Hadoop快速入门

710661809

　　Hadoop快速入门

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:

• JavaTM1.5.x，必须安装，建议选择Sun公司发行的Java版本。
  
• 　　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

• 　　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。