好程序员大数据培训分享之Hadoop的单节点集群设置(独立模式)

本文涉及的产品
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:

  好程序员大数据培训分享之Hadoop的单节点集群设置(独立模式),接下来,我们就来了解一下Hadoop集群的安装。而Hadoop的安装模式有以下三种,我们一一来了解一下:

单节点上的本地模式(独立模式) :Local(Standalone)Mode
单节点的伪分布模式:Pseudo-Distributed Mode
多节点的安全分布式集群模式:Fully-Distributed Cluster
1 本地模式介绍
1.1 特点:

运行在单台机器上,没有分布式思想,使用的是本地文件系统

1.2. 用途

用于对MapReduce程序的逻辑进行调试,确保程序的正确。由于在本地模式下测试和调试MapReduce程序较为方便,因此,这种模式适宜用在开发阶段。

2 平台软件说明

  • 操作系统: win10/win7
  • 虚拟软件: VMware14
  • 虚拟机: CentOS_7.7_64_master192.168.10.200
  • 软件包存储路径: /opt/software/
  • 软件安装路径: /opt/apps/
  • Jdk: jdk-8u221-linux-x64.tar.gz
  • Hadoop: hadoop-2.7.6.tar.gz
  • 用户: root

3 环境搭建:Jdk的安装步骤
步骤1)检查一下是否已经安装过或者系统内置JDK,如果有内置的,将其卸载

[root@master ~]# rpm -qa | grep jdk

如果有,请卸载

[root@master ~]# rpm -e xxxxxxxx --nodeps #将查询到的内置jdk代替xxxxxxx

步骤2)上传jdk1.8

将jdk-8u221-linux-x64.tar.gz上传到/opt/software/目录中

步骤3)解压jdk到/opt/apps/下

[root@master ~]# cd /opt/software

[root@master software]# tar -zxvf jdk-8u221-linux-x64.tar.gz -C /opt/apps/

步骤4)更名jdk

[root@master ~]# cd /opt/apps

[root@master apps]# mv jdk1.8.0_221/ jdk

步骤5)配置Jdk的环境变量:/etc/profile

[root@master apps]# vi /etc/profile

.........省略...........

jdk environment

export JAVA_HOME=/opt/apps/jdk

export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH

步骤6)使当前窗口生效

[root@master apps]# source /etc/profile

步骤7)验证jdk环境

[root@master apps]# java -version

[root@master apps]# javac

4 hadoop目录结构说明
1 Hadoop目录结构如下:(可以提前在window系统上解压,看一下)
_4

--1. bin: hadoop的二进制执行命令文件存储目录

--2. sbin: hadoop的执行脚本存储目录

--3. etc: hadoop的配置文件存储目录

--4. lib/libexec: hadoop的资源库存储目录

--5. share:hadoop的共享资源、开发工具和案例存储目录

--6. include: hadoop的工具脚本存储目录

5 环境搭建:Hadoop的安装步骤
步骤1) 上传并解压hadoop

将hadoop软件包上传到/opt/software目录下,然后解压到/opt/apps/目录下

[root@master ~]# cd /opt/software/

[root@master software]# tar -zxvf hadoop-2.7.6.tar.gz -C /opt/apps/

步骤2)更名hadoop

[root@master software]# cd /opt/apps

[root@master apps]# mv hadoop-2.7.6/ hadoop

步骤3)配置hadoop的环境变量

[root@master apps]# vi /etc/profile

.........省略..........

hadoop environment

export HADOOP_HOME=/opt/apps/hadoop

export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

步骤4)使当前窗口生效

[root@master apps]# source /etc/profile

步骤5)验证hadoop

[root@master apps]# hadoop version

3.6 程序案例演示:grep程序
步骤1) 进入hadoop的根目录

[root@master apps]# cd $HADOOP_HOME

步骤2) 创建一个目录input

[root@master hadoop]# mkdir input

步骤3) 将$HADOOP_HOME/etc/hadoop/目录下的所有xml文件复制到input目录下

[root@master hadoop]# cp ./etc/hadoop/*.xml ./input

步骤4) 使用hadoop自带的grep程序查找input目录下的文件是否有符合正则表达式'dfs[a-z.]'的字符串

[root@master hadoop]# hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.6.jar grep input ./output 'dfs[a-z.]'

命令行内容解析:

--1. 使用hadoop命令运行jar文件

--2. 同时指定具体的jar文件的路径

--3. 使用jar文件里的grep主程序

--4. 统计当前目录下的input目录里的内容,

--5. 将统计结果输出到当前目录下的output目录

--6. 给grep指定一个正则表达式

注意:输出目录是一个不存在的目录,程序会自动生成

步骤5) 进入output目录查看part-r-00000文件

[root@master hadoop]# cd ./output

[root@master output]# cat part-r-00000

3.7 案例测试_wordcount.
[root@master hadoop]# hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.6.jar wordcount

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 
相关文章
zdl
|
26天前
|
消息中间件 运维 大数据
大数据实时计算产品的对比测评:实时计算Flink版 VS 自建Flink集群
本文介绍了实时计算Flink版与自建Flink集群的对比,涵盖部署成本、性能表现、易用性和企业级能力等方面。实时计算Flink版作为全托管服务,显著降低了运维成本,提供了强大的集成能力和弹性扩展,特别适合中小型团队和业务波动大的场景。文中还提出了改进建议,并探讨了与其他产品的联动可能性。总结指出,实时计算Flink版在简化运维、降低成本和提升易用性方面表现出色,是大数据实时计算的优选方案。
zdl
143 56
|
24天前
|
SQL 存储 大数据
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。
|
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。
98 2
|
2月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
43 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
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。
70 1
|
2月前
|
分布式计算 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
47 5
|
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。
68 1
|
2月前
|
SQL 分布式计算 NoSQL
大数据-170 Elasticsearch 云服务器三节点集群搭建 测试运行
大数据-170 Elasticsearch 云服务器三节点集群搭建 测试运行
47 4
|
2月前
|
资源调度 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(二)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(二)
46 2
|
2月前
|
SQL 分布式计算 大数据
大数据平台的毕业设计01:Hadoop与离线分析
大数据平台的毕业设计01:Hadoop与离线分析
137 0