linux下搭建hadoop环境步骤分享

yizhihongxing

Linux下搭建Hadoop环境步骤分享

简介

Hadoop是当下最为流行的分布式计算框架之一,能够处理海量数据,并提供并行处理能力。本文将详细介绍如何在Linux系统下搭建Hadoop环境。

步骤

1. 安装JDK

首先需要安装JDK,步骤如下:

sudo apt update
sudo apt install default-jdk

2. 下载Hadoop

从官网下载Hadoop安装包,地址为 https://hadoop.apache.org。

wget https://downloads.apache.org/hadoop/common/hadoop-3.3.1/hadoop-3.3.1.tar.gz

3. 解压Hadoop

将下载的Hadoop压缩包解压,并移动到指定目录。

tar -zxvf hadoop-3.3.1.tar.gz
sudo mv hadoop-3.3.1 /usr/local/hadoop

4. 配置环境变量

编辑 ~/.bashrc,添加以下内容:

export HADOOP_HOME=/usr/local/hadoop
export PATH=$HADOOP_HOME/bin:$PATH

使环境变量生效:

source ~/.bashrc

5. 配置Hadoop

进入Hadoop配置目录,并编辑hadoop-env.sh,添加Java环境变量。

cd $HADOOP_HOME/etc/hadoop
sudo vim hadoop-env.sh

将以下内容添加到文件末尾:

export JAVA_HOME=/usr/lib/jvm/default-java

编辑core-site.xml,添加以下内容:

<configuration>
   <property>
      <name>fs.default.name</name>
      <value>hdfs://localhost:9000</value>
   </property>
</configuration>

编辑hdfs-site.xml,添加以下内容:

<configuration>
   <property>
      <name>dfs.replication</name>
      <value>1</value>
   </property>
   <property>
      <name>dfs.namenode.name.dir</name>
      <value>file:/usr/local/hadoop/hadoop_data/hdfs/namenode</value>
   </property>
   <property>
      <name>dfs.datanode.data.dir</name>
      <value>file:/usr/local/hadoop/hadoop_data/hdfs/datanode</value>
   </property>
   <property>
      <name>dfs.namenode.secondary.http-address</name>
      <value>localhost:9001</value>
   </property>
</configuration>

编辑mapred-site.xml.template,并复制一份,并命名为mapred-site.xml:

cp mapred-site.xml.template mapred-site.xml

编辑mapred-site.xml,添加以下内容:

<configuration>
  <property>
     <name>mapreduce.framework.name</name>
     <value>yarn</value>
  </property>
</configuration>

编辑yarn-site.xml,添加以下内容:

<configuration>
   <property>
      <name>yarn.nodemanager.aux-services</name>
      <value>mapreduce_shuffle</value>
   </property>
   <property>
      <name>yarn.nodemanager.aux-services.mapreduce_shuffle.class</name>
      <value>org.apache.hadoop.mapred.ShuffleHandler</value>
   </property>
   <property>
      <name>yarn.resourcemanager.hostname</name>
      <value>localhost</value>
   </property>
</configuration>

6. 启动Hadoop

启动Hadoop:

start-all.sh

查看进程:

jps

7. 示例说明

示例1:WordCount

在Hadoop上运行最简单的MapReduce示例WordCount。首先需要在本地创建一个输入文件。

echo "Hello World Again Again Wow!" > input.txt

将该文件上传到Hadoop文件系统上:

hdfs dfs -copyFromLocal input.txt input/input.txt

编写Java代码,实现WordCount:

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;
import java.util.StringTokenizer;

public class WordCount {

  public static class TokenizerMapper
      extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }

  public static class IntSumReducer
      extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
    ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path("input"));
    FileOutputFormat.setOutputPath(job, new Path("output"));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

将上述代码编译打包:

hadoop com.sun.tools.javac.Main WordCount.java
jar cf wc.jar WordCount*.class

运行WordCount:

hadoop jar wc.jar WordCount input output

在Hadoop文件系统上查看输出:

hdfs dfs -ls output
hdfs dfs -cat output/part*

示例2:HDFS读写

首先在Hadoop文件系统上创建一个目录并上传一个文件。

hdfs dfs -mkdir input
echo "Hello World Again Again Wow!" > input/input.txt

编写Java代码,实现HDFS读写:

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.util.stream.Collectors;

public class HdfsReadWrite {
  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    FileSystem fileSystem = FileSystem.get(conf);

    // 读取HDFS上的文件
    BufferedReader reader = new BufferedReader(
        new InputStreamReader(
            fileSystem.open(new Path("input/input.txt")))
    );
    String content = reader.lines().collect(Collectors.joining("\n"));
    System.out.println(content);

    // 向HDFS上写入文件
    fileSystem.create(new Path("output/output.txt"))
        .write(content.getBytes());

    fileSystem.close();
  }
}

将上述代码编译打包:

hadoop com.sun.tools.javac.Main HdfsReadWrite.java
jar cf hdfs.jar HdfsReadWrite*.class

运行HdfsReadWrite:

hadoop jar hdfs.jar HdfsReadWrite

在Hadoop文件系统上查看输出:

hdfs dfs -ls output
hdfs dfs -cat output/output.txt

结论

本文介绍了在Linux系统上搭建Hadoop环境的详细步骤,并提供了两个示例,其中一个用于演示最简单的MapReduce示例WordCount,另一个用于演示HDFS读写文件。通过本文的学习,读者可以掌握搭建Hadoop环境和编写基本的Hadoop程序的技能。

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:linux下搭建hadoop环境步骤分享 - Python技术站

(0)
上一篇 2023年5月22日
下一篇 2023年5月22日

相关文章

  • pymysql 插入数据 转义处理方式

    当使用pymysql向MySQL数据库中插入数据时,需要注意字符串中可能含有引号、单引号、反斜杠等特殊字符,这些字符可能导致SQL语句语法出现错误。为了避免这种情况,需要使用转义处理方式,将特殊字符转换为可以被SQL语句安全接收的形式。 以下是pymysql插入数据的转义处理方式: 使用pymysql.escape_string()函数 pymysql.es…

    database 2023年5月22日
    00
  • Oracle 数据库 临时数据的处理方法

    当我们在开发中使用Oracle数据库时,有时候需要处理一些临时数据,比如中间表、临时表等。这些临时数据通常不需要在数据库中长期保留,而且会占用大量的存储空间,因此需要开发人员采用一些方法来处理。 下面是Oracle数据库临时数据处理的完整攻略: 1. 使用临时表 可以使用CREATE GLOBAL TEMPORARY TABLE命令创建一个临时表。创建这个表…

    database 2023年5月21日
    00
  • 详解MySQL实现主从复制过程

    下面是“详解MySQL实现主从复制过程”的完整攻略: 什么是 MySQL 主从复制 MySQL 主从复制是指将一台 MySQL 主服务器的数据同步到另外的一台或多台 MySQL 从服务器的过程。主服务器负责写数据,从服务器负责读数据。在实际应用中,主从复制可以提高系统的性能和可用性。 实现 MySQL 主从复制的步骤 实现 MySQL 主从复制需要以下步骤:…

    database 2023年5月22日
    00
  • 在CMD中操作mysql数据库出现中文乱码解决方案

    下面是“在CMD中操作mysql数据库出现中文乱码解决方案”的完整攻略。 问题描述 在Windows系统的CMD命令行中使用mysql命令时,输入中文会出现乱码。如何解决这个问题? 原因分析 CMD默认使用的字符编码是GBK,而mysql默认使用的字符编码是UTF-8。如果CMD中输入的字符集和mysql中使用的字符集不一致,就会出现乱码的情况。 解决方案 …

    database 2023年5月22日
    00
  • 基于Docker的MongoDB实现授权访问的方法

    我将为您详细讲解“基于Docker的MongoDB实现授权访问的方法”的完整攻略。 前置条件 在进行此教程之前,请确保您已经完成了以下准备工作:- 安装了Docker;- 下载了MongoDB镜像;- 熟悉Docker的基本使用方法;- 熟悉MongoDB的基本使用方法。 步骤1:创建MongoDB容器 在终端中输入以下命令创建一个MongoDB容器: do…

    database 2023年5月22日
    00
  • 如何使用Python在MySQL中使用连接查询?

    以下是如何使用Python在MySQL中使用连接查询的完整使用攻略,包括连接MySQL数据库、创建表、插入数据、使用连接查询等步骤。同时,提供两个示例以便更好理解如何使用Python在MySQL中使用连接查询。 步骤1:连接MySQL数据库 在Python中,我们可以使用pymysql模块连接到MySQL数据库。以下是连接MySQL数据库的基本语法: imp…

    python 2023年5月12日
    00
  • 客户端/服务器和分布式DBMS的区别

    客户端/服务器和分布式DBMS是两种常用的数据库架构。它们之间有着很多区别和特点。我们下面将从架构定义、数据处理方式、数据共享等多个角度介绍它们的区别。 客户端/服务器架构 客户端/服务器架构是一种常用的数据库架构,其中客户端和服务器是独立的,各自运行在不同的机器上。 客户端负责与用户交互,向用户呈现数据,接收用户的数据请求,并将其通过网络传输到服务器端。比…

    database 2023年3月27日
    00
  • shell简单处理mysql查询结果的方法

    当我们在shell中使用mysql命令查询数据库时,返回的结果通常是一些列的记录,这些记录可能需要过滤、转换才能适用于我们的应用场景。本文将介绍一些简单的方法来处理mysql查询结果,以便我们更好地使用查询结果。 方法一:使用awk命令 awk是一种过滤和操作文本、数据以及文档的语言,可以方便地处理mysql查询结果。假设查询结果如下: mysql> …

    database 2023年5月22日
    00
合作推广
合作推广
分享本页
返回顶部