再识hadoop 希望自己可以将hadoop相关的知识总结
hadoop
建议大家还是尽量看官方文档,我会在我的文档中逐步添加注意或者添加在aws云平台搭建的过程中遇到的问题。
模块
该项目包括以下模块:
- Hadoop Common:支持其他Hadoop模块的常用实用程序。
- Hadoop分布式文件系统(HDFS™):一种分布式文件系统,可提供对应用程序数据的高吞吐量访问。
- Hadoop YARN:作业调度和集群资源管理的框架。
- Hadoop MapReduce:基于YARN的系统,用于并行处理大型数据集。
- Hadoop Ozone: Hadoop的对象存储。
集群搭建
支持的平台
支持GNU / Linux作为开发和生产平台。已经在具有2000个节点的GNU / Linux集群上演示了Hadoop。
必备软件
Linux所需的软件包括:
-
必须安装Java™。HadoopJavaVersions描述了推荐的Java版本。
-
必须安装ssh并且必须运行sshd才能使用管理远程Hadoop守护进程的Hadoop脚本。
安装软件
如果您的群集没有必需的软件,则需要安装它。
例如在Ubuntu Linux上:
$ sudo apt-get install ssh$ sudo apt-get install rsync
下载
建议使用已经发布半年的稳定版本。以避免搭建集群时出现兼容性问题。
准备启动Hadoop集群
解压缩下载的Hadoop发行版。在分发中,编辑文件etc / hadoop / hadoop-env.sh以定义一些参数,如下所示:
#设置为Java安装的根目录export JAVA_HOME = / usr / java / latest
请尝试以下命令:
$ bin / hadoop
这将显示hadoop脚本的使用文档。
现在,您已准备好以三种支持模式之一启动Hadoop集群:
独立操作
默认情况下,Hadoop配置为以非分布式模式运行,作为单个Java进程。这对调试很有用。
以下示例复制解压缩的conf目录以用作输入,然后查找并显示给定正则表达式的每个匹配项。输出将写入给定的输出目录。
$ mkdir输入$ cp etc / hadoop / * .xml输入$ bin / hadoop jar share / hadoop / mapreduce / hadoop-mapreduce-examples-2.9.2.jar grep input output'dfs [az。] +'$ cat输出/ *
伪分布式操作
Hadoop也可以在伪分布式模式下在单节点上运行,其中每个Hadoop守护程序在单独的Java进程中运行。
组态
使用以下内容:
等/ hadoop的/芯-site.xml中:
<结构><属性><名称> fs.defaultFS </名称><值> HDFS://本地主机:9000 </值></属性></配置>
等/ hadoop的/ HDFS-site.xml中:
<结构><属性><名称> dfs.replication </名称><值> 1 </值></属性></配置>
设置passphraseless ssh
现在检查您是否可以在没有密码的情况下ssh到localhost:
$ ssh localhost
如果在没有密码短语的情况下无法ssh到localhost,请执行以下命令:
$ ssh-keygen -t rsa -P'' - f~ / .ssh / id_rsa$ cat~ / .ssh / id_rsa.pub >>〜/ .ssh / authorized_keys$ chmod 0600~ / .ssh / authorized_keys
执行
以下说明是在本地运行MapReduce作业。如果要在YARN上执行作业,请参阅单节点上的YARN 。
-
格式化文件系统:
$ bin / hdfs namenode -format
-
启动NameNode守护程序和DataNode守护程序:
$ sbin / start-dfs.sh
hadoop守护程序日志输出将写入$ HADOOP_LOG_DIR目录(默认为$ HADOOP_HOME / logs)。
-
浏览NameNode的Web界面; 默认情况下,它可用于:
- NameNode - http:// localhost:50070 /
-
创建执行MapReduce作业所需的HDFS目录:
$ bin / hdfs dfs -mkdir / user$ bin / hdfs dfs -mkdir / user / <username>
-
将输入文件复制到分布式文件系统中:
$ bin / hdfs dfs -put etc / hadoop输入
-
运行一些提供的示例:
$ bin / hadoop jar share / hadoop / mapreduce / hadoop-mapreduce-examples-2.9.2.jar grep input output'dfs [az。] +'
-
检查输出文件:将输出文件从分布式文件系统复制到本地文件系统并检查它们:
$ bin / hdfs dfs -get输出$ cat输出/ *
要么
查看分布式文件系统上的输出文件:
$ bin / hdfs dfs -cat输出/ *
-
完成后,停止守护进程:
$ sbin / stop-dfs.sh
YARN在单个节点上
您可以通过设置一些参数并运行ResourceManager守护程序和NodeManager守护程序,以伪分布式模式在YARN上运行MapReduce作业。
-
配置参数如下:etc / hadoop / mapred-site.xml:
<结构><属性><名称> mapreduce.framework.name </名称><值>纱</值></属性></配置>
etc / hadoop / yarn-site.xml:
<结构><属性><名称> yarn.nodemanager.aux服务</名称><值> mapreduce_shuffle </值></属性></配置>
-
启动ResourceManager守护程序和NodeManager守护程序:
$ sbin / start-yarn.sh
-
浏览ResourceManager的Web界面; 默认情况下,它可用于:
- ResourceManager - http:// localhost:8088 /
-
运行MapReduce作业。
-
完成后,停止守护进程: