1. Hadoop介紹
Hadoop是一個能夠對海量數據進行分布式處理的系統架構。
Hadoop框架的核心是：HDFS和MapReduce。
HDFS分布式文件系統為海量的數據提供了存儲，
MapReduce分布式處理框架為海量的數據提供了計算。
2. Hadoop安裝
2.1 安裝java
Hadoop是使用JAVA寫的，所以需要先安裝JAVA環境。
本次安裝的是hadoop-2.7.0，需要JDK 7以上版本。
|
1
2
|
# yum install java-1.7.0-openjdk
# yum install java-1.7.0-openjdk-devel
|
安裝后確認
|
1
|
# java –version
|
2.2 需要ssh和rsync
Linux系統一般都已經默認安裝了，如果沒有，yum安裝。
2.3 下載Hadoop
從官網下載Hadoop最新版2.7.0
|
1
|
# wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.7.0/hadoop-2.7.0.tar.gz
|
將hadoop解壓到/usr/local/下
|
1
2
|
# cd /usr/local/
# tar zxvf /root/hadoop-2.7.0.tar.gz
|
2.4 設置環境變量
設置JAVA的環境變量，JAVA_HOME是JDK的位置
|
1
2
3
|
# vi /etc/profile
export
PATH=
/usr/local/hadoop-2
.7.0
/bin
:$PATH
export
JAVA_HOME=
/usr/lib/jvm/java-1
.7.0-openjdk-1.7.0.91-2.6.2.3.el7.x86_64
|
讓設置生效
|
1
|
# source /etc/profile
|
設置Hadoop的JAVA_HOME
|
1
2
3
|
# cd hadoop-2.7.0/
# vi etc/hadoop/hadoop-env.sh
export
JAVA_HOME=
/usr/lib/jvm/java-1
.7.0-openjdk-1.7.0.91-2.6.2.3.el7.x86_64
|
到此，Hadoop的安裝就算完成了，接下來進行部署和使用。
3. 單機部署
Hadoop部署方式分三種，Standalone mode、Pseudo-Distributed mode、Cluster mode，其中前兩種都是在單機部署。
3.1 standalone mode（本地單獨模式）
這種模式，僅1個節點運行1個java進程，主要用於調試。
3.1.1 在Hadoop的安裝目錄下，創建input目錄
|
1
|
# mkdir input
|
3.1.2 拷貝input文件到input目錄下
|
1
|
# cp etc/hadoop/*.xml input
|
3.1.3 執行Hadoop job
|
1
|
# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.0.jar grep input output 'dfs[a-z.]+'
|
上面的job是使用hadoop自帶的樣例，在input中統計含有dfs的字符串。
3.1.4 確認執行結果
|
1
|
# cat output/*
|
3.1.5 問題點
|
1
2
|
WARN io.ReadaheadPool: Failed readahead on ifile
EBADF: Bad
file
descriptor
|
如果出現上面的警告，是因為快速讀取文件的時候，文件被關閉引起，也可能是其他bug導致，此處忽略。
3.2 pseudo-distributed mode（偽分布模式）
這種模式是，1個節點上運行，HDFS daemon的 NameNode 和 DataNode、YARN daemon的 ResourceManger 和 NodeManager，分別啟動單獨的java進程，主要用於調試。
3.2.1 修改設定文件
|
1
2
3
4
5
6
7
|
# vi etc/hadoop/core-site.xml
<configuration>
<property>
<name>fs.defaultFS<
/name
>
<value>hdfs:
//localhost
:9000<
/value
>
<
/property
>
<
/configuration
>
|
|
1
2
3
4
5
6
7
|
# vi etc/hadoop/hdfs-site.xml
<configuration>
<property>
<name>dfs.replication<
/name
>
<value>1<
/value
>
<
/property
>
<
/configuration
>
|
3.2.2 設定本機的無密碼ssh登陸
|
1
2
|
# ssh-keygen -t rsa
# cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
|
3.2.3 執行Hadoop job
MapReduce v2 叫做YARN，下面分別操作一下這兩種job
3.2.4 執行MapReduce job
3.2.4.1 格式化文件系統
|
1
|
# hdfs namenode -format
|
3.2.4.2 啟動名稱節點和數據節點后台進程
|
1
|
# sbin/start-dfs.sh
|
在localhost啟動一個1個NameNode和1個DataNode，在0.0.0.0啟動第二個NameNode
3.2.4.3 確認
|
1
|
# jps
|
3.2.4.4 訪問NameNode的web頁面
http://localhost:50070/
3.2.4.5 創建HDFS
|
1
2
|
# hdfs dfs -mkdir /user
# hdfs dfs -mkdir /user/test
|
3.2.4.6 拷貝input文件到HDFS目錄下
|
1
|
# hdfs dfs -put etc/hadoop /user/test/input
|
確認，查看
|
1
|
# hadoop fs -ls /user/test/input
|
3.2.4.7 執行Hadoop job
|
1
|
# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.0.jar grep /user/test/input output 'dfs[a-z.]+'
|
3.2.4.8 確認執行結果
|
1
|
# hdfs dfs -cat output/*
|
或者從HDFS拷貝到本地查看
|
1
2
|
# bin/hdfs dfs -get output output
# cat output/*
|
3.2.4.9 停止daemon
|
1
|
# sbin/stop-dfs.sh
|
3.2.5 執行YARN job
MapReduce V2框架叫YARN
3.2.5.1 修改設定文件
|
1
2
3
4
5
6
7
8
|
# cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
# vi etc/hadoop/mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name<
/name
>
<value>yarn<
/value
>
<
/property
>
<
/configuration
>
|
|
1
2
3
4
5
6
7
|
# vi etc/hadoop/yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services<
/name
>
<value>mapreduce_shuffle<
/value
>
<
/property
>
<
/configuration
>
|
3.2.5.2 啟動ResourceManger和NodeManager后台進程
|
1
|
# sbin/start-yarn.sh
|
3.2.5.3 確認
|
1
|
# jps
|
3.2.5.4 訪問ResourceManger的web頁面
http://localhost:8088/
3.2.5.5 執行hadoop job
|
1
|
# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.0.jar grep /user/test/input output 'dfs[a-z.]+'
|
3.2.5.6 確認執行結果
|
1
|
# hdfs dfs -cat output/*
|
執行結果和MapReduce job相同
3.2.5.7 停止daemon
|
1
|
# sbin/stop-yarn.sh
|
3.2.5.8 問題點
1. 單節點測試情況下，同樣的input，時間上YARN比MapReduce好像慢很多，查看日志發現DataNode上GC發生頻率較高，可能是測試用VM配置比較低有關。
2. 出現下面警告，是因為沒有啟動job history server
|
1
|
java.io.IOException: java.net.ConnectException: Call From test166
/10
.86.255.166 to 0.0.0.0:10020 failed on connection exception: java.net.ConnectException: Connection refused;
|
啟動jobhistory daemon
|
1
|
# sbin/mr-jobhistory-daemon.sh start historyserver
|
確認
|
1
|
# jps
|
訪問Job History Server的web頁面
http://localhost:19888/
3. 出現下面警告，DataNode日志中有錯誤，重啟服務后恢復
|
1
|
java.io.IOException: java.io.IOException: Unknown Job job_1451384977088_0005
|
3.3 啟動/停止
也可以用下面的啟動/停止命令，等同於start/stop-dfs.sh + start/stop-yarn.sh
|
1
|
# sbin/start-all.sh
|
|
1
|
# sbin/stop-all.sh
|
3.4 日志
日志在Hadoop安裝路徑下的logs目錄下
4、后記
單機部署主要是為了調試用，生產環境上一般是集群部署，接下來會進行介紹。