• Hadoop快速入门


    Hadoop快速入门

    Hadoop快速入门

    目的

    这篇文档的目的是帮助你快速完成单机上的Hadoop安装与使用以便你对Hadoop分布式文件系统(HDFS)和Map-Reduce框架有所体会,比如在HDFS上运行示例程序或简单作业等。

    先决条件

    支持平台

    • GNU/Linux是产品开发和运行的平台。
      Hadoop已在有2000个节点的GNU/Linux主机组成的集群系统上得到验证。
    • Win32平台是作为开发平台支持的。由于分布式操作尚未在Win32平台上充分测试,所以还不作为一个生产平台被支持。

    所需软件

    Linux和Windows所需软件包括:

    1. JavaTM1.5.x,必须安装,建议选择Sun公司发行的Java版本。
    2. ssh 必须安装并且保证 sshd一直运行,以便用Hadoop
      脚本管理远端Hadoop守护进程。

    Windows下的附加软件需求

    1. Cygwin - 提供上述软件之外的shell支持。

    安装软件

    如果你的集群尚未安装所需软件,你得首先安装它们。

    以Ubuntu Linux为例:

    $ sudo apt-get install ssh

    $ sudo apt-get install rsync

    在Windows平台上,如果安装cygwin时未安装全部所需软件,则需启动cyqwin安装管理器安装如下软件包:

    • openssh - Net

    下载

    为了获取Hadoop的发行版,从Apache的某个镜像服务器上下载最近的
    稳定发行版

    运行Hadoop集群的准备工作

    解压所下载的Hadoop发行版。编辑
    conf/hadoop-env.sh文件,至少需要将JAVA_HOME设置为Java安装根路径。

    尝试如下命令:

    $ bin/hadoop


    将会显示hadoop 脚本的使用文档。

    现在你可以用以下三种支持的模式中的一种启动Hadoop集群:

    • 单机模式
    • 伪分布式模式
    • 完全分布式模式

    单机模式的操作方法

    默认情况下,Hadoop被配置成以非分布式模式运行的一个独立Java进程。这对调试非常有帮助。

    下面的实例将已解压的 conf 目录拷贝作为输入,查找并显示匹配给定正则表达式的条目。输出写入到指定的output目录。

    $ mkdir input

    $ cp conf/*.xml input


    $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+'


    $ cat output/*

    伪分布式模式的操作方法

    Hadoop可以在单节点上以所谓的伪分布式模式运行,此时每一个Hadoop守护进程都作为一个独立的Java进程运行。

    配置

    使用如下的 conf/hadoop-site.xml:

    <configuration>
      <property>
        <name>fs.default.name</name>
        <value>localhost:9000</value>
      </property>
      <property>
        <name>mapred.job.tracker</name>
        <value>localhost:9001</value>
      </property>
      <property>
        <name>dfs.replication</name>
        <value>1</value>
      </property>
    </configuration>

    免密码ssh设置

    现在确认能否不输入口令就用ssh登录localhost:

    $ ssh localhost

    如果不输入口令就无法用ssh登陆localhost,执行下面的命令:

    $ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa

    $ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

    执行

    格式化一个新的分布式文件系统:

    $ bin/hadoop namenode -format

    启动Hadoop守护进程:

    $ bin/start-all.sh

    Hadoop守护进程的日志写入到
    ${HADOOP_LOG_DIR} 目录 (默认是
    ${HADOOP_HOME}/logs).

    浏览NameNode和JobTracker的网络接口,它们的地址默认为:

    将输入文件拷贝到分布式文件系统:

    $ bin/hadoop fs -put conf input

    运行发行版提供的示例程序:


    $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+'

    查看输出文件:

    将输出文件从分布式文件系统拷贝到本地文件系统查看:

    $ bin/hadoop fs -get output output

    $ cat output/*

    或者

    在分布式文件系统上查看输出文件:

    $ bin/hadoop fs -cat output/*

    完成全部操作后,停止守护进程:

    $ bin/stop-all.sh

    完全分布式模式的操作方法

    关于搭建完全分布式模式的,有实际意义的集群的资料可以在这里找到。

  • 相关阅读:
    快速实现进度条
    Cristi Potlog's Chart Control for .NET
    摩托罗拉投资Android外来往戏开辟商Moblyng
    展讯通讯四季度净利润3000万美元同比增长20倍
    罗仕证券上调空中网评级至"买入"
    政协委员郭为:立异体系体例要以运用为先
    软通动力第四季度净盈余390万美元
    华盛顿邮报:iPad 2将扩展抢先职位
    TwitPic借绯闻男星营销 每个单词赚1.6美元
    苹果向2周内新购iPad一代用户退款100美元
  • 原文地址:https://www.cnblogs.com/lexus/p/2388651.html
Copyright © 2020-2023  润新知