Hadoop快速入门

[复制链接]
  • TA的每日心情
    搞基
    2015-6-11 10:10
  • 签到天数: 13 天

    [LV.3]后起之秀

    累计在线
    63645分钟
    发表于 2014-10-13 11:14:56 | 显示全部楼层 |阅读模式
    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


    下载官方下载地址:http://hadoop.apache.org/releases.html

    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:
            
    <configuration>
      <property>
        <name>fs.default.name</name>
        <value>localhost:9000</value>
      </property>
      <property>
        <name>mapred.job.tracker</name>
        <value>localhost:9001</value>
      </property>
      <property>
        <name>dfs.replication</name>
        <value>1</value>
      </property>
    </configuration>

    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:
              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               



    更多内容请进入hadoop官方帮助平台:
    http://hadoop.apache.org/docs/r1.0.4/cn/index.html





    立即注册!免费学习海量IT技术信息!!
    您好!您暂时不能浏览帖子的全部内容,请 登录 | 没有帐号? 注册QQ登录
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    快速回复 返回顶部 返回列表