大数据技术基础实验三:HDFS实验——部署HDFS

本文涉及的产品
密钥管理服务KMS,1000个密钥,100个凭据,1个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 大数据技术基础实验三,学习如何在虚拟机群部署HDFS并设置一键启动。

一、前言

前面通过大数据技术基础实验的学习,我们学会了如何使用Xshell连接学校虚拟机并且学会如何配置各虚拟机之间的SSH免密登录,然后还练习了有关Linux的一些基础命令。

本期内容,我们将学习大数据组件其中一个组件——HDFS的环境搭建,这是后面进行各种实验操作的基础。

然后本期实验我们将使用MobaXterm软件进行终端远程连接操作,大部分的都使用的是Xshell操作,这次我们试一下新软件进行操作,你可以直接点击上方软件名称跳转到它的官网下载,在这里我就不对它进行介绍了,顺便说一句,官网下载的是英文版,如果有需要中文版的朋友留下你们的邮箱,我可以发给你们。

image-20220913205227355.png

这里我已经连接好了学校的三台虚拟机,接下来我们开始实验吧!

二、实验要求

实验结束时,已构建出以下HDFS集群:

  1. master上部署主服务NameNode
  2. Slave1、2上部署从服务DataNode
  3. master上部署HDFS客户端

待集群搭建好后,还需在master上进行下述操作:

  1. 在HDFS里新建目录
  2. 将master上某文件上传至HDFS里刚才新建的目录

三、实验原理

1、什么是HDFS?

HDFS(Hadoop Distributed File System)为大数据平台其它所有组件提供了基本的存储功能。它具有高容错、高可靠、可扩展、高吞吐率等特征,为大数据存储和处理提供了强大的底层存储架构。

HDFS是一个主/从(master/slave)体系结构,从最终用户的角度来看,它就像传统的文件系统,可通过目录路径对文件执行CRUD操作。由于其分布式存储的性质,HDFS集群拥有一个NameNode和一些DataNodes,NameNode管理文件系统的元数据,DataNode存储实际的数据。

2、HDFS的体系结构

HDFS体系结构.jpg

HDFS采用了典型的Master/Slave系统架构一个HDFS集群通常包含一个NameNode节点和若干个DataNodes节点,一个文件被分成了一个或多个数据块,并存储在一组DataNode上,DataNode节点可分布在不同的机架。NameNode执行文件系统的名字空间打开、关闭、重命名文件或目录等操作,同时负责管理数据块到具体DataNode节点的映射。在NameNode的统一调度下,DataNode复制处理文件系统客户端的读写请求,完成数据库的创建、删除和复制。

3、HDFS基本命令

HDFS基本命令格式:hadoop fs -cmd args,其中,cmd为具体的操作,args为参数。

部分HDFS命令示例如下:

hadoop fs -mkdir /user/trunk          #建立目录/user/trunkhadoop fs -ls /user                  #查看/user目录下的目录和文件hadoop fs -lsr /user                 #递归查看/user目录下的目录和文件hadoop fs -put test.txt /user/trunk      #上传test.txt文件至/user/trunkhadoop fs -get /user/trunk/test.txt      #获取/user/trunk/test.txt文件hadoop fs -cat /user/trunk/test.txt      #查看/user/trunk/test.txt文件内容hadoop fs -tail /user/trunk/test.txt      #查看/user/trunk/test.txt文件的最后1000行hadoop fs -rm /user/trunk/test.txt       #删除/user/trunk/test.txt文件hadoop fs -helpls#查看ls命令的帮助文档

四、实验步骤

1、完成集群各服务器之间的ssh免密登录配置

第一个步骤我就不再演示了,不会的朋友可以移步到我之前的博客,里面有详细的配置步骤,链接我就放在下面了:

大数据技术基础实验一:配置SSH免密登录

我放一下截图:

image-20220913213105560.png

image-20220913213121955.png

image-20220913213129725.png

2、在master服务器上确定存在hadoop安装目录

在master服务器终端输入命令:

ls /usr/cstor/hadoop

image-20220913213437740.png

3、修改HDFS配置文件

(1)设置JDK安装目录

输入命令:

vim /usr/cstor/hadoop/etc/hadoop/hadoop-env.sh

打开hadoop-env.sh文件并进行编辑修改,添加JDK的安装路径。

image-20220913214036156.png

(2)指定HDFS主节点

输入命令:

vim /usr/cstor/hadoop/etc/hadoop/core-site.xml

打开core-site.xml文件并进行编辑,将如下内容嵌入此文件里最后两行的标签之间:

<property>
  <name>hadoop.tmp.dir</name>
  <value>/usr/cstor/hadoop/cloud</value>
</property>
<property>
  <name>fs.defaultFS</name>
  <value>hdfs://master:8020</value>
</property

image-20220913214611036.png

(3)拷贝集群配置至其它服务器

在master机上执行下列命令,将配置好的hadoop拷贝到其他服务器上。

[2020122145 root@master ~]# cat ~/data/2/machinesslave1
slave2
slave3
client
[2020122145 root@master ~]# for  x  in  `cat  ~/data/2/machines` ; do  echo  $x ; scp  -r  /usr/cstor/hadoop/etc  $x:/usr/cstor/hadoop  ; done;slave1
Warning: Permanently added 'slave1' (ECDSA) to the list of known hosts.
capacity-scheduler.xml                               100% 44364.6MB/s   00:00
configuration.xsl                                    100% 1335277.1KB/s   00:00
container-executor.cfg                               100%  318500.2KB/s   00:00
hadoop-env.cmd                                       100% 36704.6MB/s   00:00
hadoop-metrics.properties                            100% 24901.1MB/s   00:00
hadoop-metrics2.properties                           100% 25984.7MB/s   00:00
hadoop-policy.xml                                    100% 968310.6MB/s   00:00
hdfs-site.xml                                        100%  7751.7MB/s   00:00
httpfs-env.sh                                        100% 14492.6MB/s   00:00
httpfs-log4j.properties                              100% 16573.2MB/s   00:00
httpfs-signature.secret                              100%   2147.0KB/s   00:00
httpfs-site.xml                                      100%  6201.4MB/s   00:00
kms-acls.xml                                         100% 35185.8MB/s   00:00
kms-env.sh                                           100% 15273.0MB/s   00:00
kms-log4j.properties                                 100% 16313.2MB/s   00:00
kms-site.xml                                         100% 55117.7MB/s   00:00
log4j.properties                                     100%   11KB  13.9MB/s   00:00
mapred-env.cmd                                       100%  9511.8MB/s   00:00
mapred-env.sh                                        100% 13832.8MB/s   00:00
mapred-queues.xml.template                           100% 41136.9MB/s   00:00
mapred-site.xml.template                             100%  7581.4MB/s   00:00
slaves                                               100%   1023.1KB/s   00:00
ssl-client.xml.example                               100% 23164.5MB/s   00:00
ssl-server.xml.example                               100% 22684.4MB/s   00:00
yarn-env.cmd                                         100% 22503.9MB/s   00:00
yarn-env.sh                                          100% 45677.6MB/s   00:00
yarn-site.xml                                        100%  6901.5MB/s   00:00
hadoop-env.sh                                        100% 42357.2MB/s   00:00
core-site.xml                                        100%  9551.6MB/s   00:00
slave2
Warning: Permanently added 'slave2' (ECDSA) to the list of known hosts.
capacity-scheduler.xml                               100% 44365.9MB/s   00:00
configuration.xsl                                    100% 1335408.2KB/s   00:00
container-executor.cfg                               100%  318872.8KB/s   00:00
hadoop-env.cmd                                       100% 36706.1MB/s   00:00
hadoop-metrics.properties                            100% 24901.0MB/s   00:00
hadoop-metrics2.properties                           100% 25986.1MB/s   00:00
hadoop-policy.xml                                    100% 968313.8MB/s   00:00
hdfs-site.xml                                        100%  7752.0MB/s   00:00
httpfs-env.sh                                        100% 14493.6MB/s   00:00
httpfs-log4j.properties                              100% 16574.2MB/s   00:00
httpfs-signature.secret                              100%   2158.4KB/s   00:00
httpfs-site.xml                                      100%  6201.7MB/s   00:00
kms-acls.xml                                         100% 35187.8MB/s   00:00
kms-env.sh                                           100% 15273.8MB/s   00:00
kms-log4j.properties                                 100% 16314.2MB/s   00:00
kms-site.xml                                         100% 551110.8MB/s   00:00
log4j.properties                                     100%   11KB  16.5MB/s   00:00
mapred-env.cmd                                       100%  9512.5MB/s   00:00
mapred-env.sh                                        100% 13833.6MB/s   00:00
mapred-queues.xml.template                           100% 41138.6MB/s   00:00
mapred-site.xml.template                             100%  7582.1MB/s   00:00
slaves                                               100%   1029.7KB/s   00:00
ssl-client.xml.example                               100% 23165.6MB/s   00:00
ssl-server.xml.example                               100% 22685.6MB/s   00:00
yarn-env.cmd                                         100% 22505.5MB/s   00:00
yarn-env.sh                                          100% 45679.1MB/s   00:00
yarn-site.xml                                        100%  6901.9MB/s   00:00
hadoop-env.sh                                        100% 42357.1MB/s   00:00
core-site.xml                                        100%  9551.7MB/s   00:00
slave3
ssh: Could not resolve hostname slave3: Name or service not known
lost connection
client
ssh: Could not resolve hostname client: Name or service not known
lost connection
[2020122145 root@master ~]#

image-20220913215602920.png

4、启动HDFS

(1)首先在master服务器上格式化主节点,输入命令:

hdfs namenode -format

image-20220913220209089.png

(2)然后配置slaves文件,将localhost修改为slave1和slave2。

输入命令:

vi /usr/cstor/hadoop/etc/hadoop/slaves

进入slavers文件修改成如下:

image-20220913220511006.png

(3)统一启动HDFS

输入命令:

cd /usr/cstor/hadoop

进去hadoop文件然后执行如下命令启动HDFS:

sbin/start-dfs.sh

image-20220913220945286.png

5、通过查看进程的方式验证HDFS启动成功

分别在master、slave1~2三台机器上执行如下命令,查看HDFS服务是否已启动。

jps

jps是查看java进程的命令。

image-20220913221219130.png


image-20220913221236942.png

image-20220913221300370.png

如果三台虚拟机分别出现上面结果就说明HDFS服务启动成功了。

6、 使用master上传文件

从master服务器向HDFS上传文件。

输入如下命令:

hadoop fs -put ~/data/2/machines /

然后我们执行命令查看文件是否上传成功:

hadoop fs -ls /

image-20220913222454339.png

可以看出,我们上传成功了。

五、最后我想说

到这里,我们已经完成了本次实验了,希望大家都能顺利地成功完成本次实验目标并从中学到很多知识。

学校提供的大数据实验平台上面有很多实验,我们的课程肯定不会全部都做完只会做其中的一部分,我后续也会尽可能抽出时间把所有有关大数据的实验都做一遍。

谢谢阅读,期待得到你们的支持!

北天
+关注
目录
打赏
0
0
0
0
300
分享
相关文章
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想,包括Google的三篇重要论文:Google文件系统(GFS)、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础,进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
148 0
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
78 2
轻量级的大数据处理技术
现代大数据应用架构中,数据中心作为核心,连接数据源与应用,承担着数据处理与服务的重要角色。然而,随着数据量的激增,数据中心面临运维复杂、体系封闭及应用间耦合性高等挑战。为缓解这些问题,一种轻量级的解决方案——esProc SPL应运而生。esProc SPL通过集成性、开放性、高性能、数据路由和敏捷性等特性,有效解决了现有架构的不足,实现了灵活高效的数据处理,特别适用于应用端的前置计算,降低了整体成本和复杂度。
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
132 4
单机顶集群的大数据技术来了
大数据时代,分布式数仓如MPP成为热门技术,但其高昂的成本让人望而却步。对于多数任务,数据量并未达到PB级,单体数据库即可胜任。然而,由于SQL语法的局限性和计算任务的复杂性,分布式解决方案显得更为必要。esProc SPL作为一种开源轻量级计算引擎,通过高效的算法和存储机制,实现了单机性能超越集群的效果,为低成本、高效能的数据处理提供了新选择。
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
212 6
Hadoop-20 Flume 采集数据双写至本地+HDFS中 监控目录变化 3个Agent MemoryChannel Source对比
Hadoop-20 Flume 采集数据双写至本地+HDFS中 监控目录变化 3个Agent MemoryChannel Source对比
78 3
Hadoop-14-Hive HQL学习与测试 表连接查询 HDFS数据导入导出等操作 逻辑运算 函数查询 全表查询 WHERE GROUP BY ORDER BY(一)
Hadoop-14-Hive HQL学习与测试 表连接查询 HDFS数据导入导出等操作 逻辑运算 函数查询 全表查询 WHERE GROUP BY ORDER BY(一)
66 4
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等