【小白视角】大数据基础实践(一)搭建Hadoop集群

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: 【小白视角】大数据基础实践(一)搭建Hadoop集群

大数据实践第一篇,面向小白编程

搭建Hadoop集群

大数据实践第一篇,面向小白编程

Ubuntu的操作

1.下载文件

1.1下载ubuntu镜像文件

1.2 下载及安装VMware

1.3在VMware安装Ubuntu

1.4安装VMware Tools工具

2.安装必要配置

2.1换源

2.2 安装vim

2.3 安装net-tools

2.4 安装jdk1.8

2.4.1创建

2.4.2配置环境

2.5 open-server

3 配置静态IP

3.1设置

3.2 配置

3.3修改配置文件

3.3.1 interfaces文件

3.3.2 DNS服务文件

3.4 重启网卡

4 安装IDEA

5 配置ssh免密登陆

5.1确认ssh服务安装并启动

6 搭建Hadoop集群

6.1 克隆

6.2 使用xftp6

6.3 将私钥放入其他两台机子当中

Ubuntu的操作

1.下载文件

1.1下载ubuntu镜像文件

注:推荐使用16.04或是18.04版本


下载地址链接pub.mirrors.aliyun.com


进入下载页面,如下图,选择版本进入选择 ubuntu-X.X.X-desktop-amd64.iso 下载即可


image.png


1.2 下载及安装VMware

百度搜索随便安装即可,建议安装到磁盘比较大的地方,其他选择默认就可以了,网上找找破解码即可。


1.3在VMware安装Ubuntu

image.png



image.png

选择下载的iso文件


image.png


然后随便搞搞这个,密码最好简单一点,我是用root


image.png


虚拟机名字可以整成Hadoop,位置最好不要放C盘,放其他大一点的盘,


image.png


然后一直按下一步就行了


image.png


然后等待安装完就行了。


进去之后


image.png


image.png


image.png


继续就可了


选择城市


image.png


image.png


密码就随便搞搞吧


image.png


然后就可以了


image.png


1.4安装VMware Tools工具

点击虚拟机进行安装即可。然后重启一下就行了。


image.png


2.安装必要配置

2.1换源

我们先要换源


找到这个Software & Update


image.png


找到自己想要换的源头


image.png


即可

sudo apt-get install vim
sudo apt-get update

2.3 安装net-tools


image.png

2.4 安装jdk1.8

2.4.1创建

创建一个文件将jdk包放入


image.png


2.4.2配置环境

vim ~/.bashrc


image.png


像这样配置环境即可


image.png


退出并保存.bashrc文件,用source命令使之生效,能在任意目录下查看Java版本号、或执行java命令表示JDPK配置成功


2.5 open-server

sudo apt-get install openssh-server

1

3 配置静态IP

3.1设置

Vmware 菜单栏“虚拟机”→“设置”→“网络适配器”→“桥接模式”


image.png


3.2 配置

虚拟网络编辑器中设置虚拟网络连接到的外部网络 Vmware 菜单栏“编辑”→“虚拟网络编辑器”


image.png


image.png


3.3修改配置文件

3.3.1 interfaces文件

sudo vim /etc/network/interfaces


image.png

3.3.2 DNS服务文件

sudo vim /etc/systemd/resolved.conf

image.png


3.4 重启网卡

sudo /etc/init.d/networking restart


image.png


出现ok即可


测试ping百度,发现可以就行了。


image.png


查看ip是否被修改了。


image.png


4 安装IDEA

找到下载中心安装即可。


image.png


运行hello world可以,即可

image.png

5 配置ssh免密登陆

5.1确认ssh服务安装并启动


image.png

使用

dpkg –l | grep ssh
ps –e | grep ssh


确认ssh服务安装并启动


image.png


在用户根目录输入指令

ssh-keygen -t rsa

image.png

免密登陆所以直接回车就可以了


image.png


id_rsa为私钥,id_rsa.pub为公钥


创建一个authorized_keys文件用于存放远程免密登录机器的公钥,再将本机公钥追加到authorized_keys文件中,实现本机免密登录。最后赋予authorized_keys文件有效权限。


最后

ssh localhost

免密登陆成功。


image.png


6 搭建Hadoop集群

6.1 克隆


image.png


image.png

按照指示就可以完成克隆了。建议命名成Hadoop1,Hadoop2


然后按照要求再将其中地址更改,防止一样的造成冲突。


我是主机Hadoop 192.168.43.200


Hadoop-Clone1192.168.43.201


Hadoop-Clone2 192.168.43.202


image.png


6.2 使用xftp6

使用xftp6辅助,将每台机器的公钥文件id_rsa.pub分别复制到其他两台机器上。


image.png



image.png

另外克隆的两台机子的也要进行步骤5的ssh免密登陆的操作。


6.3 将私钥放入其他两台机子当中

image.png


image.png

image.png

6.4 测试 ssh 是否成功


注意ssh 后面跟着是你的主机 我的是031904102 所以ssh 031904102 ,031904102是我主节点的名字。


image.png


成功Hadoop集群便搭建成功了!


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
|
2月前
|
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
189 56
|
1月前
|
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。
68 4
|
1月前
|
存储 负载均衡 监控
揭秘 Elasticsearch 集群架构,解锁大数据处理神器
Elasticsearch 是一个强大的分布式搜索和分析引擎,广泛应用于大数据处理、实时搜索和分析。本文深入探讨了 Elasticsearch 集群的架构和特性,包括高可用性和负载均衡,以及主节点、数据节点、协调节点和 Ingest 节点的角色和功能。
56 0
|
2月前
|
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。
|
2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。
159 2
|
3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)
60 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
2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。
143 1
|
3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)
74 5
|
3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。
106 1
|
3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
74 4

热门文章

最新文章