当前位置:   article > 正文

Hadoop安装和使用详解

hadoop安装

本文主要参考林子雨老师的教程,以下是参考源:

视频慕课2.3.2 Hadoop的安装与使用详解_哔哩哔哩_bilibili

本文希望通过部署Hadoop为主线,对Hadoop的框架组成、各部分协同工作的原理、技术细节形成一个初步的认知和了解。

Hadoop安装前置知识

现在比较常见的Linux系统安装方式是选择虚拟机安装,在安装前进行方法调研的时候笔者发现:近三年几乎所有方法都是基于虚拟机安装的。而林子雨老师视频中也对两种方法的选择进行了说明:

在这里插入图片描述

总的来说,双系统安装并不是使用Linux系统的最优解。主要原因还是使用时较为不方便,一台电脑上最多只能支持同时使用一个系统。其他原因可能是浪费磁盘空间、双系统的配置比较复杂等。但是相比于虚拟机安装,双系统安装的优点是两个系统都能够直接访问硬件

由于个人原因,笔者采取了双系统安装方式。Linux系统已经早早安装就绪,这里就不做过多演示。

在部署Hadoop之前,需要了解一定的Linux基础知识,如:

  • Shell:是指“提供使用者使用界面”的软件(命令解析器),类似于DOS下的command和后来大家比较熟知的cmd.exe。它主要用于接收用户命令然后调用相应的应用程序。
  • sudo命令:是Ubuntu中一种权限管理机制。管理员可以授权给一些普通用户去执行一些需要root权限执行的操作。当使用sudo命令时,就需要输入当前用户的密码。
  • 密码输入:Linux系统终端输入密码时是不会显示当前输入的内容和输入提示的,不要误以为键盘没有响应。
  • 复制粘贴:在Ubuntu终端窗口中,复制粘贴的快捷键需要加上shift。

Hadoop有以下几种运行模式

  • 单机/本地模式:这是Hadoop的默认模式(又称非分布式模式),无需进行其他配置即可运行非分布式即单Java进程,方便进行本地开发调试,适合需要快速安装、体验Hadoop的用户。它访问的是本地磁盘,并不会去访问分布式文件系统HDFS。
  • 伪分布式模式:学习Hadoop一般是在伪分布式模式下进行。伪分布式的意思是虽然各个模块是在各个进程上分开运行的,但是最终还是运行在一个操作系统上,并不是真正的分布式。在该模式下,Hadoop可以在单节点上以伪分布式的方式运行,Hadoop进程以分离的JAVA进程来运行,节点既作为Namenode也作为Datanode,同时读取的是HDFS中的文件。简单来说,这个模式就是在一台机器上各个进程上运行Hadoop的各个模块。下文我们也主要采用这个模式来部署Hadoop。
  • 分布式模式:使用多台服务器构成集群环境来运行Hadoop,该模式是生产环境采用的模式。

Hadoop安装记录

由于笔者决定采用伪分布式模式运行Hadoop框架,该模式并非生产环境所采用的模式,笔者只是希望通过该模式了解Hadoop集群的一些功能,因此没有非常严格地去查看安装的Hadoop框架以及对应的JDK版本,只是照本宣科地跟着林子雨老师的教程过了一遍。正常的Hadoop框架配置应当预先准备好这一步。

查看环境

参考资料:https://blog.csdn.net/YUE_sasa/article/details/115334502

笔者采用的命令是:

uname -a
  • 1

在这里插入图片描述

在装好Ubuntu系统后,在安装Hadoop之前还需要一些工作。

创建Hadoop用户

首先是创建一个名为" h a d o o p hadoop hadoop"的用户,创建该用户命令如下:

$ sudo useradd -m hadoop -s /bin/bash
  • 1

在这里插入图片描述

该命令创建了可以登陆的" h a d o o p hadoop hadoop"用户,然后可以为其设置密码。

$ sudo passwd ******(个人密码)
  • 1

在这里插入图片描述

同时我们还可以为 h a d o o p hadoop hadoop用户增加管理员权限,方便部署,在学习过程中可以解决一些比较复杂棘手的权限问题。

$ sudo adduser hadoop sudo
  • 1

在这里插入图片描述

最后注销当前用户,返回登录界面,选择刚才创建的 h a d o o p hadoop hadoop用户进行登录。

更新apt

在这里,apt(Advanced Packaging Tool)是一个Ubuntu中的Shell前端软件包管理器。apt命令提供了查找、安装、省级、删除某一个/一组甚至全部软件包的命令,且命令非常简洁易记忆。

在使用 h a d o o p hadoop hadoop用户登录后,要先更新一下apt,因为后续需要用到apt安装软件。我们可以使用下面这条代码:

$ sudo aptget update
  • 1

如果出现问题,可以参考一下林子雨老师的视频进行配置。

后续我们还需要更改一些配置文件,一般有两种方法:1.使用vim。2.使用gedit。gedit用起来感觉更偏向于windows的txt,对于刚接触Linux系统的同学比较友好。一般来说,linux系统都是默认带有gedit的。gedit的一个坏处是:如果文件更改完不及时关闭gedit程序,会导致终端被占用而无法使用终端。如果需要使用到vim,可以输入下面的代码:

$ sudo apt-get install vim
  • 1

在这里插入图片描述

vim的使用可以参考这篇教程:(4条消息) Linux Vim编辑器的基本使用__HsForPyp的博客-CSDN博客

安装SSH、配置SSH无密码登陆

集群、单节点模式都需要用到SSH登陆(类似于远程登陆),Ubuntu默认已经安装了SSH client,此外还需要安装SSH server:

$ sudo apt-get install openssh-server
  • 1

安装后,可以使用如下命令登陆本机:

$ ssh localhost
  • 1

如果你是首次登陆,会出现以下提示,只需要输入yes然后根据题示输入密码,即可登录到本机。

在这里插入图片描述

但是这样每次登陆都是需要输入密码,相对来说比较繁琐,将SSH配置成无密码登陆会比较方便。

然后我们可以退出刚才的SSH:

$ exit
  • 1

在回到原先的终端窗口后,我们就可以利用SSH-keygen生成密钥,并且将密钥加入到授权中:

$ cd ~/.ssh/
$ ssh-keygen -t rsa #会有提示,一直摁回车就好
$ cat .id_rsa.pub >> ./authorized_keys #加入授权
  • 1
  • 2
  • 3

在这里插入图片描述

此时再使用ssh localhost命令,无需输入密码就可以直接登陆了:

在这里插入图片描述

安装Java环境

因为我们需要安装的是Hadoop3.1.3,其需要的JDK版本在1.8以上。我们要先在JDK官网下载JDK1.8的安装包并保存到本地,然后手动安装。

在这里插入图片描述

在Linux命令行界面中,我们执行如下命令就可以实现安装包的解压缩:

$ cd /usr/lib
$ sudo mkdir jvm #该位置用于存放JDK文件
$ cd ~ #进入到hadoop用户的主目录
$ sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm #解压JDK文件到jvm目录下
  • 1
  • 2
  • 3
  • 4

JDK文件解压缩后,我们可以执行如下命令去jvm目录查看一下:

$ cd /usr/lib/jvm
$ ls
  • 1
  • 2

在这里插入图片描述

看到上图中的结果之后就说明JDK文件已经解压成功。下面继续执行如下命令,设置环境变量:

$ cd ~
$ vim ~/.bashrc
  • 1
  • 2

在这里插入图片描述

在该文件中,输入上图中四条export语句。要注意JAVA_HOME变量的位置一定要是JAVA安装路径的具体地址,否则后面会卡步骤。

保存.bashrc文件后并退出vim编辑器。然后继续执行如下命令使修改的文件立刻生效:

$ source ~/.bashrc #使文件立刻生效
$ java -version #查看是否安装成功
  • 1
  • 2

在这里插入图片描述

如果屏幕上返回上图中的信息,则说明JAVA环境安装成功。

Hadoop安装

这个和安装JDK一样,先去Hadoop官网下载相关压缩包即可。

$ sudo tar -zxf ~/hadoop-3.1.3.tar.gz -C /usr/local #解压代码
$ cd /usr/local/
$ sudo mv ./hadoop-3.1.3/ ./hadoop #将文件夹名改为hadoop
$ sudo chown -R hadoop ./haoop #修改文件权限
  • 1
  • 2
  • 3
  • 4

在这里插入图片描述

Hadoop解压之后即可使用,可以通过下面的代码检查其是否可用:

$ cd /usr/local/hadoop
$ ./bin/hadoop version
  • 1
  • 2

在这里插入图片描述

Hadoop伪分布式配置

如果Hadoop在单节点上以伪分布式的方式运行,Hadoop进程以分离的JAVA进程来运行,节点既可以作为NameNode也可以作为DataNode,同时,该模式下读取的是HDFS中的文件。

伪分布式需要修改两个配置文件 c o r e − s i t e . x m l core-site.xml coresite.xml h d f s − s i t e . x m l hdfs-site.xml hdfssite.xml。Hadoop的配置文件是xml形式,每个配置以声明property的name和value的方式来实现。这里的修改会比较多,建议采用gedit编辑会相对来说比较容易上手,方便初学者学习。

在这里插入图片描述

在这里插入图片描述

需要在两个配置文件中补充上述两张图中红色方框内的内容即可。

配置完成后,我们可以执行NameNode的格式化:

$ cd /usr/local/hadoop
$ ./bin/hdfs namenode -format
  • 1
  • 2

成功的话,可以看到如下界面:

在这里插入图片描述

成功启动后,我们还可以访问Web界面http://localhost:9870查看Namenode和Datanode信息,还可以在线查看HDFS中的文件。

在这里插入图片描述

如果启动中遇到问题,可以先看林子雨老师的相关课程,其中有一些问题的解答。

Hadoop运行实例

HDFS文件读写

我们本文采用的是伪分布式运行模式,可以读取HDFS上的数据。而要使用HDFS上的数据,首先要在HDFS中创建用户目录:

$ ./bin/hdfs dfs -mkdir -p /user/hadoop
  • 1

在这里插入图片描述

接着我们将本地的xml文件作为输入文件复制到分布式文件系统HDFS中:

$ ./bin/hdfs dfs -mkdir input
$ ./bin/hdfs dfs -put ./etc/hadoop/*.xml input
$ ./bin/hdfs dfs -ls input #复制完成之后,我们可以通过这条命令查看文件列表
  • 1
  • 2
  • 3

在这里插入图片描述

在这里插入图片描述

伪分布式运行MapReduce作业的方式跟单机模式相同,区别在于伪分布式读取的是HDFS中的文件,我们可以通过单机步骤创建本地input文件夹,输出结果output文件夹都删掉来验证这一点:

在这里插入图片描述

在这里插入图片描述

可以看到,本地文件的修改并不影响伪分布式读取的结果,伪分布式读取的文件不属于本地,而是HDFS中的文件。

我们也可以将运行结果取回本地:

在这里插入图片描述

如果要关闭Hadoop,我们可以运行下面的代码:

$ ./sbin/stop-dfs.sh
  • 1

在这里插入图片描述

否则下次启动hadoop会出现这样的情况:

在这里插入图片描述

MAPREDUCE任务运行

如果想知道hadoop是否是开启状态,我们可以输入以下命令进行查看:

jps
  • 1

在这里插入图片描述

可以看到,目前是有四个Java进程正在运行,根据我们的配置情况来看,hadoop目前是开启状态的。

我们计划使用Hadoop自带的WordeCount进行词频统计,这个过程中我们将会用到Mapreduce来运行任务。

首先我们要准备好输入数据,即需要做统计词频的txt文件(该文件内应存储已经分词的结果,不能存储整篇文章),我们准备了一个hello.txt文件作为输入数据,其内容如下:

在这里插入图片描述

(笔者是先在Windows系统中准备好相应的输入数据,再在Linux系统中进行操作)

应该注意的是,该文件在Linux系统中的存储位置应在Hadoop文件下。

然后我们就可以输入以下命令将准备好的词频文件上传到HDFS中做准备:

$ bin/hdfs dfs -mkdir -p /input #在HDFS上创建一个文件夹存放需要计算词频的txt文件
$ bin/hdfs dfs -put hello.txt /input #将本地文件上传到刚刚在HDFS中创建的文件夹中
$ bin/hdfs dfs -ls /input #我们可以通过这个命令查看在HDFS中的这个文件
  • 1
  • 2
  • 3

在这里插入图片描述

接下来我们就需要通过hadoop中jar包内自带的wordcount计算词频,首先我们要找到jar包的位置,路径不出以外应该是:…(hadoop安装位置)/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar

我们可以通过如下命令计算词频:

$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input/hello.txt /out/hellocount
  • 1

在这里插入图片描述

然后我们就可以通过下面这条命令查看词频统计后输出的结果了:

$ bin/hdfs dfs -cat /out/hellocount/part-r-00000
  • 1

在这里插入图片描述

实验顺利结束!!!

(上述内容仅作记录、学习使用。)

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/菜鸟追梦旅行/article/detail/428021
推荐阅读
相关标签
  

闽ICP备14008679号