小小林熬夜学编程

这个屌丝很懒，什么也没留下！

热门标签

windows上配置hadoop并通过idea连接本地spark和服务器spark_hadoop illegal character in opaque part at index 2

作者：小小林熬夜学编程 | 2024-04-18 05:11:40

踩

hadoop illegal character in opaque part at index 2:

hadoop下载与安装

注意这是windows上运行hadoop，如果只是向通过idea远程连接虚拟机上的hadoop请跳过。

hadoop下载官网

清华大学镜像下载

进入官网点击Binary download是运行在windows上的。在Apache里面下东西经常会有binary和source的版本，binary是编译好的可以直接使用，source是还没编译过的源代码，需要自行编译。

在这里插入图片描述

镜像下载
在这里插入图片描述
选择合适的版本

解压

在这里插入图片描述
hadoop是分布式的，有datanode和namenode两个节点，需要新建目录代替

在这里插入图片描述

配置环境变量

一定要配置hadoop的环境变量，不然在启动是会出现下面的错误：

在这里插入图片描述

bin目录存在hadoop信息的启动命令，sbin存在hadoop集群启动命令，bin和sbin可以不配置，切换到相应目录再启动cmd即可。

修改配置文件

修改windows系统启动类 hadoop-env.cmd

在这里插入图片描述

将%JAVA_HOME%替换为java环境变量的路径。
将Program Files替换为PROGRA~1

在这里插入图片描述

修改配置文件（core-site.xml，hdfs-site.xml，mapred-site.xml，yarn-site.xml）

在这里插入图片描述

core-site.xml

在这里插入图片描述

<property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
1
2
3
4

hdfs-site.xml

在这里插入图片描述

  	<property>
		    <name>dfs.replication</name>
		    <value>1</value>
	  </property>


  <!--namenode 存放name table(fsimage)本地目录（需要修改）-->
    <property>
		<name>dfs.namenode.name.dir</name>
		<value>D:\SoftWares\Apache\apache-hadoop-3.2.3\hadoop-3.2.3\data\namenode</value>
	</property>


  <!--datanode存放block本地目录（需要修改）-->
  <property>
		<name>dfs.datanode.data.dir</name>
		<value>D:\SoftWares\Apache\apache-hadoop-3.2.3\hadoop-3.2.3\data\datanode</value>
	</property>

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

mapred-site.xml

在这里插入图片描述

<property>
      <name>mapreduce.framework.name</name>
      <value>yarn</value>
    </property>
1
2
3
4

yarn-site.xml

在这里插入图片描述

     <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    
    <property>
    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
1
2
3
4
5
6
7
8
9

初始化与启动

注意如果配置了环境变量可以直接运行命令，如果没有配置环境变量，则切换到对于目录在启动cmd。路径为~\hadoop-3.2.3\bin。

输入hadoop version检查是否安装成功

在这里插入图片描述

输入hadoop namenode -format初始化hadoop

在这里插入图片描述

出现下面且\data\namenode有current目录·即为初始化成功。

在这里插入图片描述

data目录为自定义目录

在cmd中执行start-all.cmd 命令，启动Hadoop，路径：~\hadoop\hadoop-3.2.3\sbin。

在这里插入图片描述

sbin没有配置环境变量需要切换到对应目录，也可以在为sbin配置环境变量。

在这里插入图片描述
输入start-all.sh启动：

运行成功后，会出现四个窗口，分别是：yarn-resourcemanager、yarn-nodemanager、hadoop-namenode、hadoop-datanode。

在这里插入图片描述

参考自：windows下安装Hadoop,就是这么简单

java.net.URISyntaxException: Illegal character in opaque part at index 2: D:\SoftWares\Apache\apache-hadoop-3.2.3\hadoop-3.2.3\data\namenode

信息: 没有运行的带有指定标准的任务。

如果出现上面两个错误则说明namenode的配置有问题。转到hdfs-site.xml

在这里插入图片描述

/是linux系统的路径配置，\是windows系统的路径配置，但要用\\。

在这里插入图片描述
之后就可以正常启动了。

Could not locate Hadoop executable: D:\SoftWares\Apache\apache-hadoop-3.2.3\hadoop-3.2.3\bin\winutils.exe -see https://wiki.apache.org/hadoop/WindowsProblems

在hadoop/bin目录下缺少了winutils.exe和hadoop.dll

下载地址

下载后复制到bin目录下即可：

在这里插入图片描述

这个两个文件虚拟机和window两方都要上传。

启动spark

windows上安装了hadoop但一般不用启动，需要使用计算计算框架MapReduce或者Spark是可以直接调用。

将目录切换到hadoop安装目录的bin目录下：

在这里插入图片描述

这些都是相关的命令，其中cmd后缀的是windows环境的，没有后缀名的默认是.sh为linux系统的命令。以spark为例，双击spark-shell.com启动scala版的spark：

在这里插入图片描述
双击pyspark.cmd启动python版的spark：

在这里插入图片描述

可以正常启动的话就可以调用接口实现1相关1计算了。连续按两次Ctrl+C停止服务。

idea连接本地spark

配置好上面的环境后通过idea创建scala项目。可参考sbt编程语言scala的构建工具配置及项目构建（附带网盘下载）

创建scala项目
pom导入spark依赖

在这里插入图片描述

    <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.13</artifactId>
      <version>3.3.1</version>
    </dependency>

    <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql -->
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-sql_2.13</artifactId>
      <version>3.3.1</version>
      <scope>provided</scope>
    </dependency>

    <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-streaming -->
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-streaming_2.13</artifactId>
      <version>3.3.1</version>
      <scope>provided</scope>
    </dependency>

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

依赖根据版本需要对应，不然会出现冲突。

Maven地址:https://mvnrepository.com/

在这里插入图片描述

注意这里的spark要与虚拟机上的一致。

编写连接测试代码

sorry,小编也还处于学习阶段，这一部分还未成功，出现了部分问题还未解决，由于时间紧迫就临时换为Java语言的了，后续在跟新Scala语言。

maven版的scala和java的依赖一样的，接口也可公用。

class sparkConnect {

    sparkConnect() {
		
		//配置本地spark并命名
        JavaSparkContext sc = new JavaSparkContext("local", "thisSpark");
        List<Integer> list = new ArrayList<Integer>();
        list.add(1); list.add(2); list.add(3);

        //内存中获取数据常见rdd
        JavaRDD<Integer> rdd = sc.parallelize(list);

        //rdd计算
        JavaRDD<Integer> listPlus = rdd.map(y->y+5);
		
		//打印
        System.out.println("list is:" + list);
        System.out.println("listPlus is:"+ listPlus);
        System.out.println("the relation is list plus five = listPlus");


    }

    public static void main(String[] args) {
        sparkConnect sparkConnect = new sparkConnect();
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

Could not locate executable null\bin\winutils.exe in the Hadoop binaries.

运行上述的测试代码会报错，未能加载winutils.exe文件，可是在之前的配置中已经添加了该引用，这是由于Windows环境变量默认识别cmd命令的，其他的无法执行，例如在redis中，光使用redis-server就是出现该系统不支持一个道理。

解决方案是为该exe单独配置环境变量

在这里插入图片描述

在这里插入图片描述
在此之前一定要确认环境变量无误

在这里插入图片描述

配置之后就可以运行测试项目了。可以是小编这里又遇到了一个问题，配置了winutils.exe还是无法找到。如下图：

在这里插入图片描述
在调试的过程中发现启动的spark版本是2.4.4也就是pom中加载的版本，而本地的spark版本是3.3.1的版本不一致，匹配不了。

在这里插入图片描述
修改pom的文件版本，注意与本地对应

在这里插入图片描述

修改后就可以成功启动了：
在这里插入图片描述

如上图已经实现了本地saprk的连接，就可以通过java独立引用程序调用spark。

class sparkConnect {

    sparkConnect() {

        JavaSparkContext sc = new JavaSparkContext("local", "thisSpark");
        List<Integer> list = new ArrayList<Integer>();
        list.add(1); list.add(2); list.add(3);

        //内存中获取数据常见rdd
        JavaRDD<Integer> rdd = sc.parallelize(list);

        //rdd计算
        JavaRDD<Integer> listPlus = rdd.map(y->y+5);

        System.out.println("list is:" + list);
        System.out.println("listPlus is:"+ listPlus);
        System.out.println("the relation is list plus five = listPlus");


    }

    public static void main(String[] args) {
        sparkConnect sparkConnect = new sparkConnect();
    }

}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

回顾测试代码，这已经是调用spark实现简单计算最精简的步骤了。创建的sc对象可交互式的sc是等效的。如下：

在这里插入图片描述
它们的区别在于一个是Java语言的调用对象，一个是Scala的调用对象。

idea远程连接spark

远程连接spark首先要了解spark的部署方式这边文章讲的很详细，感谢作者！

在这里插入图片描述

JavaSparkContext sc = new JavaSparkContext("local", "thisSpark");
1

构造方法中第一个参数是主机，第二个参数是名称，关键就在于local参数，来看一段scala连接的代码：

 def main(args: Array[String]): Unit = {
    val spark = SparkSession
      .builder
      .appName("Spark Pi")
      .master("spark://172.21.212.114:7077")
      .config("spark.jars","E:\\work\\polaris\\polaris-spark\\spark-scala\\target\\spark-scala-1.0.0.jar")
      .config("spark.executor.memory","2g")
      .config("spark.cores.max","2")
      .config("spark.driver.host", "172.21.58.28")
      .config("spark.driver.port", "9089")
      .getOrCreate()
1
2
3
4
5
6
7
8
9
10
11

注意设置master的参数。由于库公用，Java也可以尝试一下：

切换到spark的conf目录查看默认配置

在这里插入图片描述
查看运行节点在

JavaSparkContext sc = new JavaSparkContext("spark://192.168.223.128:7077", "thisSpark");
1

尝试了很多写法，http，只有ip的，spark开头的都没有成功。所以远程连接失败了，大佬了解需要怎末连接的。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小小林熬夜学编程/article/detail/444162