图解大数据 | Hadoop系统搭建与环境配置@实操案例

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: 本教程详细讲解Hadoop的安装与环境配置方法,并配有相关软件的下载方法。需要注意的是,本教程的工作环境为Linux系统。

ShowMeAI研究中心

作者:韩信子@ShowMeAI
教程地址http://www.showmeai.tech/tutorials/84
本文地址http://www.showmeai.tech/article-detail/169
声明:版权所有,转载请联系平台与作者并注明出处

收藏ShowMeAI查看更多精彩内容


1.引言

本教程ShowMeAI详细给大家讲解Hadoop的安装与环境配置方法,关于Hadoop与map-reduce的基础知识,大家可以回顾ShowMeAI的基础知识讲解篇分布式平台Hadoop与Map-reduce详解。本教程的工作环境为Linux系统(实际有大数据环境的公司,工作与开发环境很多也是在服务器上,大家可以尽早熟悉一下)。

本教程使用到的Hadoop安装文件,下载方式有以下选择:

Hadoop安装文件下载(百度网盘)
链接: https://pan.baidu.com/s/1kFBBT2glXeGxf_Y2PXwA7Q
提取码:show

2.环境说明

  • 系统环境: Ubuntu 14.04 64位 (Ubuntu 12.04,Ubuntu16.04 也行,32位、64位均可)。
  • Hadoop版本:本教程基于Hadoop 2完成,Hadoop 2.6.0 (stable) 版本验证通过,可适合任何 Hadoop 2.x.y 版本。

3.创建用户

1)新增用户

首先新增一个名为 hadoop 的用户。打开终端窗口(快捷键ctrl+alt+t ),输入如下命令 :

sudo useradd -m hadoop -s /bin/bash
AI 代码解读

对上述操作做一个解释:

  • sudo命令:sudo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,就需要输入您当前用户的密码。本教程中大量使用到sudo命令。
  • 密码:在Linux的终端中输入密码,终端是不会显示任何你当前输入的密码,也不会提示你已经输入了多少字符密码。而在windows系统中,输入密码一般都会以“*”表示你输入的密码字符。

2)设置密码

使用如下命令设置密码,可简单设置为 hadoop,按提示输入两次密码:

sudo passwd hadoop
AI 代码解读

再通过以下命令为 hadoop 用户增加管理员权限,方便部署:

sudo adduser hadoop sudo
AI 代码解读

4.更新apt

接下来更新一下 apt,因为在Linux(Ubuntu)环境下最方便的安装软件方式是使用 apt ,保持它在比较新的状态,在命令行执行如下命令:

sudo apt-get update
AI 代码解读

安装vim等编辑器:后续使用vim进行文本编辑,这里基于更新后的apt安装一下vim,命令如下:

sudo apt-get install vim
AI 代码解读

安装软件时若需要确认,在提示处输入 y 即可。

实操案例; Hadoop系统搭建与环境配置; 更新apt; 3-1

5.安装与配置SS

集群、单节点模式都需要用到 SSH 登陆,Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server,可以基于以下命令安装:

sudo apt-get install openssh-server
AI 代码解读

安装后,可以使用如下命令登陆本机:

ssh localhost
AI 代码解读

此时会有如下提示(SSH首次登陆提示),输入 yes 。然后按提示输入密码 hadoop,这样就登陆到本机了。

实操案例; Hadoop系统搭建与环境配置; SSH首次登陆提示; 3-2

下面配置一下SSH无密码登陆,以便更快捷的操作。

首先退出刚才的 ssh,再利用 ssh-keygen 生成密钥,并将密钥加入到授权中,命令如下:

exit                           # 退出刚才的 ssh localhost
cd ~/.ssh/                     # 若没有该目录,请先执行一次ssh localhost
ssh-keygen -t rsa              # 会有提示,都按回车就可以
cat ./id_rsa.pub >> ./authorized_keys  # 加入授权
AI 代码解读

上述命令中:

  • ~ 代表的是用户的主文件夹,即 /home/用户名 这个目录
  • 命令中的 # 后面的文字是注释,只需要输入前面命令即可。

此时再用 ssh localhost 命令,无需输入密码就可以直接登陆了,如下图所示。

实操案例; Hadoop系统搭建与环境配置; SSH无密码登录; 3-3

6.安装Java环境

安装需要依赖jdk安装包,从下方百度网盘下载。

Hadoop安装文件下载(百度网盘)
链接: https://pan.baidu.com/s/1kFBBT2glXeGxf_Y2PXwA7Q
提取码:show

下载JDK1.8的安装包【jdk-8u162-linux-x64.tar.gz】,并把压缩格式的文件jdk-8u162-linux-x64.tar.gz下载到本地电脑,假设保存在 /home/hadoop/Downloads/ 目录下。

在Linux命令行界面中,执行如下Shell命令(注意:当前登录用户名是hadoop):

cd /usr/lib
sudo mkdir jvm #创建/usr/lib/jvm目录用来存放JDK文件
cd ~ #进入hadoop用户的主目录
cd Downloads  #注意区分大小写字母,刚才已经通过FTP软件把JDK安装包jdk-8u162-linux-x64.tar.gz上传到该目录下
sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm  #把JDK文件解压到/usr/lib/jvm目录下
AI 代码解读

JDK文件解压缩以后,可以执行如下命令到 /usr/lib/jvm 目录查看一下:

cd /usr/lib/jvm
ls
AI 代码解读

可以看到,在 /usr/lib/jvm 目录下有个jdk1.8.0_162目录。

下面继续执行如下命令,设置环境变量:

cd ~
vim ~/.bashrc
AI 代码解读

上面命令使用vim编辑器打开了hadoop这个用户的环境变量配置文件,请在这个文件的开头位置,添加如下几行内容:

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
AI 代码解读

保存 .bashrc 文件并退出vim编辑器。

然后,继续执行如下命令让 .bashrc 文件的配置立即生效:

source ~/.bashrc
AI 代码解读

这时,可以使用如下命令查看是否安装成功:

java -version
AI 代码解读

如果能够在屏幕上返回如下信息,则说明安装成功:

hadoop@ubuntu:~$ java -version
java version "1.8.0_162"
Java(TM) SE Runtime Environment (build 1.8.0_162-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.162-b12, mixed mode)
AI 代码解读

7.安装 Hadoop 2

下面安装Hadoop 2,安装文件可以通过 http://mirror.bit.edu.cn/apache/hadoop/common/ 或者 http://mirrors.cnnic.cn/apache/hadoop/common/ 下载,也可以通过以下方式下载:

Hadoop安装文件下载(百度网盘)
链接: https://pan.baidu.com/s/1kFBBT2glXeGxf_Y2PXwA7Q
提取码:show

选择将 Hadoop 安装至 /usr/local/ 中:

sudo tar -zxf ~/下载/hadoop-2.7.1.tar.gz -C /usr/local    # 解压到/usr/local中
cd /usr/local/
sudo mv ./hadoop-2.7.1/ ./hadoop            # 将文件夹名改为hadoop
sudo chown -R hadoop ./hadoop       # 修改文件权限
AI 代码解读

Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用,成功则会显示 Hadoop 版本信息:

cd /usr/local/hadoop
./bin/hadoop version
AI 代码解读

8.Hadoop单机配置

Hadoop 默认模式为非分布式模式(本地模式),无需进行其他配置即可运行。非分布式即单 Java 进程,方便进行调试。

现在可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子(运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 可以看到所有例子),包括 wordcount、terasort、join、grep 等。

在此选择运行 grep 例子,将 input 文件夹中的所有文件作为输入,筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数,最后输出结果到 output 文件夹中。

cd /usr/local/hadoop
mkdir ./input
cp ./etc/hadoop/*.xml ./input   # 将配置文件作为输入文件
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/*          # 查看运行结果
AI 代码解读

执行成功后如下所示,输出了作业的相关信息,输出的结果是符合正则的单词 dfsadmin 出现了1次

实操案例; Hadoop系统搭建与环境配置; Hadoop单机模式运行grep的输出结果; 3-4

注意,Hadoop 默认不会覆盖结果文件,因此再次运行上面实例会提示出错,需要先将 ./output 删除。删除命令为 rm -r ./output

9.Hadoop伪分布式配置

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。

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中,伪分布式需要修改2个配置文件 core-site.xmlhdfs-site.xml 。Hadoop的配置文件是 xml 格式,每个配置以声明 propertynamevalue 的方式来实现。

修改配置文件 core-site.xml (可以通过 vim/gedit 编辑: vim ./etc/hadoop/core-site.xml 或者 gedit ./etc/hadoop/core-site.xml),将当中的

<configuration>
</configuration>
AI 代码解读

修改为下面配置:

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>
AI 代码解读

同样的,修改配置文件 hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/data</value>
    </property>
</configuration>
AI 代码解读

配置完成后,执行 NameNode 的格式化:

cd /usr/local/hadoop
./bin/hdfs namenode -format
AI 代码解读

成功的话,会看到 successfully formattedExitting with status 0 的提示,若为 Exitting with status 1 则是出错。

实操案例; Hadoop系统搭建与环境配置; 执行; namenode 格式化; 3-5

接着开启 NameNode 和 DataNode 守护进程。

cd /usr/local/hadoop
./sbin/start-dfs.sh  #start-dfs.sh是个完整的可执行文件,中间没有空格
AI 代码解读

若出现如下SSH提示,输入 yes 即可。

实操案例; Hadoop系统搭建与环境配置; 启动Hadoop时的SSH提示; 3-6

启动完成后,可以通过命令 jps 来判断是否成功启动,若成功启动则会列出如下进程:“NameNode”、”DataNode” 和 “SecondaryNameNode”

实操案例; Hadoop系统搭建与环境配置; 通过jps查看启动的Hadoop进程; 3-7

成功启动后,可以访问 Web 界面 http://localhost:50070 查看 NameNodeDatanode 信息,还可以在线查看 HDFS 中的文件。

实操案例; Hadoop系统搭建与环境配置; Hadoop的Web界面; 3-8

10.运行Hadoop伪分布式实例

上面的单机模式,grep 例子读取的是本地数据,伪分布式读取的则是 HDFS 上的数据。要使用 HDFS,首先需要在 HDFS 中创建用户目录:

./bin/hadoop fs -mkdir -p /user/hadoop
AI 代码解读

上述命令有以下3种不同的形态均可使用:

hadoop fs
hadoop dfs
hdfs dfs
AI 代码解读

接着将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中,即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。命令如下:

./bin/hadoop fs -mkdir input
./bin/hadoop fs -put ./etc/hadoop/*.xml input
AI 代码解读

复制完成后,可以通过如下命令查看文件列表:

./bin/hadoop fs -ls input
AI 代码解读

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(可以将单机步骤中创建的本地 input 文件夹,输出结果 output 文件夹都删掉来验证这一点)。

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'
AI 代码解读

查看运行结果的命令(查看的是位于 HDFS 中的输出结果):

./bin/hadoop fs -cat output/*
AI 代码解读

结果如下,注意到刚才已经更改了配置文件,所以运行结果不同。

11.安装Hadoop集群

初次学习,伪分布式完整的功能已经具备了,足够使用。如果需要安装 Hadoop 集群,请查看 Hadoop集群安装配置教程(https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/ )。

参考资料

【大数据技术与处理】推荐阅读

ShowMeAI 系列教程推荐

ShowMeAI用知识加速每一次技术成长

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;
目录
打赏
0
0
0
0
2387
分享
相关文章
高科技生命体征探测器、情绪感受器以及传感器背后的大数据平台在健康监测、生命体征检测领域的设想与系统构建
本系统由健康传感器、大数据云平台和脑机接口设备组成。传感器内置生命体征感应器、全球无线定位、人脸识别摄像头等,搜集超出现有科学认知的生命体征信息。云平台整合大数据、云计算与AI,处理并传输数据至接收者大脑芯片,实现实时健康监测。脑机接口设备通过先进通讯技术,实现对健康信息的实时感知与反馈,确保身份验证与数据安全。
基于Java的Hadoop文件处理系统:高效分布式数据解析与存储
本文介绍了如何借鉴Hadoop的设计思想,使用Java实现其核心功能MapReduce,解决海量数据处理问题。通过类比图书馆管理系统,详细解释了Hadoop的两大组件:HDFS(分布式文件系统)和MapReduce(分布式计算模型)。具体实现了单词统计任务,并扩展支持CSV和JSON格式的数据解析。为了提升性能,引入了Combiner减少中间数据传输,以及自定义Partitioner解决数据倾斜问题。最后总结了Hadoop在大数据处理中的重要性,鼓励Java开发者学习Hadoop以拓展技术边界。
50 7
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。
89 4
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。
201 2
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。
195 1
大数据体系知识学习(二):WordCount案例实现及错误总结
这篇文章介绍了如何使用PySpark进行WordCount操作,包括环境配置、代码实现、运行结果和遇到的错误。作者在运行过程中遇到了Py4JJavaError和JAVA_HOME未设置的问题,并通过导入findspark初始化和设置环境变量解决了这些问题。文章还讨论了groupByKey和reduceByKey的区别。
70 1
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。
125 1
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
242 6
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
113 2
大数据-04-Hadoop集群 集群群起 NameNode/DataNode启动 3台公网云 ResourceManager Yarn HDFS 集群启动 UI可视化查看 YarnUI(一)
大数据-04-Hadoop集群 集群群起 NameNode/DataNode启动 3台公网云 ResourceManager Yarn HDFS 集群启动 UI可视化查看 YarnUI(一)
120 5