1、首先在终端中创建一个hadoop账户(若不想创建可跳过hadoop账户创建)
sudo useradd -m hadoop -s /bin/bash
2、设置hadoop账户的密码
sudo passwd hadoop
3、为 hadoop 用户增加管理员权限,为防止后续操作出现权限不够的情况
sudo adduser hadoop sudo
最后注销当前账户登入hadoop账户
4、登录hadoop账户后,我们对apt进行更新,在终端下输入以下命令
sudo apt-get update
若出现更新不了的情况,请前往系统设置——软件和更新——下载自源选择https://mirrors.aliyun.com/ubuntu,将更新源更改完成后重新尝试输入上述命令
5、装一个vim的编辑器,后期编辑文档比vi好用,辨别文字识别度更高,vi编辑器界面只有黑白,vim对于不同类型的文字有不同的颜色
sudo apt-get install vim
在安装过程中,遇到确认在提示出填写y即可。
6、集群、单节点模式都需要用到 SSH 登陆,Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server
sudo apt-get install openssh-server
安装完后,尝试进行登录
ssh localhost
此时会有如下提示(SSH首次登陆提示),输入 yes 。然后按提示输入密码 hadoop,这样就登陆到本机了。
但这样登陆是需要每次输入密码的,我们需要配置成SSH无密码登陆比较方便。
首先退出刚才的 ssh,就回到了我们原先的终端窗口,然后利用 ssh-keygen 生成密钥,并将密钥加入到授权中:
exit # 退出刚才的 ssh localhost
cd ~/.ssh/ # 若没有该目录,请先执行一次ssh localhost
ssh-keygen -t rsa # 会有提示,都按回车就可以
cat ./id_rsa.pub >> ./authorized_keys # 加入授权
此时再用 ssh localhost 命令,无需输入密码就可以直接登陆了,如下图所示
1、安装JAVA环境采用手动安装,选择的JAVA安装包版本是JDK1.8的安装包jdk-8u162-linux-x64.tar.gz,安装包放在了坚果云里面,有需要的可以点击这个链接(访问密码:is03K4)。
接下来我们对JAVA安装包进行安装,打开终端,输入如下命令(安装包已从Windows移动到Ubuntu中)。
cd /usr/lib
sudo mkdir jvm #创建/usr/lib/jvm目录用来存放JDK文件
cd ~ #进入hadoop用户的主目录
cd 下载 #通过vb的共享文件夹方式把JDK安装包jdk-8u162-linux-x64.tar.gz从Windows上传到到Ubuntu的该目录下
sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm #把JDK文件解压到/usr/lib/jvm目录下
2、想确认安装包是否已到指定路径,可使用下列命令进行查看
cd /usr/lib/jvm #切换到/usr/local/jvm这个路径
ls #查看当前文件夹有什么文件
3、设置JAVA环境变量
cd ~
vim ~/.bashrc
通过上面的vim编辑器,打开环境变量配置文件.bashrc,在文件开头添加如下几行内容(进入vim编辑器中,按键盘“ i ”进入编辑模式)
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
编辑完后,按Esc退出编辑模式,按Shift+冒号,进入文本命令行模式,输入wq,保存并退出回到终端
4、执行如下命令让.bashrc文件的配置立即生效,并用命令查看是否安装成功
source ~/.bashrc #让.bashrc文件的配置立即生效
java -version #查看是否安装成功
若返回如下信息,则代表JAVA环境安装成功
1、安装Hadoop,我选择的是Hadoop 2.10.0版本的安装包hadoop-2.10.0.tar.gz,可以点击这里进行下载(访问密码:KE3npb)
接下来我们对Hadoop安装包进行安装,打开终端,输入如下命令(安装包已从Windows移动到Ubuntu中)。
sudo tar -zxf ~/下载/hadoop-2.10.0.tar.gz -C /usr/local # 解压到/usr/local中
cd /usr/local/
sudo mv ./hadoop-2.10.0/ ./hadoop # 将文件夹名改为hadoop
sudo chown -R hadoop ./hadoop # 修改文件权限
2、查看Hadoop解压完后是否可用,可使用如下命令来检查 Hadoop 是否可用,成功则会显示 Hadoop 版本信息
cd /usr/local/hadoop
./bin/hadoop version
3、下面对Hadoop进行伪分布式的配置(Hadoop默认安装好单机配置)
(1)Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中,我们需要对core-site.xml 和 hdfs-site.xml这两个配置文件进行修改,使用vim编辑器对配置文件进行修改,每个配置以声明 property 的 name 和 value 的方式来实现。
cd /usr/local/hadoop/etc/hadoop #进入到hadoop文件夹中,core-site.xml 和 hdfs-site.xml这两个配置文件都在这个文件夹里面
(2)在进行修改配置文件前,需要创建相应的文件夹进行存放,否则在后面的操作中,不能够启动Hadoop
sudo mkdir /usr/local/hadoop/tmp
sudo mkdir /usr/local/hadoop/tmp/dfs/name
sudo mkdir /usr/local/hadoop/tmp/dfs/data
(3)对core-site.xml进行修改
vim core-site.xml
在配置文件中找到下面这个标签对
在这个标签对中插入下列内容
hadoop.tmp.dir
file:/usr/local/hadoop/tmp
Abase for other temporary directories.
fs.defaultFS
hdfs://localhost:9000
(4)对hdfs-site.xml进行修改
vim hdfs-site.xml
在配置文件中找到下面这个标签对
在这个标签对中插入下列内容
dfs.replication
1
dfs.namenode.name.dir
file:/usr/local/hadoop/tmp/dfs/name
dfs.datanode.data.dir
file:/usr/local/hadoop/tmp/dfs/data
4、配置完成后,执行 NameNode 的格式化:
cd /usr/local/hadoop
./bin/hdfs namenode -format
5、开启 NameNode 和 DataNode 守护进程
cd /usr/local/hadoop
./sbin/start-dfs.sh #start-dfs.sh是个完整的可执行文件,中间没有空格
若出现如下SSH提示,输入yes即可
6、当程序执行完后,可输入jps查看Hadoop是否启动成功,若出现下图则成功开启
7、成功启动后,可以访问 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息,还可以在线查看 HDFS 中的文件。
1、准备一个待分析的文件,里面全都是英文单词,我准备了一个不少于10000字的单词文本,有需要的可点击这里下载(访问密码:JXED37),将这个文件共享到Ubuntu的/usr/local/hadoop文件夹中,方便后续操作。
2、将这个文件上传到HDFS中,我们通过命令的方式进行上传(Hadoop已开启成功)
./bin/hdfs dfs -put /usr/local/hadoop/myLocalFile.txt input
3、可以使用ls命令查看一下文件是否成功上传到HDFS中
./bin/hdfs dfs –ls input
4、单词文件上传至HDFS成功后,我们需要安装 Hadoop-Eclipse-Plugin,因为我们要在Eclipse上编译和运行MapReduce程序(Eclipse已安装成功),Hadoop-Eclipse-Plugin安装包已上传至坚果云,可以点击这里进行下载(访问密码:BQkSow)
接下来我们对Hadoop-Eclipse-Plugin安装包进行安装,打开终端,输入如下命令(安装包已从Windows移动到Ubuntu中)
unzip -qo ~/下载/hadoop2x-eclipse-plugin-master.zip -d ~/下载 # 解压到~/下载中
sudo cp ~/下载/hadoop2x-eclipse-plugin-master/release/hadoop-eclipse-plugin-2.6.0.jar /usr/lib/eclipse/plugins/ # 复制到eclipse安装目录的plugins目录下
/usr/lib/eclipse/eclipse -clean # 添加插件后需要用这种方式使插件生效
当执行完最后一条命令时,系统会自动打开Eclipse软件
5、软件打开后,我们能够看到左边的Project Explorer里出现DFS Locations
6、插件需要进一步的配置,我们在上方找到Window——Preference
找到Hadoop Map/Reduce,在那里填入hadoop的安装地址/usr/local/hadoop
7、切换 Map/Reduce 开发视图,选择 Window 菜单下选择 Open Perspective——Other,在里面找到Map/Reduce
8、建立与 Hadoop 集群的连接,点击 Eclipse软件右下角的 Map/Reduce Locations 面板,在面板中单击右键,选择 New Hadoop Location
9、弹出来的 General 选项面板中,General 的设置要与 Hadoop 的配置一致,Host填localhost,DFS Master 的 Port 要改为 9000,Location name填MapReduceLocation
10、配置好后,点击左侧 Project Explorer 中的 MapReduce Location (点击三角形展开)就能直接查看 HDFS 中的文件列表了
11、在 Eclipse 中创建 MapReduce 项目
(1)点击 File 菜单,选择 New——Project
(2)选择 Map/Reduce Project,点击 Next
(3)填写 Project name 为 WordCount 即可,点击 Finish 就创建好了项目
(4)此时在左侧的 Project Explorer 就能看到刚才建立的项目了
(5)右键点击刚创建的 WordCount 项目,选择 New——Class
(6)弹出的class窗口需要填写两个地方:在 Package 处填写 org.apache.hadoop.examples;在 Name 处填写 WordCount
(7)创建 Class 完成后,在 Project 的 src 中就能看到 WordCount.java 这个文件。将如下 WordCount 的代码复制到该文件中。
package org.apache.hadoop.examples;
import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;
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 org.apache.hadoop.util.GenericOptionsParser;
public class WordCount {
public WordCount() {
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
//String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();
String[] otherArgs=new String[]{"input","output"};
if(otherArgs.length < 2) {
System.err.println("Usage: wordcount [...] ");
System.exit(2);
}
Job job = Job.getInstance(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(WordCount.TokenizerMapper.class);
job.setCombinerClass(WordCount.IntSumReducer.class);
job.setReducerClass(WordCount.IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
for(int i = 0; i < otherArgs.length - 1; ++i) {
FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
}
FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));
System.exit(job.waitForCompletion(true)?0:1);
}
public static class IntSumReducer extends Reducer {
private IntWritable result = new IntWritable();
public IntSumReducer() {
}
public void reduce(Text key, Iterable values, Reducer.Context context) throws IOException, InterruptedException {
int sum = 0;
IntWritable val;
for(Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
val = i$.next();
}
this.result.set(sum);
context.write(key, this.result);
}
}
public static class TokenizerMapper extends Mapper
(8)在运行 MapReduce 程序前,需要将 /usr/local/hadoop/etc/hadoop 中将有修改过的配置文件(如伪分布式需要 core-site.xml 和 hdfs-site.xml),以及 log4j.properties 复制到 WordCount 项目下的 src 文件夹(~/workspace/WordCount/src)中,在终端中输入下列几行内容
cp /usr/local/hadoop/etc/hadoop/core-site.xml ~/workspace/WordCount/src
cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml ~/workspace/WordCount/src
cp /usr/local/hadoop/etc/hadoop/log4j.properties ~/workspace/WordCount/src
复制完成后,务必右键点击 WordCount 选择 refresh 进行刷新,可看到src中多出了几个文件
(9)在代码文件中,右键选择Run As——Run on Hadoop就可以运行 MapReduce 程序了(运行文件前,务必把Hadoop启动)
(10)当程序执行完后,出现如图所示的样式时,代码运行成功,没有出现报错信息,那么单词计数已经成功
注意:
1.若出现下面这条错误,则请在代码的左侧中找到标记红色的叉叉的图标,重新更换版本后再次执行代码。
2.若出现下面这条错误,则请在DFS Locations——Map ReduceLocation——user——hadoop中把output这个文件夹删掉,将output文件夹删掉后再次执行代码。
(11)查看结果有两种方式
①在DFS Locations——Map ReduceLocation——user——hadoop——output中打开part-r-00000这个文件就能查看到结果
②在终端中输入下列命令可查看结果
cd /usr/local/haddop
./bin/hdfs dfs -cat output/part-r-00000
(12)将WordCount的输出结果part-r-00000下载到本地
./bin/hdfs dfs -get output/part-r-00000 /home/hadoop/下载 #把HDFS中的output/part-r-00000文件下载到本地文件系统中的“/home/hadoop/下载/”这个目录下
(13)可以使用如下命令,到本地文件系统查看下载下来的文件part-r-00000
cd ~
cd 下载
ls
cat part-r-00000
通过本次实验的实际操作,将WordCount这么一个案例,进行一个刨析以及实际应用,能够清楚了解到MapReduce的处理过程,首先通过输入一个案例,进行Map输入,Map进行Key、Value操作,输出
[1] http://dblab.xmu.edu.cn/blog/285/
[2] http://dblab.xmu.edu.cn/blog/290-2/
[3] http://dblab.xmu.edu.cn/blog/hadoop-build-project-using-eclipse/