Hadoop快速入门

向右看齐 2022-06-06 00:40 258阅读 0赞

## 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)][Hadoop_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。

## 先决条件 ##

### 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 类

## 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][Link 1]。

## 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:

<table style="margin:0px; padding:0px; border-collapse:collapse; border-spacing:0px; border:1px solid silver; word-break:break-word"> 
 <tbody style="margin:0px; padding:0px"> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &lt;configuration&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&lt;property&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&nbsp;&nbsp;&lt;name&gt;fs.default.name&lt;/name&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&nbsp;&nbsp;&lt;value&gt;localhost:9000&lt;/value&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&lt;/property&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&lt;property&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&nbsp;&nbsp;&lt;name&gt;mapred.job.tracker&lt;/name&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&nbsp;&nbsp;&lt;value&gt;localhost:9001&lt;/value&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&lt;/property&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&lt;property&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&nbsp;&nbsp;&lt;name&gt;dfs.replication&lt;/name&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&nbsp;&nbsp;&lt;value&gt;1&lt;/value&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &nbsp;&nbsp;&lt;/property&gt;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td colspan="1" style="margin:0px; padding:3px; border:1px solid silver; border-collapse:collapse"> &lt;/configuration&gt;</td> 
  </tr> 
 </tbody> 
</table>

### 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).

浏览NameNode和JobTracker的网络接口，它们的地址默认为：

*  NameNode - [http://localhost:50070/][http_localhost_50070]
 *  JobTracker - [http://localhost:50030/][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][Link 2]找到。

详情请查看官方文档：[Hadoop快速入门][Hadoop](http://hadoop.apache.org/docs/r1.0.4/cn/quickstart.html)

原文地址：http://www.cnblogs.com/langtianya/p/5202049.html\#FeedBack

[Hadoop_HDFS]: http://hadoop.apache.org/docs/r1.0.4/cn/hdfs_design.html
[Cygwin]: http://www.cygwin.com/
[Link 1]: http://hadoop.apache.org/core/releases.html
[http_localhost_50070]: http://localhost:50070/
[http_localhost_50030]: http://localhost:50030/
[Link 2]: http://hadoop.apache.org/docs/r1.0.4/cn/cluster_setup.html
[Hadoop]: http://hadoop.apache.org/docs/r1.0.4/cn/quickstart.html#%E7%9B%AE%E7%9A%84