您现在的位置 >> Hadoop教程 >> Hadoop实战 >> hadoop专题  
 

Hadoop快速入门

【作者:Hadoop实战专家】【关键词:分布式文件系统 发行版 文件系统 】 【点击:49064次】【2013-08-0】
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。 解压所下载的Hadoop发行版。 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。  

相关热门搜索:开源分布式文件系统 淘宝分布式文件系统 mfs分布式文件系统

大数据标签:hadoop hdfs bigdata

Hadoop快速入门

* 目的
* 先决条件
* 支持平台
* 所需软件
* 安装软件

* 下载
* 运行Hadoop集群的准备工作
* 单机模式的操作方法
* 伪分布式模式的操作方法
* 配置
* 免密码ssh设置
* 执行

* 完全分布式模式的操作方法

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。

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。

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:



fs.default.name
localhost:9000


mapred.job.tracker
localhost:9001


dfs.replication
1



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/
* 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。

大数据系列hadoop相关文章:

最新评论
allnow2014-09-09 06:06:29
【Hadoop得到更好的安全性和数个运维方面的改进】 http://t.cn/8sDwTiO (分享自@无觅阅读)
时光穿梭2014-09-09 05:38:16
他想听我说什么?
小米谢良_xieliang0072014-09-08 11:47:52
local resp_body = string.sub(ngx.arg[1], 1, 1000)
诸超_小石头爸爸2014-09-07 11:29:24
发表了博文《Hadoop学习笔记(一)》这里先大致介绍一下Hadoop.本文大部分内容都是从官网Hadoop上来的。其中有一篇介绍HDFS的pdf文档,里面对Hadoop介绍的比较全面了。我的这一个系http://t.cn/RhAHquI
AK先生2014-09-06 07:30:06
Topic 1:Spark GraphX架构设计
2014-09-05 07:17:45
SLF4J: Class path contains multiple SLF4J bindings.
freeTaoyong2014-09-04 06:09:13
这是默认值
Happy Boy2014-09-04 04:14:27
医疗大数据时代来临了,hadoop为我们准备了大数据处理框架,统计学家为我们提供了像贝叶斯这样的算法,我们要处理的问题已经准备好了吗?先学会把我们的问题用量化方法表示出来似乎是关键,未来领域建模专家来了。
年轻的战场2014-09-03 07:59:54
发表了博文《(原)异常Execution+Error,+return+code+1+from+org.apache.hadoop.hive.ql.exec.CopyTask》问题:Running:lohttp://t.cn/RPapH6M
杨尚川2014-09-02 01:38:01
【Hadoop实战案例培训(Cloudera)】Hadoop实战案例培训(Cloudera) 培训类型: 公开课 课程长度: 10天/60小时 培训地点: 福州市五一北路1号力宝天马广场2706室 环境要求: 人手一台电脑、投影仪、接线板 …http://t.cn/RPjRvTZ
 
  • Hadoop生态系统资料推荐