大数据组件-Hadoop伪分布式部署

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 大数据组件-Hadoop伪分布式部署

创建需要的文件夹

进入安装包文件夹
mkdir /opt/jdk
mkdir /opt/hadoop

image.gif

安装jdk

解压缩jdk安装包
tar -zxvf jdk-8u144-linux-x64.tar.gz
移动文件夹jdk1.8.0_144到/opt/java下面,并改名为jdk1.8
mv jdk1.8.0_144/ /opt/jdk/jdk1.8
配置jdk的环境变量
vim /etc/profile
在末尾空白行添加如下信息
#Java Config
export JAVA_HOME=/opt/jdk/jdk1.8
export JRE_HOME=/opt/jdk/jdk1.8
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
export PATH=.:${JAVA_HOME}/bin:$PATH
修改环境变量后都要刷新文件才能生效
source /etc/profile
测试是否配置成功
java -version

image.gif

image.gif编辑

配置环境变量

#Java profile
export JAVA_HOME=/opt/jdk/jdk1.8
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
# Hadoop profile
export HADOOP_HOME=/opt/hadoop/hadoop2.7
# PATH profile
export PATH=.:${JAVA_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH

image.gif

Hadoop2.7.3伪分布式配置

解压文件,并移动解压后的文件重名/opt/hadoop/hadoop2.7

cd /opt/hadoop/hadoop2.7/etc/hadoop/

image.gif

vim hadoop-env.sh

export JAVA_HOME=/opt/jdk/jdk1.8

image.gif

vim core-site.xml:

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/opt/hadoop/hadoop2.7/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://master:9000</value>
    </property>
    <property>
        <name>io.file.buffer.size</name>
        <value>131072</value>
    </property>
</configuration>

image.gif

vim hdfs-site.xml:

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/opt/hadoop/hadoop2.7/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/opt/hadoop/hadoop2.7/tmp/dfs/data</value>
    </property>
    <property>
          <name>dfs.namenode.secondary.http-address</name>
          <value>master:50090</value>
    </property>
</configuration>

image.gif

cd /opt/hadoop/hadoop2.7/
./bin/hdfs namenode -format

image.gif

成功的话,会看到 “**successfully formatted” 和 “Exitting with status 0**” 的提示,若为 “**Exitting with status 1**” 则是出错。

image.gif

启动hdfs
/opt/hadoop/hadoop2.7/sbin/start-dfs.sh
查看启动情况
<http://192.168.0.76:50070>

image.gif

yarn配置

cd /opt/hadoop/hadoop2.7/etc/hadoop/
mv mapred-site.xml.template  mapred-site.xml

image.gif

vim mapred-site.xml:

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>master:10020</value>
    </property>
    <property>
        <name>mapredue.jobhistory.webapp.address</name>
        <value>master:19888</value>
    </property>
</configuration>

image.gif

vim yarn-site.xml:

<configuration>
    <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>
    <property>
        <name>yarn.resourcemanager.address</name>
        <value>master:8032</value>
     </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address</name>
        <value>master:8030</value>
     </property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.address</name>
        <value>master:8031</value>
     </property>
    <property>
        <name>yarn.resourcemanager.admin.address</name>
        <value>master:8033</value>
     </property>
    <property>
        <name>yarn.resourcemanager.webapp.address</name>
        <value>master:8088</value>
     </property>
</configuration>

image.gif

启动hdfs
/opt/hadoop/hadoop2.7/sbin/start-dfs.sh
启动yarn
/opt/hadoop/hadoop2.7/sbin/start-yarn.sh

image.gif

查看启动情况
<http://192.168.0.76:8088/cluster>

image.gif

Hadoop安全模式

    • Hadoop在NameNode重启的时候就会进入到安全模式,在安全模式中HDFS只支持访问元数据的操作才会返回成功
    • 进入安全模式: hadoop dfsadmin -safemode enterimage.gif
      image.gif
    • 退出安全模式,hadoop dfsadmin -safemode leaveimage.gif编辑
    • 安全模式下查看hdfs文image.gif编辑
      在分布式文件系统启动的时候,开始的时候会有安全模式,当分布式文件系统处于安全模式的情况下,文件系统中的内容不允许修改也不允许删除,直到安全模式结束。安全模式主要是为了系统启动的时候检查各个DataNode上数据块的有效性,同时根据策略必要的复制或者删除部分数据块。运行期通过命令也可以进入安全模式。在实践过程中,系统启动的时候去修改和删除文件也会有安全模式不允许修改的出错提示,只需要等待一会儿即可。SafeModeException 异常
      运行Hadoop程序时,有时候会报以下错误:
      org.apache.hadoop.dfs.SafeModeException: Cannot delete/user/hadoop/input. Name node is in safe mode.
      那我们来分析下这个错误,从字面上来理解:“Name node is in safe mode.
      现在就清楚了,那现在要解决这个问题,我想让Hadoop不处在safe mode 模式下,能不能不用等,直接解决呢?答案是可以的,
      只要在Hadoop的目录下输入:
      $bin/hadoop dfsadmin -safemode leave
      也就是关闭Hadoop的安全模式,这样问题就解决了。
      用户可以通过dfsadmin -safemode value 来操作安全模式,参数value的说明如下:
    enter - 进入安全模式
    leave - 强制NameNode离开安全模式
    get?? - 返回安全模式是否开启的信息
    wait? - 等待,一直到安全模式结束。


    相关实践学习
    基于MaxCompute的热门话题分析
    本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
    SaaS 模式云数据仓库必修课
    本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps&nbsp;
    相关文章
    |
    7天前
    |
    存储 分布式计算 大数据
    Flume+Hadoop:打造你的大数据处理流水线
    本文介绍了如何使用Apache Flume采集日志数据并上传至Hadoop分布式文件系统(HDFS)。Flume是一个高可用、可靠的分布式系统,适用于大规模日志数据的采集和传输。文章详细描述了Flume的安装、配置及启动过程,并通过具体示例展示了如何将本地日志数据实时传输到HDFS中。同时,还提供了验证步骤,确保数据成功上传。最后,补充说明了使用文件模式作为channel以避免数据丢失的方法。
    35 4
    |
    1月前
    |
    SQL 数据采集 分布式计算
    【赵渝强老师】基于大数据组件的平台架构
    本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
    191 3
    【赵渝强老师】基于大数据组件的平台架构
    |
    1月前
    |
    SQL 分布式计算 Hadoop
    【赵渝强老师】Hadoop生态圈组件
    本文介绍了Hadoop生态圈的主要组件及其关系,包括HDFS、HBase、MapReduce与Yarn、Hive与Pig、Sqoop与Flume、ZooKeeper和HUE。每个组件的功能和作用都进行了简要说明,帮助读者更好地理解Hadoop生态系统。文中还附有图表和视频讲解,以便更直观地展示这些组件的交互方式。
    170 5
    |
    1月前
    |
    存储 分布式计算 Hadoop
    数据湖技术:Hadoop与Spark在大数据处理中的协同作用
    【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
    115 2
    |
    1月前
    |
    存储 分布式计算 Hadoop
    数据湖技术:Hadoop与Spark在大数据处理中的协同作用
    【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
    86 1
    |
    2月前
    |
    SQL 存储 分布式计算
    大数据-157 Apache Kylin 背景 历程 特点 场景 架构 组件 详解
    大数据-157 Apache Kylin 背景 历程 特点 场景 架构 组件 详解
    44 9
    |
    1月前
    |
    SQL 分布式计算 大数据
    【赵渝强老师】大数据生态圈中的组件
    本文介绍了大数据体系架构中的主要组件,包括Hadoop、Spark和Flink生态圈中的数据存储、计算和分析组件。数据存储组件包括HDFS、HBase、Hive和Kafka;计算组件包括MapReduce、Spark Core、Flink DataSet、Spark Streaming和Flink DataStream;分析组件包括Hive、Spark SQL和Flink SQL。文中还提供了相关组件的详细介绍和视频讲解。
    |
    1月前
    |
    分布式计算 资源调度 Hadoop
    【赵渝强老师】部署Hadoop的本地模式
    本文介绍了Hadoop的目录结构及本地模式部署方法,包括解压安装、设置环境变量、配置Hadoop参数等步骤,并通过一个简单的WordCount程序示例,演示了如何在本地模式下运行MapReduce任务。
    |
    2月前
    |
    分布式计算 Hadoop 大数据
    大数据体系知识学习(一):PySpark和Hadoop环境的搭建与测试
    这篇文章是关于大数据体系知识学习的,主要介绍了Apache Spark的基本概念、特点、组件,以及如何安装配置Java、PySpark和Hadoop环境。文章还提供了详细的安装步骤和测试代码,帮助读者搭建和测试大数据环境。
    83 1
    |
    2月前
    |
    SQL 分布式计算 大数据
    大数据-168 Elasticsearch 单机云服务器部署运行 详细流程
    大数据-168 Elasticsearch 单机云服务器部署运行 详细流程
    64 2