热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

伪分布式_Hadoop简介与伪分布式搭建—DAY01

篇首语:本文由编程笔记#小编为大家整理,主要介绍了Hadoop简介与伪分布式搭建—DAY01相关的知识,希望对你有一定的参考价值。一、 

篇首语:本文由编程笔记#小编为大家整理,主要介绍了Hadoop简介与伪分布式搭建—DAY01相关的知识,希望对你有一定的参考价值。



一、  Hadoop的一些相关概念及思想

1、hadoop的核心组成:  

(1)hdfs分布式文件系统   

(2)mapreduce 分布式批处理运算框架

(3)yarn 分布式资源调度系统 

2、hadoop的由来:最早是从nutch+lucene项目中诞生的,用于存储和处理海量的网页

3、hadoop的生态系统:

(1)Hbase--分布式数据库系统

(2)hive--支持sql语法的分析工具(数据仓库)

(3)sqoop--传统关系型数据库到hadoop平台之间的属于导入导出工具

(4)mahout--机器学习算法库(基于mapreduce实现的众多的机器学习算法)(5)5)flume--分布式的日志采集系统

(6)storm--分布式实时流式运算框架

(7)spark--分布式实时计算框架

(8)HDFS--一个分布式文件系统

··a、文件是被切分后存放在多台节点上,而且每一个块有多个副本

··b、文件系统中有两类节点(namenode--元数据管理,datanode--存储数据块)

3、lucene+solr :参考百度这种所搜引擎的技术结构

二、Hadoop伪分布式搭建

1.准备Linux环境
1.0 设置网络
(1)设置windows
(2)设置vmware
(3)设置Linux(centos) 详见1.2

 


参考图:网络设置图

1.1修改Linux的IP
两种方式:
第一种:通过Linux图形界面进行修改(强烈推荐)
进入Linux图形界面 -> 右键点击右上方的两个小电脑 -> 点击Edit connections -> 选中当前网络System eth0 -> 点击edit按钮
-> 选择IPv4 -> method选择为manual -> 点击add按钮 -> 添加IP:192.168.2.200 子网掩码:255.255.255.0 网关:192.168.2.1 ->
->DNS server:8.8.8.8->apply

第二种:修改配置文件方式(屌丝程序猿专用)
sudo vim /etc/sysconfig/network-scripts/ifcfg-eth0

DEVICE="eth0"
BOOTPROTO="static" ###
HWADDR="00:0C:29:3C:BF:E7"
IPV6INIT="yes"
NM_COnTROLLED="yes"
OnBOOT="yes"
TYPE="Ethernet"
UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"
IPADDR="192.168.2.200" ###
NETMASK="255.255.255.0" ###
GATEWAY="192.168.2.1" ###

注意:修改后不会自动生效,需要重启Linux服务器(reboot)或者重启network服务(service network restart)

1.2修改主机名和IP的映射关系
(1)修改主机名:sudo vi /etc/sysconfig/network
HOSTNAME=weekend110
sudo hostname weekend110 #立即生效
eixt #退出当前用户,重新登入后,即可看见更改的用户名 如:[hadoop@weekend110 ~]$
(2)建立ip映射关系
sudo vim /etc/hosts
192.168.2.200 weekend110 # 打开文件后,添加该条记录

1.3关闭防火墙 (系统服务,用sudo命令)
#查看防火墙状态
sudo service iptables status
#关闭防火墙
sudo service iptables stop
#查看防火墙开机启动状态
sudo chkconfig iptables --list
#关闭防火墙开机启动
sudo chkconfig iptables off

1.4重启Linux
reboot

1.5 补充:怎么在Linux环境下不启动图形界面
(1)让普通用户具备sudo执行权限
su root #切换到root用户
vim /etc/sudoers #编辑sudoers文件将当期用户(hadoop)加入到sudoers file
然后在root ALL=(ALL) ALL 下面添加:hadoop ALL=(ALL) ALL, 如下所示:
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
hadoop ALL=(ALL) ALL

(2)sudo vi /etc/inittab
将启动级别改为3, 即 id:3:initdefault:

注释:在图形界面下,用 命令 init 3 更改为命令行界面

2.安装JDK
2.1从windows系统上传文件
输入命令alt+p 后出现sftp窗口,然后put d:\\xxx\\yy\\ll\\jdk-7u_65-i585.tar.gz

2.2解压jdk
#创建文件夹
mkdir /home/hadoop/app
#解压
tar -zxvf jdk-7u55-linux-i586.tar.gz -C /home/hadoop/app

2.3将java添加到环境变量中
sudo vi /etc/profile #对所有用户都会生效
#在文件最后添加
export JAVA_HOME=/home/hadoop/app/jdk-7u_65-i585
export PATH=$PATH:$JAVA_HOME/bin #当前路径加上后面的路径,: 表示相加

#刷新配置
source /etc/profile

3.安装hadoop2.4.1
先上传hadoop的安装包到服务器上去/home/hadoop/ , 即输入命令alt+p 后出现sftp窗口,然后put d:\\xxx\\yy\\ll\\jdk-7u_65-i585.tar.gz
注意:hadoop2.x的配置文件 /home/hadoop/app/hadoop-2.4.1/etc/hadoop
伪分布式需要修改5个配置文件
3.1配置hadoop
第一个:hadoop-env.sh #环境变量
vim hadoop-env.sh
#第27行
export JAVA_HOME=/usr/java/jdk1.7.0_65

第二个:core-site.xml #公共的配置文件,根据这个就知道namenode在哪台主机



fs.defaultFS
hdfs://weekend110:9000/ #hdfs://weekend110:9000/ 表示namenode的地址



hadoop.tmp.dir
/home/hadoop/app/hadoop-2.4.1/data/


第三个:hdfs-site.xml hdfs-default.xml


dfs.replication
1 #默认配置3个副本,但是搭建伪分布式,一台机器,所以这里给1


第四个:mapred-site.xml (改名字:mv mapred-site.xml.template mapred-site.xml)
mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml


mapreduce.framework.name
yarn


第五个:yarn-site.xml


yarn.resourcemanager.hostname
weekend110



yarn.nodemanager.aux-services
mapreduce_shuffle


第六个:slaves

weekend110
...

3.2将hadoop添加到环境变量
sudo vim /etc/profile
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_65
export HADOOP_HOME=/home/hadoop/app/hadoop-2.4.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

source /etc/profile   #刷新

3.3格式化namenode(是对namenode进行初始化)
hadoop namenode -format

3.4启动hadoop
进入到:cd app/hadoop-2.4.1/sbin/

先启动HDFS
start-dfs.sh
stop-dfs.sh

再启动YARN
start-yarn.sh
stop-yarn.sh

3.5验证是否启动成功
使用jps命令验证 (查看所有的进程)
27408 NameNode
28218 Jps
27643 SecondaryNameNode
28066 NodeManager
27803 ResourceManager
27512 DataNode


3.6 网页查看&测试hdfs&测试mapreduce
(1)网页查看:
进入windows, C:\\Windows\\System32\\drivers\\etc,修改hosts , 添加一条记录: 192.128.2.200 weekend110
访问:http://192.168.2.200:50070 ,或者 http://weekend110:50070(HDFS管理界面)
访问http://192.168.2.200:8088 (MR管理界面)
(2)测试hdfs
从Linux向hdfs传文件: hadoop fs -put jdk-7u65-linux-i586.tar.gz hdfs://weekend110:9000/
从hdfs下载文件到linux: hadoop fs -get hdfs://weekend110:9000/jdk-7u65-linux-i586.tar.gz
(3)测试mapreduce
在/home/hadoop/app/hadoop-2.4.1/share/hadoop/mapreduce 下,有hadoop-mapreduce-examples-2.4.1.jar,里面有mapreduce例子程序
例子1:运行hadoop jar hadoop-mapreduce-examples-2.4.1.jar pi 5 5
例子2:
新建一个文本:[hadoop@weekend110 mapreduce]$ vi test.txt
hello world
hello kitty
hello kitty
hello kugou
hello baby
在hdfs新建目录wordcount: hadoop fs -mkdir hdfs://weekend110:9000/wordcount(或者hadoop fs -mkdir /wordcount)
建立子目录wordcount/input : hadoop fs -mkdir hdfs://weekend110:9000/wordcount/input (或者hadoop fs -mkdir /wordcount/input)
将test.txt上传至hdfs: hadoop fs -put test.txt /wordcount/input
上传结果在HDFS管理界面可以查看
运行wordcount例子: hadoop jar hadoop-mapreduce-examples-2.4.1.jar wordcount /wordcount/input /wordcount/output
查看生成的结果:hadoop fs -ls /wordcount/output Found 2 items -rw-r--r-- 1 hadoop supergroup 0 2017-10-04 06:14 /wordcount/output/_SUCCESS -rw-r--r-- 1 hadoop supergroup 39 2017-10-04 06:14 /wordcount/output/part-r-00000
继续查看part-r-00000文件内容:hadoop fs -cat /wordcount/output/part-r-00000 baby 1 hello 5 kitty 2 kugou 1 world 1

4.配置ssh免登陆
(1)从weekend110登入spark01出错
[hadoop@weekend110 ~]$ ssh spark01
ssh: Could not resolve hostname spark01: Temporary failure in name resolution
(2)解决办法:添加hosts
执行命令:sudo vi /etc/hosts 添加192.168.2.131 spark01
结果:再次执行命令:ssh spark01 ,成功登入(或者直接用命令: ssh 192.168.2.131)
(3)从weekend110到spark01无密登入配置
生成密钥对,并且指定加密算法指令:ssh-keygen -t rsa(按4个回车)
执行完这个命令后,在/home/hadoop/.shh下会生成两个文件id_rsa(私钥)、id_rsa.pub(公钥)
将公钥拷贝到要免登陆的机器上: scp id_rsa.pub spark01:/home/hadoop/ (注释:scp 通过ssh协议远程拷贝到spark01上)
创建空文件夹: touch authorized_keys
修改文件夹权限:chmod 600 authorized_keys # -rw-------. 1 hadoop hadoop 0 Oct 4 23:34 authorized_keys
将公钥追加到文件authorized_keys里: cat ../id_rsa.pub >> ./authorized_keys
(4)从weekend110到weekend10无密登入配置
创建空文件夹: touch authorized_keys
修改文件夹权限:chmod 600 authorized_keys # -rw-------. 1 hadoop hadoop 0 Oct 4 23:34 authorized_keys
将/home/hadoop/.shh下的id_rsa.pub(公钥)追加到 authorized_keys:cat ./id_rsa.pub >> ./authorized_keys
查看文件内容: cat authorized_keys
检查是否能够无密登入:
[hadoop@weekend110 .ssh]$ ssh weekend110
Last login: Thu Oct 5 00:16:43 2017 from weekend110 #成功无密登入
(5)启动dfs、yarn
启动dfs: start-dfs.sh
验证:jps
启动yarn: satrt-yarn.sh
验证:jps


注释:ssh无密登陆机制.png

 


补充:停掉ssh服务:service sshd stop

5、补充:hdfs的实现机制

图hdsf的实现机制.png



推荐阅读
  • 从0到1搭建大数据平台
    从0到1搭建大数据平台 ... [详细]
  • 初探Hadoop:第一章概览
    本文深入探讨了《Hadoop》第一章的内容,重点介绍了Hadoop的基本概念及其如何解决大数据处理中的关键挑战。 ... [详细]
  • 流处理中的计数挑战与解决方案
    本文探讨了在流处理中进行计数的各种技术和挑战,并基于作者在2016年圣何塞举行的Hadoop World大会上的演讲进行了深入分析。文章不仅介绍了传统批处理和Lambda架构的局限性,还详细探讨了流处理架构的优势及其在现代大数据应用中的重要作用。 ... [详细]
  • 本文介绍如何通过整合SparkSQL与Hive来构建高效的用户画像环境,提高数据处理速度和查询效率。 ... [详细]
  • Redis:缓存与内存数据库详解
    本文介绍了数据库的基本分类,重点探讨了关系型与非关系型数据库的区别,并详细解析了Redis作为非关系型数据库的特点、工作模式、优点及持久化机制。 ... [详细]
  • 对象存储与块存储、文件存储等对比
    看到一篇文档,讲对象存储,好奇,搜索文章,摘抄,学习记录!背景:传统存储在面对海量非结构化数据时,在存储、分享与容灾上面临很大的挑战,主要表现在以下几个方面:传统存储并非为非结 ... [详细]
  • 本文介绍了Hadoop的核心组件,包括高可靠性和高吞吐量的分布式文件系统HDFS、分布式的离线并行计算框架MapReduce、作业调度与集群资源管理框架YARN以及支持其他模块的工具模块Common。 ... [详细]
  • 大数据领域的职业路径与角色解析
    本文将深入探讨大数据领域的各种职业和工作角色,帮助读者全面了解大数据行业的需求、市场趋势,以及从入门到高级专业人士的职业发展路径。文章还将详细介绍不同公司对大数据人才的需求,并解析各岗位的具体职责、所需技能和经验。 ... [详细]
  • Python 数据可视化实战指南
    本文详细介绍如何使用 Python 进行数据可视化,涵盖从环境搭建到具体实例的全过程。 ... [详细]
  • Zookeeper作为Apache Hadoop生态系统中的一个重要组件,主要致力于解决分布式应用中的常见数据管理难题。它提供了统一的命名服务、状态同步服务以及集群管理功能,有效提升了分布式系统的可靠性和可维护性。此外,Zookeeper还支持配置管理和临时节点管理,进一步增强了其在复杂分布式环境中的应用价值。 ... [详细]
  • Hadoop 2.6 主要由 HDFS 和 YARN 两大部分组成,其中 YARN 包含了运行在 ResourceManager 的 JVM 中的组件以及在 NodeManager 中运行的部分。本文深入探讨了 Hadoop 2.6 日志文件的解析方法,并详细介绍了 MapReduce 日志管理的最佳实践,旨在帮助用户更好地理解和优化日志处理流程,提高系统运维效率。 ... [详细]
  • Hadoop MapReduce 实战案例:手机流量使用统计分析
    本文通过一个具体的Hadoop MapReduce案例,详细介绍了如何利用MapReduce框架来统计和分析手机用户的流量使用情况,包括上行和下行流量的计算以及总流量的汇总。 ... [详细]
  • 本文详细介绍了如何搭建一个高可用的MongoDB集群,包括环境准备、用户配置、目录创建、MongoDB安装、配置文件设置、集群组件部署等步骤。特别关注分片、读写分离及负载均衡的实现。 ... [详细]
  • 本文介绍如何使用 Python 的 DOM 和 SAX 方法解析 XML 文件,并通过示例展示了如何动态创建数据库表和处理大量数据的实时插入。 ... [详细]
  • Hadoop平台警告解决:无法加载本机Hadoop库的全面应对方案
    本文探讨了在Hadoop平台上遇到“无法加载本机Hadoop库”警告的多种解决方案。首先,通过修改日志配置文件来忽略该警告,这一方法被证明是有效的。其次,尝试指定本地库的路径,但未能解决问题。接着,尝试不使用Hadoop本地库,同样没有效果。然后,通过替换现有的Hadoop本地库,成功解决了问题。最后,根据Hadoop的源代码自行编译本地库,也达到了预期的效果。以上方法适用于macOS系统。 ... [详细]
author-avatar
Hide-my-love
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有