux软件包括:
1. Java™ 必须安装。 推荐的 Java 版本在 HadoopJavaVersions 中描述。
2. 如果要使用可选的启动和停止脚本,则必须安装 ssh,并且必须运行 sshd 才能使用管理远程 Hadoop 守护程序的 Hadoop 脚本。 此外,建议安装 pdsh 以获得更好的 ssh 资源管理。
2.3 安装软件
如果你的集群没有必要的软件,你需要安装它。
例如在 Ubuntu Linux上:
$ sudo apt-get install ssh
$ sudo apt-get install pdsh
3. 下载
要获得Hadoop发行版,请从其中一个 Apache 下载镜像 下载最新的稳定版本。
4. 准备启动Hadoop集群
解压下载的Hadoop发行版。 在发行版中,编辑文件
etc / hadoop / hadoop-env.sh
来定义一些参数,如下所示:
# set to the root of your Java installation
export JAVA_HOME=/usr/java/latest
尝试以下命令:
$ bin/hadoop
这将显示hadoop脚本的使用文档。
现在您已准备好以三种受支持模式之一启动Hadoop集群:
5. 独立操作
默认情况下,Hadoop 被配置为以非分布模式运行,作为单个Java进程。 这对调试很有用。
以下示例将解压后的 conf 目录复制为输入,然后查找并显示给定正则表达式的每个匹配项。 输出写入给定的输出目录。
$ mkdir input
$ cp etc/hadoop/*.xml input
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.0.jar grep input output 'dfs[a-z.]+'
$ cat output/*
6. 伪分布式操作
Hadoop 也可以在伪分布模式下的单节点上运行,其中每个 Hadoop 守护进程都在单独的Java进程中运行。
6.1 配置
使用以下内容:
etc/hadoop/core-site.xml:
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
etc/hadoop/hdfs-site.xml:
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
6.1 设置 passphraseless ssh
现在检查您是否可以在没有密码的情况下ssh到本地主机:
$ ssh localhost
如果您不能在没有密码的情况下ssh到本地主机,请执行以下命令:
$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ chmod 0600 ~/.ssh/authorized_keys
6.1 执行
以下说明是在本地运行MapReduce作业。 如果要在YARN上执行作业,请参阅 单节点上的YARN。
- 格式化文件系统:
$ bin/hdfs namenode -format
- 启动NameNode守护进程和DataNode守护进程:
$ sbin/start-dfs.sh
hadoop 守护进程日志输出被写入$ HADOOP_LOG_DIR
目录(默认为 $ HADOOP_HOME / logs
)。
3. 浏览NameNode的Web界面; 默认情况下它可用于:
NameNode - http://localhost:9870/
- 制作执行MapReduce作业所需的HDFS目录:
$ bin/hdfs dfs -mkdir /user
$ bin/hdfs dfs -mkdir /user/<username>
- 将输入文件复制到分布式文件系统中:
$ bin/hdfs dfs -mkdir input
$ bin/hdfs dfs -put etc/hadoop/*.xml input
- 运行一些提供的示例:
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.0.jar grep input output 'dfs[a-z.]+'
- 检查输出文件:将输出文件从分布式文件系统复制到本地文件系统并检查它们:
$ bin/hdfs dfs -get output output
$ cat output/*
或者,查看分布式文件系统上的输出文件:
$ bin/hdfs dfs -cat output/*
- 当你完成后,停止守护进程:
$ sbin/stop-dfs.sh
6.1 YARN在单个节点上
另外,您可以通过设置几个参数并运行 ResourceManager 守护进程和 NodeManager 守护进程,以伪分布模式在 YARN 上运行 MapReduce 作业。
以下说明假设已经执行了上述指令的1〜4个步骤。
- 配置参数如下:
etc/hadoop/mapred-site.xml:
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
<configuration>
<property>
<name>mapreduce.application.classpath</name>
<value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value>
</property>
</configuration>
etc/hadoop/yarn-site.xml:
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.env-whitelist</name>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
</property>
</configuration>
- 启动ResourceManager守护进程和NodeManager守护进程:
$ sbin/start-yarn.sh
3.浏览ResourceManager的Web界面; 默认情况下它可用于:
ResourceManager - http://localhost:8088/
4.运行MapReduce作业
5. 当你完成后,停止守护进程:
$ sbin/stop-yarn.sh
7. 全分布式操作
有关设置完全分布的非平凡集群的信息,请参阅 集群设置。