参考:腾讯云动手实验 https://cloud.tencent.com/developer/labs/lab/10190
Hadoop 是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。
安装Java环境
安装JDK
[root@localhost ~]# yum -y install java-1.8.0-openjdk java-1.8.0-openjdk-devel
安装完成后,输入 java
和 javac
命令,如果能输出对应的命令帮助,则表明jdk已正确安装。
配置Java环境变量
[root@localhost ~]# vim .bashrc
# 末尾添加
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk
[root@localhost ~]# source .bashrc
[root@localhost ~]# java -version
openjdk version "1.8.0_252"
OpenJDK Runtime Environment (build 1.8.0_252-b09)
OpenJDK 64-Bit Server VM (build 25.252-b09, mixed mode)
[root@localhost ~]# $JAVA_HOME/bin/java -version
openjdk version "1.8.0_252"
OpenJDK Runtime Environment (build 1.8.0_252-b09)
OpenJDK 64-Bit Server VM (build 25.252-b09, mixed mode)
安装Hadoop
下载Hadoop
[root@localhost ~]# wget https://archive.apache.org/dist/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz
安装Hadoop
解压安装
[root@localhost ~]# tar zxf hadoop-2.7.4.tar.gz
[root@localhost ~]# mv hadoop-2.7.4 /usr/local/hadoop
[root@localhost ~]# /usr/local/hadoop/bin/hadoop version
Hadoop 2.7.4
Hadoop伪分布式环境配置
Hadoop伪分布式模式使用多个守护线程模拟分布的伪分布运行模式。
设置Hadoop的环境变量
[root@localhost ~]# vim ~/.bashrc
# 末尾添加
export HADOOP_INSTALL=$HADOOP_HOME
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
[root@localhost ~]# source ~/.bashrc
修改Hadoop配置文件
修改core-site.xml
文件
[root@localhost ~]# vim /usr/local/hadoop/etc/hadoop/core-site.xml
# 在<configuration></configuration>之间添加如下:
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>location to store temporary files</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
修改hdfs-site.xml
文件
[root@localhost ~]# vim /usr/local/hadoop/etc/hadoop/hdfs-site.xml
# 在<configuration></configuration>之间添加如下:
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>
格式化NameNode
[root@localhost ~]# hdfs namenode -format
启动NameNode和DataNode守护进程
[root@localhost ~]# start-dfs.sh
# 启动时会启动ssh,需要确认yes,并输入root密码
检查启动是否成功
[root@localhost ~]# jps
65665 SecondaryNameNode
65507 DataNode
65782 Jps
65386 NameNode
运行Hadoop伪分布式实例
Hadoop自带了丰富的例子,包括 wordcount、grep、sort 等。下面将以grep例子为教程,输入一批文件,从中筛选出符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数。
# hadoop自带的例子
[root@localhost ~]# hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar
# 创建用户目录hadoop
[root@localhost ~]# hdfs dfs -mkdir -p /user/hadoop
准备实验数据
下面将以 Hadoop 所有的 xml 配置文件作为输入数据来完成实验。执行下面命令在 HDFS 中新建一个 input 文件夹并将 hadoop 配置文件上传到该文件夹下:
[root@localhost ~]# hdfs dfs -mkdir /user/hadoop/input
[root@localhost ~]# hdfs dfs -put /usr/local/hadoop/etc/hadoop/*.xml /user/hadoop/input
查看上传后的文件
[root@localhost ~]# hdfs dfs -ls /user/hadoop/input
Found 8 items
-rw-r--r-- 1 root supergroup 4436 2020-04-30 19:56 /user/hadoop/input/capacity-scheduler.xml
-rw-r--r-- 1 root supergroup 1070 2020-04-30 19:56 /user/hadoop/input/core-site.xml
-rw-r--r-- 1 root supergroup 9683 2020-04-30 19:56 /user/hadoop/input/hadoop-policy.xml
-rw-r--r-- 1 root supergroup 1133 2020-04-30 19:56 /user/hadoop/input/hdfs-site.xml
-rw-r--r-- 1 root supergroup 620 2020-04-30 19:56 /user/hadoop/input/httpfs-site.xml
-rw-r--r-- 1 root supergroup 3518 2020-04-30 19:56 /user/hadoop/input/kms-acls.xml
-rw-r--r-- 1 root supergroup 5540 2020-04-30 19:56 /user/hadoop/input/kms-site.xml
-rw-r--r-- 1 root supergroup 690 2020-04-30 19:56 /user/hadoop/input/yarn-site.xml
运行实验
上述命令以 HDFS 文件系统中的 input 为输入数据来运行 Hadoop 自带的 grep 程序,提取其中符合正则表达式 dfs[a-z.]+ 的数据并进行次数统计,将结果输出到 HDFS 文件系统的 output 文件夹下。
[root@localhost ~]# hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar \
grep /user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'
查看结果
[root@localhost ~]# hdfs dfs -cat /user/hadoop/output/*
# 显示以下则成功
1 dfsadmin
1 dfs.replication
1 dfs.namenode.name.dir
1 dfs.datanode.data.dir
删除HDFS上的输出结果
运行 Hadoop 程序时,为了防止覆盖结果,程序指定的输出目录不能存在,否则会提示错误,因此在下次运行前需要先删除输出目录。
[root@localhost ~]# hdfs dfs -rm -r /user/hadoop/output
关闭Hadoop进程
[root@localhost ~]# stop-dfs.sh
再次启动时,只需要执行start-dfs.sh
完成!