Hadoop快速入门[附学习视频教程]

Posted 73号弓箭手

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Hadoop快速入门[附学习视频教程]相关的知识,希望对你有一定的参考价值。

【学习视频资料下载见文末】

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。



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).

  • NameNode -              http://localhost:50070/

  • JobTracker -              http://localhost:50030/

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。

Java与JNI是Sun Microsystems, Inc.在美国以及其他国家地区的商标或注册商标。



-End-



如果觉得不错,那就分享给更多的小伙伴吧!!下方点赞留言▼▼▼




以上是关于Hadoop快速入门[附学习视频教程]的主要内容,如果未能解决你的问题,请参考以下文章

零基础快速入门web学习路线(含视频教程)

大数据从入门到项目实战,精品学习材料,值得大家一看

深度学习之30分钟快速入门PyTorch(附学习资源推荐)

Python要如何快速入门?

最新教程:好程序员HTML5大前端Vue.js快速入门(附源码+笔记)

[学习笔记]黑马程序员Spark全套视频教程,4天spark3.2快速入门到精通,基于Python语言的spark教程