通过本节的学习,可以掌握如何在单节点上使用Hadoop进行Map/Reduce以及HDFS存储的实现。
环境要求:
支持的平台:
支持GNU/Linux平台,可以作为测试和生产环境使用。Hadoop在2000个节点的生产环境中经受过考验。
支持Win32平台作为测试环境,正式环境的测试还不够充分,所以发布版暂时不能支持Win32环境。
需要的软件:
1、Java 1.6.x,必须。
2、ssh、sshd,必须。
如果是在Windows环境下,你也许需要 Cygwin。
安装必要的软件
如果服务器没有必要的软件,就必须进行安装。不同的发行版本,有不同的安装方法。例如Ubuntu下:
1 | $ sudo apt-get install ssh |
下载Hadoop
从这里下载一个Hadoop的稳定版本。
开始我们的Hadoop之旅
解压下载的软件,在解压后的目录中,编辑 conf/hadoop-env.sh 脚本设置服务器的JAVA_HOME目录。
我的环境是 Centos6.0,yum安装了OPEN-JDK,对应的目录为:
/usr/lib/jvm/java-1.6.0-openjdk-1.6.0.0/jre/
执行 bin/hadoop 命令,如果如下图所示,我们就做好使用 Hadoop 的准备了。
可以用三种方式使用Hadoop:
本地模式(Local Standalone Mode);
伪分布式模式(Pseudo-Distributed Mode);
完全分布式模式;
本地模式
默认情况下,Hadoop是配置为本地运行的,以一个单独的Java进程运行,这种方式非常适合Debug。
在本地,我选择了对 194Mb 的访问日志进行分析,如下代码:bin/hadoop jar hadoop-examples-0.20.203.0.jar grep input/ output/ 'favicon[a-z.]+'
这个任务是分析日志中出现的favicon的次数,统计结果如下:
其中part文件中存储了我要查找的favicon字符串出现的次数。
伪分布式模式
配置:
参照官方的配置进行,分别对conf/core-site.xml、conf/hdf-site.xml、conf/mapred-site.xml进行配置。配置的内容都比较类似,主要是配置一个服务器的主机名,然后配置对应的IP或值。
设置无需密码的SSH:
按照官方的设置
1 | $ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa |
但是第一次登陆的时候始终需要提示是否保存,这个有点不得其解。
执行:
首先格式化一个新的分布式文件系统$ bin/hadoop namenode -format
完成后,会有一些提示,根据提示可以在 /tmp/hadoop-root/dfs 中找到两个文件夹。
然后启动 Hadoop 的守护进程$ bin/start-all.sh
我在安装的过程中提示了未知的jvm参数,但是并没有重大的影响,启动仍正常结束了,不知道什么原因。
这个问题是因为用root用户启动造成的,可以参考参考资料6中的方法,为hadoop这个文件打一个patch就可以解决。然后重新格式化namenode,进行测试。bin/hadoop jar hadoop-examples-0.20.203.0.jar grep logs output 'favicon'
执行上面的语句,可以对日志进行 WordCount 的分析。
测试完成后,可以关闭所有的服务
bin/stop-all.sh
参考资料:
1、Single Node Setup
2、Hdfs Shell Handbook
3、Hdfs error:could only be replicated to 0 nodes instead of 1
4、Hadoop:Could not create Java Virtual Machine
5、Namenode not starting
6、Faile to start datanode while start-dfs.sh is executed by root user