程序员转行大数据开发的重要筹码之一,掌握后最少能获得月薪20K
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了程序员转行大数据开发的重要筹码之一,掌握后最少能获得月薪20K相关的知识,希望对你有一定的参考价值。
Hadoop由GNU / Linux平台及其版本支持。因此,我们必须安装一个Linux操作系统来设置Hadoop环境。如果您有除Linux以外的操作系统,您可以在其中安装Virtualbox软件,并在Virtualbox内部安装Linux。
分享之前我还是要推荐下我自己创建的大数据学习资料分享群 458345782,这是全国最大的大数据学习交流的地方,2000人聚集,不管你是小白还是大牛,小编我都挺欢迎,不定期分享干货,欢迎初学和进阶中的小伙伴。
安装前设置
在将Hadoop安装到Linux环境之前,我们需要使用ssh(Secure Shell)来设置Linux。按照以下步骤设置Linux环境。
创建用户
在开始时,建议为Hadoop创建一个单独的用户,以便将Hadoop文件系统与Unix文件系统隔离。按照以下步骤创建用户:
使用命令“su”打开根。
使用命令“useradd username”从root帐户创建用户。
现在您可以使用命令“su username”打开现有的用户帐户。
打开Linux终端并键入以下命令以创建用户。
$ su
password:
useradd hadoop
passwd hadoop
New passwd:
Retype new passwd
SSH设置和密钥生成
需要SSH设置在集群上执行不同的操作,如启动,停止,分布式守护程序shell操作。要对Hadoop的不同用户进行身份验证,需要为Hadoop用户提供公钥/私钥对,并与不同的用户共享。
以下命令用于使用SSH生成键值对。将公共密钥表单id_rsa.pub复制到authorized_keys,并分别向拥有者授予authorized_keys文件的读取和写入权限。
$ ssh-keygen -t rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ chmod 0600 ~/.ssh/authorized_keys
安装Java
Java是Hadoop的主要先决条件。首先,您应该使用命令“java -version”验证系统中是否存在java。 java版本命令的语法如下。
$ java -version
如果一切正常,它会给你以下输出。
java version "1.7.0_71"
Java(TM) SE Runtime Environment (build 1.7.0_71-b13)
Java HotSpot(TM) Client VM (build 25.0-b02, mixed mode)
如果系统中没有安装java,请按照以下步骤安装java。
第1步
通过访问以下链接http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads1880260.html下载java(JDK <latest version> - X64.tar.gz)。
然后jdk-7u71-linux-x64.tar.gz将下载到您的系统。
第2步
通常你会在下载文件夹中找到下载的java文件。使用以下命令验证它并解压缩jdk-7u71-linux-x64.gz文件。
$ cd Downloads/
$ ls
jdk-7u71-linux-x64.gz
$ tar zxf jdk-7u71-linux-x64.gz
$ ls
jdk1.7.0_71 jdk-7u71-linux-x64.gz
第3步
要使java可用于所有用户,您必须将其移动到位置“/ usr / local /”。打开root,然后键入以下命令。
$ su
password:
mv jdk1.7.0_71 /usr/local/
exit
第4步
要设置PATH和JAVA_HOME变量,请将以下命令添加到?/ .bashrc文件。
export JAVA_HOME=/usr/local/jdk1.7.0_71
export PATH=$PATH:$JAVA_HOME/bin
现在将所有更改应用到当前运行的系统。
$ source ~/.bashrc
第5步
现在将所有更改应用到当前运行的系统。
alternatives --install /usr/bin/java java usr/local/java/bin/java 2
alternatives --install /usr/bin/javac javac usr/local/java/bin/javac 2
alternatives --install /usr/bin/jar jar usr/local/java/bin/jar 2
alternatives --set java usr/local/java/bin/java
alternatives --set javac usr/local/java/bin/javac
alternatives --set jar usr/local/java/bin/jar
现在如上所述从终端验证java -version命令。
下载Hadoop
使用以下命令从Apache Software Foundation下载并提取Hadoop 2.4.1。
$ su
password:
cd /usr/local
wget http://apache.claz.org/hadoop/common/hadoop-2.4.1/
hadoop-2.4.1.tar.gz
tar xzf hadoop-2.4.1.tar.gz
mv hadoop-2.4.1/* to hadoop/
exit
Hadoop操作模式
一旦下载了Hadoop,您就可以使用以下三种支持模式之一来操作Hadoop集群:
本地/独立模式 :在系统中下载Hadoop之后,默认情况下,它以独立模式配置,并且可以作为单个Java进程运行。
伪分布式模式 :它是单机上的分布式仿真。每个Hadoop守护进程(如hdfs,yarn,MapReduce等)都将作为单独的java进程运行。此模式对开发有用。
完全分布式的模式 :此模式是完全分布式的,至少有两台或多台机器作为集群。我们将在接下来的章节中详细讨论这种模式。
在独立模式下安装Hadoop
这里我们将讨论Hadoop 2.4.1在独立模式下的安装。
没有运行的守护程序,并且一切都在单个JVM中运行。独立模式适合在开发期间运行MapReduce程序,因为它很容易测试和调试。
设置Hadoop
您可以通过将以下命令附加到?/.bashrc文件来设置Hadoop环境变量。
export HADOOP_HOME=/usr/local/hadoop
在继续进行之前,您需要确保Hadoop正常工作。只需发出以下命令:
$ hadoop version
如果您的设置一切正常,那么你应该看到以下结果:
Hadoop 2.4.1
Subversion https://svn.apache.org/repos/asf/hadoop/common -r 1529768
Compiled by hortonmu on 2013-10-07T06:28Z
Compiled with protoc 2.5.0
From source with checksum 79e53ce7994d1628b240f09af91e1af4
这意味着你的Hadoop的独立模式设置工作正常。默认情况下,Hadoop配置为在单台计算机上以非分布式方式运行。
例子
让我们检查一个简单的Hadoop示例。 Hadoop安装提供了以下示例MapReduce jar文件,它提供了MapReduce的基本功能,可用于计算,如Pi值,文件列表中的字数等。
$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar
让我们有一个输入目录,我们将推送几个文件,我们的要求是计数这些文件中的字的总数。要计算总字数,我们不需要写我们的MapReduce,只要.jar文件包含字计数的实现。您可以尝试使用相同的.jar文件的其他示例;只需发出以下命令来检查hadoop-mapreduce-examples-2.2.0.jar文件支持的MapReduce功能程序。
$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar
步骤1
在输入目录中创建临时内容文件。您可以在要工作的任何位置创建此输入目录。
$ mkdir input
$ cp $HADOOP_HOME/*.txt input
$ ls -l input
它将在您的输入目录中提供以下文件:
total 24
-rw-r--r-- 1 root root 15164 Feb 21 10:14 LICENSE.txt
-rw-r--r-- 1 root root 101 Feb 21 10:14 NOTICE.txt
-rw-r--r-- 1 root root 1366 Feb 21 10:14 README.txt
这些文件已从Hadoop安装主目录复制。对于您的实验,您可以有不同的和大的文件集。
第2步
让我们开始Hadoop进程来计算输入目录中所有可用文件中的总字数,如下所示:
$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduceexamples-2.2.0.jar wordcount input output
第3步
第2步将执行所需的处理并将输出保存在output / part-r00000文件中,您可以使用以下命令检查:
$cat output/*
它将列出所有字以及它们在输入目录中可用的所有文件中的总计数。
"AS 4
"Contribution" 1
"Contributor" 1
"Derivative 1
"Legal 1
"License" 1
"License"); 1
"Licensor" 1
"NOTICE” 1
"Not 1
"Object" 1
"Source” 1
"Work” 1
"You" 1
"Your") 1
"[]" 1
"control" 1
"printed 1
"submitted" 1
(50%) 1
(BIS), 1
(C) 1
(Don‘t) 1
(ECCN) 1
(INCLUDING 2
(INCLUDING, 2
.............
在伪分布式模式下安装Hadoop
按照下面给出的步骤在伪分布式模式下安装Hadoop 2.4.1。
第1步:设置Hadoop
您可以通过将以下命令附加到?/.bashrc文件来设置Hadoop环境变量。
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
export HADOOP_INSTALL=$HADOOP_HOME
现在将所有更改应用到当前运行的系统。
$ source ~/.bashrc
第2步:Hadoop配置
您可以在位置“$ HADOOP_HOME/etc/hadoop”中找到所有Hadoop配置文件。需要根据您的Hadoop基础结构对这些配置文件进行更改。
$ cd $HADOOP_HOME/etc/hadoop
为了在java中开发Hadoop程序,您必须通过用系统中java的位置替换JAVA_HOME值来重置hadoop-env.sh文件中的java环境变量。
export JAVA_HOME=/usr/local/jdk1.7.0_71
以下是您必须编辑以配置Hadoop的文件列表。
core-site.xml
core-site.xml文件包含诸如用于Hadoop实例的端口号,为文件系统分配的内存,用于存储数据的内存限制以及读/写缓冲区大小的信息。
打开core-site.xml并在<configuration>,</ configuration>标签之间添加以下属性。
<configuration>
<property>
<name>fs.default.name </name>
<value> hdfs://localhost:9000 </value>
</property>
</configuration>
hdfs-site.xml
hdfs-site.xml文件包含本地文件系统的复制数据值,namenode路径和datanode路径等信息。这意味着您要存储Hadoop基础架构的位置。
让我们假设以下数据。
dfs.replication (data replication value) = 1
(In the below given path /hadoop/ is the user name.
hadoopinfra/hdfs/namenode is the directory created by hdfs file system.)
namenode path = //home/hadoop/hadoopinfra/hdfs/namenode
(hadoopinfra/hdfs/datanode is the directory created by hdfs file system.)
datanode path = //home/hadoop/hadoopinfra/hdfs/datanode
打开此文件,并在此文件中的<configuration> </ configuration>标记之间添加以下属性。
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.name.dir</name>
<value>file:///home/hadoop/hadoopinfra/hdfs/namenode </value>
</property>
<property>
<name>dfs.data.dir</name>
<value>file:///home/hadoop/hadoopinfra/hdfs/datanode </value>
</property>
</configuration>
注意:在上述文件中,所有属性值都是用户定义的,您可以根据Hadoop基础结构进行更改。
yarn-site.xml
此文件用于将Yarn为Hadoop配置为Hadoop。打开yarn-site.xml文件,并在此文件中的<configuration>,</ configuration>标记之间添加以下属性。
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
mapred-site.xml
此文件用于指定我们使用的MapReduce框架。默认情况下,Hadoop包含yarn-site.xml的模板。首先,需要使用以下命令将文件从mapred-site,xml.template复制到mapred-site.xml文件。
$ cp mapred-site.xml.template mapred-site.xml
打开mapred-site.xml文件,并在此文件中的<configuration>,</ configuration>标记之间添加以下属性。
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
验证Hadoop安装
以下步骤用于验证Hadoop安装。
第1步:名称节点设置
使用命令“HDFS的NameNode -format”如下设置名称节点。
$ cd ~
$ hdfs namenode -format
预期结果如下。
10/24/14 21:30:55 INFO namenode.NameNode: STARTUP_MSG:
/****
STARTUP_MSG: Starting NameNode
STARTUP_MSG: host = localhost/192.168.1.11
STARTUP_MSG: args = [-format]
STARTUP_MSG: version = 2.4.1
...
...
10/24/14 21:30:56 INFO common.Storage: Storage directory
/home/hadoop/hadoopinfra/hdfs/namenode has been successfully formatted.
10/24/14 21:30:56 INFO namenode.NNStorageRetentionManager: Going to
retain 1 images with txid >= 0
10/24/14 21:30:56 INFO util.ExitUtil: Exiting with status 0
10/24/14 21:30:56 INFO namenode.NameNode: SHUTDOWN_MSG:
/****
SHUTDOWN_MSG: Shutting down NameNode at localhost/192.168.1.11
****/
第2步:验证HadoopDFS
以下命令用于启动dfs。执行此命令将启动您的Hadoop文件系统。
$ start-dfs.sh
预期输出如下:
10/24/14 21:37:56
Starting namenodes on [localhost]
localhost: starting namenode, logging to /home/hadoop/hadoop
2.4.1/logs/hadoop-hadoop-namenode-localhost.out
localhost: starting datanode, logging to /home/hadoop/hadoop
2.4.1/logs/hadoop-hadoop-datanode-localhost.out
Starting secondary namenodes [0.0.0.0]
第3步:验证Yarn脚本
下面的命令被用于启动Yarn脚本。执行该命令将启动纱守护进程。
$ start-yarn.sh
预期输出如下:
starting yarn daemons
starting resourcemanager, logging to /home/hadoop/hadoop
2.4.1/logs/yarn-hadoop-resourcemanager-localhost.out
localhost: starting nodemanager, logging to /home/hadoop/hadoop
2.4.1/logs/yarn-hadoop-nodemanager-localhost.out
第4步:在浏览器上访问Hadoop
访问Hadoop的默认端口号为50070.使用以下URL在浏览器上获取Hadoop服务。
第5步:验证集群的所有应用程序
访问群集的所有应用程序的默认端口号为8088.使用以下URL访问此服务。
分享之前我还是要推荐下我自己创建的大数据学习资料分享群 458345782,这是全国最大的大数据学习交流的地方,2000人聚集,不管你是小白还是大牛,小编我都挺欢迎,不定期分享干货,欢迎初学和进阶中的小伙伴。
以上是关于程序员转行大数据开发的重要筹码之一,掌握后最少能获得月薪20K的主要内容,如果未能解决你的问题,请参考以下文章