Hadoop 文档

General

Common

HDFS

MapReduce

MapReduce REST APIs

YARN

YARN REST APIs

YARN Service

Submarine

Hadoop Compatible File Systems

Auth

Tools

Reference

Configuration

目的

本文档介绍了如何设置和配置单节点Hadoop安装,以便您可以使用Hadoop MapReduce和Hadoop分布式文件系统(HDFS)快速执行简单的操作。

先决条件

支持平台

  • 支持GNU / Linux作为开发和生产平台。Hadoop在具有2000个节点的GNU / Linux集群上得到了证明。

  • Windows也是受支持的平台,但是以下步骤仅适用于Linux。要在Windows上设置Hadoop,请参见wiki页面

所需软件

Linux所需的软件包括:

  1. 必须安装Java™。HadoopJavaVersions中描述了推荐的Java版本。

  2. 如果要使用可选的启动和停止脚本,则必须安装ssh且sshd必须正在运行以使用管理远程Hadoop守护程序的Hadoop脚本。另外,建议也安装pdsh以便更好地进行ssh资源管理。

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 pdsh

下载

要获得Hadoop发行版,请从Apache下载镜像之一下载最新的稳定版本。

准备启动Hadoop集群

解压缩下载的Hadoop发行版。在发行版中,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
  导出JAVA_HOME = / usr / java / latest

尝试以下命令:

  $ bin / hadoop

这将显示hadoop脚本的用法文档。

现在,您可以以三种支持的模式之一启动Hadoop集群:

独立运行

默认情况下,Hadoop被配置为在非分布式模式下作为单个Java进程运行。这对于调试很有用。

下面的示例复制解压缩的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。输出被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-3.2.1.jar grep输入输出'dfs [az。] +'
  $ cat输出/ *

伪分布式操作

Hadoop也可以以伪分布式模式在单节点上运行,其中每个Hadoop守护程序都在单独的Java进程中运行。

组态

使用以下内容:

等/hadoop/core-site.xml:

<配置>
    <属性>
        <名称> fs.defaultFS </名称>
        <value> hdfs:// localhost:9000 </ value>
    </ property>
</ configuration>

等/hadoop/hdfs-site.xml:

<配置>
    <属性>
        <name> dfs.replication </ name>
        <value> 1 </ value>
    </ property>
</ configuration>

设置无密码SSH

现在检查您是否可以在没有密码的情况下SSH到本地主机:

  $ ssh本地主机

如果没有密码就无法SSH到本地主机,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YARN在单节点上

  1. 格式化文件系统:

      $ bin / hdfs namenode-格式
    
  2. 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)。

  3. 浏览Web界面以查找NameNode;默认情况下,它在以下位置可用:

    • NameNode- http:// localhost:9870 /
  4. 设置执行MapReduce作业所需的HDFS目录:

      $ bin / hdfs dfs -mkdir / user
      $ bin / hdfs dfs -mkdir / user / <用户名>
    
  5. 将输入文件复制到分布式文件系统中:

      $ bin / hdfs dfs -mkdir输入
      $ bin / hdfs dfs -put etc / hadoop / *。xml输入
    
  6. 运行提供的一些示例:

      $ bin / hadoop jar share / hadoop / mapreduce / hadoop-mapreduce-examples-3.2.1.jar grep输入输出'dfs [az。] +'
    
  7. 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-获取输出输出
      $ 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/ *
    
  8. 完成后,使用以下命令停止守护进程:

      $ sbin / stop-dfs.sh
    

在单个节点上的YARN

您可以通过设置一些参数并另外运行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。

以下指令假定上述指令的1.〜4. 步骤已经执行。

  1. 如下配置参数:

    etc / hadoop / mapred-site.xml

    <配置>
        <属性>
            <name> mapreduce.framework.name </ name>
            <value>纱线</ value>
        </ property>
        <属性>
            <name> mapreduce.application.classpath </ name>
            <value> $ HADOOP_MAPRED_HOME / share / hadoop / mapreduce / *:$ HADOOP_MAPRED_HOME / share / hadoop / mapreduce / lib / * </ value>
        </ property>
    </ configuration>
    

    etc / hadoop / yarn-site.xml

    <配置>
        <属性>
            <name> yarn.nodemanager.aux-services </ name>
            <value> mapreduce_shuffle </ value>
        </ property>
        <属性>
            <name> yarn.nodemanager.env-whitelist </ name>
            <值> JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME </ value>
        </ property>
    </ configuration>
    
  2. 启动ResourceManager守护程序和NodeManager守护程序:

      $ sbin / start-yarn.sh
    
  3. 浏览Web界面以找到ResourceManager;默认情况下,它在以下位置可用:

    • ResourceManager- http:// localhost:8088 /
  4. 运行MapReduce作业。

  5. 完成后,使用以下命令停止守护进程:

      $ sbin / stop-yarn.sh
    

全分布式运行

有关设置完全分布式的非重要集群的信息,请参见集群设置