1.Hadoop运行环境搭建
1.1 虚拟机网络设置
1.进入 Linux 系统查看本机的主机名。通过 hostname 命令查看。
[root@localhost ~]# hostname
localhost.localdomain
2. 如果此时需要修改主机名则可以按照如下的方式进行修改
范例1:临时修改主机名称为Hadoop01 hostname hadoop01 重启之后失效
范例2:永久修改主机名称为Hadoop01
[hadoop01@hadoop01 ~]$vi /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=hadoop01
保存wq
3. 在修改完主机名称之后,需要编辑/etc/hosts 文件需要把主机名称与IP地址(虚拟机的ip地址)进行映射
vi /etc/hosts 在该文件下添加如下内容
192.168.28.128 hadoop01
1.2 关闭防火墙
1)service iptables stop 关闭防火墙
2)chkconfig iptables off 永久关闭防火墙启动
3)chkconfig iptables --list 查看防火墙开机启动状态
1.3 规划软件安装目录
1)创建安装包的保存目录,以及安装目录
mkdir -p /opt/software 保存软件的安装包
mkdir -p /opt/app 软件的安装了路径
2.安装jdk环境
2.1 首先先把jdk的安装包上传到software 文件夹下,之后解压缩对其安装到app目录
tar -zvxf jdk-8u181-linux-x64.tar.gz -C /opt/app
2.2 配置JDK环境变量
首先获取JDK的安装路径
[hadoop@hadoop01 jdk1.8.0_181]$ pwd
/opt/soft/jdk1.8.0_181
接下来打开 /etc/profile 文件进行环境变量的设置
vi /etc/profile
在 profie 文件末尾添加 jdk 路径:
#JAVA_HOME
export JAVA_HOME=/data/jdk1.8.0_181
export PATH=
J
A
V
A
H
O
M
E
/
b
i
n
:
JAVA_HOME/bin:
JAVAHOME/bin:PATH
保存后推出 :wq
完成以上的操作之后,配置文件并不能立即生效,需要使用到如下命令,使配置文件立即生效
[hadoop@hadoop01 jdk1.8.0_181]$ source /etc/profile
之后测试JDK环境变量是否配置成功,使用如下命令输出JDK的版本信息
[hadoop@hadoop01 jdk1.8.0_181]$ java -version
java version “1.8.0_181”
Java™ SE Runtime Environment (build 1.8.0_181-b13)
Java HotSpot™ 64-Bit Server VM (build 25.181-b13, mixed mode)
如果能看到如上的信息,说明JDK的环境变量已经配置成功
3. 安装Hadoop环境
1.下载Hadoop linux安装包
https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz
(同jdk一样解压缩到/opt/app/)
解压成功之后,hadoop的安装目录结构如下:
bin:Hadoop最基本的管理脚本和使用脚本所在目录,这些脚本是sbin目录下管理脚本的基础实现,用户可以直接使用这些脚本管理和使用hadoop
etc:Hadoop配置文件所在目录,包括core-site.xml, hdfs-site.xml, mapred-site.xml等从hadoop1.0继承而来的配置文件和yarn-site.xml等hadoop 2.0新增的配置文件
include:对外提供的编程酷头文件(具体动态库和静态库在lib目录中),这些头文件均是用c++定义的,通常用于c++程序访问hdfs或者编写mapreduce程序
lib:该目录包含了Hadoop对外提供的的编程动态库和静态库,与include目录中的头文件结合使用。
libexec:各个服务对应的shell配置文件所在目录,可用于配置日志输出目录,启动参数(比如JVM参数)等基本信息。
sbin:Hadoop管理脚本所在目录,主要包含HDFS和YARN中各类服务的启动/关闭脚本
share:Hadoop各个模块编译后的jar包所在目录
2.使用chown 命令修改用户与用户组权限
chown -R hadoop:hadoop /opt/soft/hadoop-2.7.2/
3.完成了以上的配置之后,我们接下来首先需要配置如下文件
hadoop-env.sh: 用于hadoop的环境变量配置文件
export JAVA_HOME=/opt/soft/jdk1.8.0_181
到这一步,说明基本的运行环境已经搭建完成了
4.运行官方案例
Hadoop的运行模式,分为以下几种:
1) 本地模式(默认模式)
不需要启用单独进程,直接可以运行,测试和开发时使用。
2)伪分布模式
等同于完全分布式,只有一个节点。
3)完全分布式模式
多个节点一起运行。
4.1 本地运行Hadoop官方案例Grep
对于这个案例来说,主要的作用就是,在一堆文件中与规定的正则表达式进行匹配,把匹配成功的单词出现的次数,进行统计
对于这个案例来说,主要的作用就是,在一堆文件中与规定的正则表达式进行匹配,把匹配成功的单词出现的次数,进行统计
在hadoop根目录下创建一个文件夹input
$ mkdir input
将hadoop的xml配置文件复制到input
$ cp etc/hadoop/*.xml input
执行share目录下的mapreduce程序
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+'
查看输出结果
$ cat output/*
以上为官网上给出的案例代码
从以上的案例代码可以得出,首先需要创建一个目录,用于存放需要统计的文件,而对于统计结果的保存目录则不用以前创建,注意:Hadoop中输出结果的目录是不能提前存在的
4.2 运行官方wordcount案例
1) 在hadoop根目录中创建用于保存统计文件的wcinput目录
[hadoop@hadoop01 hadoop-2.7.2]$ mkdir wcinput
- 在 wcinput 文件下创建一个 wordcount.txt 文件
[hadoop@hadoop01 wcinput]$ vi worldcount.txt
hello java world input
hadoop hive zookeeper java
world input hello hadoop
hbase zookeeper sqoop
- 执行wordcount案例程序
[hadoop@hadoop01 hadoop-2.7.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput
4) 查看结果
[hadoop@hadoop01 hadoop-2.7.2]$ cat wcoutput/part-r-00000
hadoop 2
hbase 1
hello 2
hive 1
input 2
java 2
sqoop 1
world 2
zookeeper 2
4.3 伪分布式运行Hadoop案例
4.3.1 启动 HDFS 并运行 MapReduce 程序
对于伪分布式安装来说,需要配置自定义的配置文件,用于启动hdfs,以及yarn
- 配置core-site.xml 配置文件,内容如下
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop01:8020</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/app/hadoop-2.7.2/data/tmp</value>
</property>
</configuration>
配置HDFS的对外的访问路径,并且配置hadoop临时保存目录
2 ) 配置hdfs-site.xml 配置文件
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
以上的配置,把hdfs 文件块的副本复制的数量设置1 由于在伪分布式环境中,必须设置为1
完成以上的步骤,就可以对HDFS 文件进行格式化操作,命令如下
[hadoop@hadoop01 hadoop-2.7.2]$ bin/hadoop namenode -format
INFO common.Storage: Storage directory /tmp/hadoop-hadoop/dfs/name
has been successfully formatted.
出现如上的信息,说明格式化成功
格式化成功之后,就可以分别启动,HDFS 的相关进程
1) 启动namenode
sbin/hadoop-daemon.sh start namenode
- 启动 datanode
sbin/hadoop-daemon.sh start datanode
启动namenode 与 datanode之后,可以通过web的方式进行访问(前提必须关闭防火墙)
http://10.0.153.228:50070/explorer.html#/
完成以上的操作之后,就可以通过操作HDFS 进行文件的上传并且在HDFS文件系统上对文件进行分析
4.3.2 在Yarn上运行MapReduce程序
首先需要在mapred-site.xml 配置文件,配置如下信息
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
接下来在yarn-site.xml 配置文件进行如下配置
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
配置完以上的配置之后,可以使用如下命令启动yarn的进行
- resoucemanager
[hadoop@hadoop01 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
- nodemanager
[hadoop@hadoop01 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
启动成功之后,可以通过jps 查看进程是否启动成功
[hadoop@hadoop01 hadoop-2.7.2]$ jps
5139 Jps
29783 DataNode
29497 NameNode
4766 ResourceManager
5039 NodeManager
执行jps命令之后,可以发现进程中存在ResourceManager与NodeManager两个进程
启动成功之后,就可以通过web浏览器的方式进行查看