🌟欢迎来到 我的博客 —— 探索技术的无限可能!
大数据实战平台环境搭建
一、创建 Hadoop 用户
1、创建 Hadoop 用户,输入最开始的密码
图1:创建 Hadoop 用户
打开Ubuntu终端Terminal运行sudo useradd -m hadoop -s /bin/bash用于创建用户,系统需要等待我们输入密码(注意的是Ubuntu终端输入密码是不会显示的)。输入完密码后重新弹出nuyoah@nuyoah-VirtualBox:-$这个才算创建成功。
2、设置Hadoop账户密码
图2:设置Hadoop账户密码
在Ubuntu终端输入sudo passwd hadoop为Hadoop账号设置账号密码,通过输入和确认密码完成对于Hadoop账号密码的设置。
3、赋权
图3:为Hadoop用户赋权
在Ubuntu终端输入sudo adduser hadoop sudo为Hadoop用户赋权
二、更新apt和安装Vim编辑器
1、切换Hadoop用户,并输入密码
图4:切换Hadoop用户,并输入密码
在Ubuntu终端输入su hadoop切换成hadoop用户。
(必须切换到hadoop用户,不然后面会有问题。)
2、更新 apt
图5:更新apt
首先要确认已经切换到了hadoop用户,接着在终端输入sudo apt-get update使得hadoop用户更新apt,为接下来下载vim做准备。
3、安装 vim 编辑器
图6:安装vim编译器
在终端输入sudo apt-get install vim下载vim编译器。(vim编译器的作用:创建、维护或修改文本文件,维护Linux系统中的各种配置文件。)
当出现Do you want to continue?的时候需要我们输入y进行确认。(这里大小写都可以。)
图7:vim编译器安装完成
三、安装 SSH 和配置 SSH 无密码登录
1、安装 SSH 服务端
图8:安装 SSH 服务端
在终端输入sudo apt-get install openssh-server安装openssh。(OpenSSH 是 SSH (Secure SHell) 协议的免费开源实现OpenSSH提供了服务端后台程序和客户端工具,用来加密远程控制和文件传输过程中的数据,并由此来代替原来的类似服务。)
当出现Do you want to continue?的时候需要我们输入y进行确认。(这里大小写都可以。)
图9: SSH 服务端安装完成
2、登录本机
图10:登录本机
在终端输入ssh localhost请求登录本机。注意这里的确认要填的是yes。
图11:输入hadoop用户密码
图12:成功登录本机
3、配置无密码登录
图13:退出openssh并进去ssh文件夹
在终端输入exit退出openssh,当出现Connection to localhost closed.表示成功退出openssh。接着在终端输入cd ~/.ssh/进入ssh文件夹内。
图14:生成密钥并保存
在终端输入ssh-keygen -t rsa生成密钥,接着要等相关指令出来后按enter回车键(一共三次)。完成后我们能看到密钥和公钥都保存在了/home/hadoop/.ssh/里面。
图15:查看/.ssh下的文件
在终端输入ll查看/.ssh下的所有文件,确保密钥和公钥都保存在了这里。
4、确认配置成功
图16:确认配置成功
在终端输入cat ./id_rsa.pub >> ./authorized_kays加入授权,接着输入ssh localhost测试无密码登录ssh,最后输入exit退出ssh。
四、安装 Java
1、拖拽安装包到 downloads
图17:将下载好的安装包拖拽到 Downloads
图18:成功拖拽安装包到 Downloads
2、Hadoop用户下进入Downloads文件夹
图19:查看Downloads文件夹位置
注意要在Hadoop用户下进入Downloads。(在Ubuntu终端输入su hadoop切换成hadoop用户。)
我这里是将安装包保存在nuyoah/Downloads下。(注意nuyoah是我最开始设置的用户名)通过终端输入ll查看downloads文件夹位置。
图20:进入Downloads文件夹
进入Downloads文件夹后,在终端输入ll确认Downloads文件夹有刚刚拖进来的安装包。
3、创建jvm文件夹
图21:创建jvm文件夹
在终端输入sudo mkdir /usr/lib/jvm创建jvm文件夹。(出现Permission denied错误表示要在指令前加“sudo”。)
4、将:JDK安装包复制到 jvm 文件夹下
图22:将:JDK安装包复制到 jvm 文件夹
在终端输入sudo cp jdk-8u211-linux-x64.gz /uer/lib/jvm复制JDK安装包到 jvm 文件夹,其中sudo是给权限,cp是复制,jdk-8u211-linux-x64.gz是要复制的文件名,/uer/lib/jvm是要复制到的路径。在终端输入cd /uer/lib/jvm以及ll到目标文件夹下查看是否完成复制。
5、解压
图23:解压jdk
在终端输入sudo tar -zxvf ./jdk-8u211-linux-x64.gz -C /uer/lib/jvm解压指令对jdk文件解压。(-zxvf :z代表gzip的压缩包;x代表解压;v代表显示过程信息;f代表后面接的是文件)
需要记住jdk1.8.0_211/这个文件夹,后面环境配置时需要。
图24:解压完成
图25:确认解压是否成功
在终端输入cd jdk1.8.0_211/进入该文件夹确认解压是否成功,如果该文件夹为空则前面某一步有问题导致解压不成功,反之则为解压成功。
6、配置环境变量
图26:进入环境变量配置
在终端输入cd …返回上一级文件夹,再输入vim ~/.bashrc进入环境变量配置。
图27:进入环境变量
进入环境变量,此时补课编辑,只可查看。需要按“i”进入 insert 模式。
图28:配置环境变量
图29:按 ESC 保存,然后 shift+:wq
按 ESC 保存,然后 shift+:wq退出环境配置。
图30:确认jdk安装成功
在终端输入source ~/.bashrc激活刚刚配置的环境变量,接着在终端输入java -version查看java版本,确认jdk安装成功。
五、安装单机 Hadoop
1、确认文件及文件夹
图31:确认文件及文件夹
在终端进入Downloads文件夹确认hadoop的安装包在该文件夹内。
2、解压安装包到/usr/local下
图32:解压安装包到/usr/local
在终端输入sudo tar -zxvf hadoop-3.1.3.tar.gz -C /uer/local解压指令对hadoop文件解压。(-zxvf :z代表gzip的压缩包;x代表解压;v代表显示过程信息;f代表后面接的是文件)
图33:解压完成
Hadoop安装包解压完成,其中hadoop-3.1.3/是解压后的文件夹的名称。
3、修改目录名及目录权限
图34:修改目录名及目录权限
在终端输入cd /uer/local进入local文件夹,通过ll查看改文件夹内的文件。为了方便,通过输入sudo mv ./hadoop-3.1.3/ ./hadoop将文件夹hadoop-3.1.3的名字改成了hadoop。通过输入sudo chown -R hadoop ./hadoop修改权限。
4、查看版本信息
图35:查看版本信息
在终端输入cd hadoop/进入hadoop文件夹,再输入./bin/hadoop version查看版本信息。
5、测试
图36:复制文件到新建文件夹input内
在终端输入mkdir input新建文件夹input,接着输入cp ./etc/hadoop/.xml ./input(其中.xml代表所有的.xml文件),此行目的是将uer/local/hadoop/etc/hadoop下的所有的.xml文件复制到input文件夹内。
通过cd input进入input文件夹我们确认了复制成功。
图37:测试
在终端输入./bin/hadoop jar /usr/loacl/hadoop/share/hadoop/mapreduce/
hadoop-mapreduce-examples-3.1.3.jar grep ./input ./output 'dfs[a-z.]+'测试指令进行测试。
图38:测试完成
测试完成,在终端输入cat ./output/*查看输出数据。
六、Hadoop 伪分布式安装
1、修改配置文件(在etc/hadoop下)
图39:查看要修改的配置文件
通过终端cd etc/hadoop进入etc/hadoop查看要修改的配置文件。通过查看得知需要配置core-site.xml和hdfs-site.xml两个文件夹。
在终端输入vim core-site.xml使用vim编辑器配置。
图40:进入core-site.xml
图41:core-site.xml配置完成
2、配置
图42:配置hdfs-site.xml
在终端输入vim hdfs-site.xml使用vim编辑器配置。
图43:进入hdfs-site.xml
图44:hdfs-site.xml配置完成
3、初始化
图45:初始化
在终端输入cd /usr/local/hadoop回到/usr/local/hadoop文件夹,再输入bin/hdfs namenode -format进行初始化。
图46:初始化成功
4、启动 hdfs
图47:启动hdfs
在终端输入./sbin/start-dfs.sh启动hsfd,再输入jsp查看java进程。
5、查看 Hadoop(用 Browser)
图48:用 Browser查看 Hadoop
注意这里要用Ubuntu自带的浏览器,地址为:http://localhost:9870
6、创建Hadoop用户的用户目录及input目录
图49:创建 Hadoop 用户的用户目录及 input 目录
在终端输入./bin/hdfs dfs -mkdir -p /usr/hadoop创建Hadoop用户的用户目录,在终端输入./bin/hdfs dfs -mkdir input创建Hadoop用户的input目录。(其中./bin/hdfs dfs是指令前缀,后面是正常的Ubuntu指令。)
7、将本地配置文件夹上传到分布式文件系统
图50:将本地配置文件夹上传到分布式文件系统
在终端输入bin/hdfs dfs -put ./etc/hadoop/.xml input将本地配置文件夹上传到分布式文件系统.(bin/hdfs dfs是指令前缀,-put是命令,./etc/hadoop/.xml是源,input是目标。)
8、测试demo
图51:测试demo
在终端输入./bin/hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/
hadoop-mapreduce-examples-3.1.3.jar grep input output 'dfs[a-z.]+'测试指令进行测试。
注意这里和单机hadoop测试不一样的地方是这里后面是input output,单机时是./input ./output。
图52:测试完成
9、查看结果
图53:查看测试结果
在终端输入.bin/hdfs dfs -cat output/*查看测试结果。
10、关闭 hdfs
图54:删除output目录
在终端输入.bin/hdfs dfs -rm -r output删除output目录。(每次执行都要吧上一次的output删除,测试过应该是底层写死的无法修改)
图55:关闭hdfs
在终端输入./sbin/stop-dfs.sh停止执行hdfs。
七、HDFS常用命令
(1)功能:显示
指定的文件的详细信息。
hadoop fs -1s。 (2)功能:1s 命令的递归版本。
hadoop fs -1s -R。 (3)功能:将
指定的文件的内容输出到标准输出 (stdout )。
hadoop fs -cat。 (4)功能:将
指定的文件所属的组改为group,使用-R对 指定的文件夹内的文件进行递归操作。这个命令只适用于超级用户。
hadoop fs -chgrp [-RJgroup。 (5)功能:改变
指定的文件所有者,-R 用于递归改交文件夹内的文件所有者。这个命令只适用于超级用户。
hadoop fs-chown [-R] [owner][ :[group]]。 (6)功能:将
指定的文件的权限更改为。这个命令只适用于超级用户和文件所有者。
hadoop fs -chmod [- R]。 (7)功能:将
指定的文件最后 1KB 的内容输出到标准输出 (stdout)上,一f选项用于持续检测新添加到文件中的内容。
hadoop fs -tail [-f]。 (8)功能:以指定的格式返回
指定的文件的相关信息。当不指定format 的时候,返回文件 的创建日期。
hadoop fs -stat [format]。 (9)功能:创建一个
指定的空文件。
hadoop fs -touchz。 (10)功能:创建指定的一个或多个文件夹,-p选项用于递归创建子文件夹。
hadoop fs -mkdir [-p] 。(11)功能:将本地源文件复制到路径指定的文件或文件夹中。
hadoop fs -copy FromLocal 。(12)功能:将日标文件复制到本地文件或文件夾中,可用-ignorearc 选项复制CRC
校验失败的文件,使用-crc选项复制文件以及 CRC信息。
hadoop ts -copyToLocal [-ignorecrc][-crc] 。(13)功能:将文件从源路径复制到日标路径。
hadoop fs -cp 。(14)功能:显示
指定的文件或文件夾中所有文件的大小。
hadoop fs -du。 (15)功能:清空回收站.
hadoop fs -expunge。(16)功能:复制指定的文件到本地文件系统-指定的文件或文件夹,可用-ignorecrc 选项复制 CRC
校验失败的文件,使用-crc 选项复制文件以及 CRC信息。
hadoop fs-get [ignorecrc] [-crc] 。(17)功能:对指定的源目录中的所有文件进行合并,写入指定的本地文件。-nl
是可选的,用于指定在每个文件结尾添加一个换行符。
hadoop fs -getmerge [-nl] 。(18)功能:以本地文件系统中复制<1ocalsrc>指定的单个或多个源文件到指定的目标文件系统中,也支持从标准输人(stdin
)中读取输人并写人目标文件系统。
hadoop fs-put 。(19)功能:与put 命令功能相同,但是文件上传结束后会从本地文件系统中删除指定的文件。
hadoop fs-moveFromLocal 。(20)功能:将文件从源路径移动到目标路径
hadoop fs -mv 。(21)功能:删除
指定的文件,只删除非室日录和文件。
hardoop 1s -rm。 (22)功能:除
指定的文什实及其下的所有文件,-r选项表示删除子目录。
hadop fs -rm -r。 (23)功能:改变
指定的文件的副本系数,-R 选项用于递归政变目录下所有文件的副本系数。
hadoop fs-setrep [-R]。 (24)功能:检查
指定的文什或文件夾的相关信息。不同选项的作用如下。
hadoop fs -test -[ezd]。 ①-e检查文件是否存在,如果存在则返回0,否则返回 1。 ②-z检查文件是否是 0字节,如果是则返回 0,否则返回1。 ③ -d如果路径是个日录,则返回1,否则返回 0。 (25)功能:将
指定的文什输出为文木格式,文件的格式世允许是zip和TextRecordinputStream 等
hadoop ts -text。 (26)查看帮助
hdfs dfs -help
(27)查看当前目录信息
hdfs dfs -ls /
(28)上传文件
hdfs dfs -put /本地路径 /hdfs路径
(29)剪切文件
hdfs dfs -moveFromLocal a.txt /aa.txt
(30)下载文件到本地
hdfs dfs -get /hdfs路径 /本地路径
(31)合并下载
hdfs dfs -getmerge /hdfs路径文件夹 /合并后的文件
(32)创建文件夹
hdfs dfs -mkdir /hello
(33)创建多级文件夹
hdfs dfs -mkdir -p /hello/world
(34)移动hdfs文件
hdfs dfs -mv /hdfs路径 /hdfs路径
(35)复制hdfs文件
hdfs dfs -cp /hdfs路径 /hdfs路径
(36)删除hdfs文件
hdfs dfs -rm /aa.txt
(37)删除hdfs文件夹
hdfs dfs -rm -r /hello
(38)查看hdfs中的文件
hdfs dfs -cat /文件
hdfs dfs -tail -f /文件
(39)查看文件夹中有多少个文件
hdfs dfs -count /文件夹
(40)查看hdfs的总空间
hdfs dfs -df /
hdfs dfs -df -h /
(41)修改副本数
hdfs dfs -setrep 1 /a.txt
八、HDFS实验之通过JAVA-API访问HDFS
1、Hadoop用户下进入Ubuntu
图56:Hadoop用户下进入Ubuntu
2、把eclipse拖到/home/hadoop/Downloads下
图57:把eclipse拖到/home/hadoop/Downloads下
3、检查一下是不是整个Ubuntu都在hadoop用户下,是的话,解压到/uer/local
图58:确认是在hadoop用户下
在终端输入whoami,当出现hadoop表示现在是在hadoop用户下进行的操作(确保后面的操作能正常进行)。
进入Downloads查询当前文件夹所有文件,看eclipse安装包是否存在。
图59:解压eclipse安装包
在终端输入sudo tar -zxvf ./eclipse-4.7.0-linux.tar.gz -C /usr/local解压eclipse安装包。
图60:解压eclipse安装包完成
4、cd到解压后的文件夹/usr/local/eclipse,启动eclipse(启动指令./eclipse)
图61:检查解压情况
在终端cd到文件夹/usr/local内,查看是否有eclipse文件夹,如果有则解压成功。
图62:启动eclipse
在终端输入启动指令./eclipse启动eclipse。
5、默认workspace(这里必须是Hadoop用户下,如果是个人用户名下,就代表前面错误,你不是在Hadoop下完成的操作,会显示没有java路径)
图63:默认workspace
默认workspace点击launch进入下一步。
6、启动成功
图64:启动eclipse成功
7、新建工程后选择java project,然后next
图65:新建工程
8、输入工程名称,其他默认即可,然后点击next
图66:输入新建的工程名称
9、点击libraries,添加jar包,添加完成后点击finish
图67:添加jar包
图68:添加jar包
选择add external jars进行添加jar包。
图69:添加jar包
图70:添加jar包
图71:添加第一个路径的jar包
注意路径,一般进来会直接选中第一个文件夹,这个时候需要取消选中在选择需要的jar包。
图72:添加第一个路径的jar包成功
图73:添加第二个路径的jar包
图74:添加第三个路径的jar包
图75:添加第四个路径的jar包
图76:4个路径的jar包添加完成
10、出现如下框点击open perspective
图77:点击open perspective
11、右键→New→class
图78:右键→New→class
12、右键→New→class
图79:给新建class起名
13、创建成功后出现如下界面,输入案例代码
图80:创建成功
图81:输入案例代码
图82:运行主程序
图83:出现报错
运行主程序后报错,说明程序有问题,经过检查发现需要改代码以及放入文件。
图84:将7个文件复制到hadoop的Downloads内
图85:启动hdfs
在终端输入./sbin/start-dfs.sh启动hsfd。
图86:将file1.txt上传到分布式文件系统
在终端输入bin/hdfs dfs -put /home/hadoop/Downloads/file.txt input将file1.txt上传到分布式文件系统.(bin/hdfs dfs是指令前缀,-put是命令,/home/hadoop/Downloads/file.txt是源,input是目标。)
通过bin/hdfs dfs -ls input查看刚刚是否成功将file1.txt上传到分布式文件系统。
图87:将剩下的6个文件上传到分布式文件系统
重复刚刚的指令,将源改成对应的文件名,将file2.txt,file3.txt,file4.txt,file5.txt,file4.abc,file5.abc六个文件上传到分布式文件系统。
图88:查看是否成功将文件上传到分布式文件系统
通过bin/hdfs dfs -ls input查看是否成功将文件上传到分布式文件系统。
图89:打开eclipse
cd到/usr/local/eclipse,通过指令./eclipse启动eclipse(注意要在启动hdfs后再启动eclipse)。
图90:修改程序并运行
经过检查代码,我发现在主函数里面的第二行"hdfs://localhost:9000/user/hadoop/"的后面少了input,加上input后运行程序便能出现输出文件的结果,但是有个问题出现,输出的只过滤掉了.abc文件,还有.xml文件没有过滤掉。
图91:对程序进行理解
通过对于代码的了解,我知道了PathFilter 接口里面的accept方法可以过滤掉文件名满足特定条件的文件。以及可以通过FileStatus[] sourceStatus = fsSource.listStatus(inputPath,new MyPathFilter(“.*\.abc”)); 来过滤掉输入目录中后缀为.abc的文件。
图92:修改程序并输出所需结果
我将PathFilter 接口里面的accept方法进行了修改,把false与true的位置进行了替换,使得方法的用处不在是可以过滤掉文件名满足特定条件的文件,而是可以过滤掉除了特定条件的其他文件,也就是说只输出所需要的文件。
最后通过FileStatus[] sourceStatus = fsSource.listStatus(inputPath,new MyPathFilter(“.*\.txt”));只输出hdfs://localhost:9000/user/hadoop/input里面所有.txt结尾的文件。入图92所示输出了所需要的结果。
图93:关闭hdfs
关闭eclipse后,在终端输入./sbin/stop-dfs.sh关闭hdfs。