Linux系统中搭建Hadoop

hadoop是大数据集群中一个开发分布式程序Hadoop实现了一个分布式文件系统（ Distributed File System），其中一个组件是HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。

安装ssh服务

进入shell命令，输入如下命令，查看是否已经安装好ssh服务，若没有，则使用如下命令进行安装：

sudo apt-get install ssh openssh-server

安装过程还是比较轻松加愉快的。

使用ssh进行无密码验证登录**

1.创建ssh-key，这里我们采用rsa方式，使用如下命令：

ssh-keygen -t rsa -P “”

2.出现一个图形，出现的图形就是密码，不用管它

cat ~/.ssh/id_rsa.pub >> authorized_keys(好像是可以省略的)

3.然后即可无密码验证登录了，如下：

ssh localhost

成功截图如下：

下载Hadoop安装包**

下载Hadoop安装也有两种方式

1.直接上官网进行下载，http://mirrors.hust.edu.cn/apache/hadoop/core/stable/hadoop-2.7.1.tar.gz

2.使用shell进行下载，命令如下：

wget http://mirrors.hust.edu.cn/apache/hadoop/core/stable/hadoop-2.7.1.tar.gz

貌似第二种的方法要快点，经过漫长的等待，终于下载完成。

解压缩Hadoop安装包**

使用如下命令解压缩Hadoop安装包

tar -zxvf hadoop-2.7.1.tar.gz

解压缩完成后出现hadoop2.7.1的文件夹

配置Hadoop中相应的文件**

需要配置的文件如下，hadoop-env.sh，core-site.xml，mapred-site.xml.template，hdfs-site.xml，所有的文件均位于hadoop2.7.1/etc/hadoop下面，具体需要的配置如下：

1.core-site.xml 配置如下：

 

其中的hadoop.tmp.dir的路径可以根据自己的习惯进行设置。

2.mapred-site.xml.template配置如下：

 

3.hdfs-site.xml配置如下：

 

其中dfs.namenode.name.dir和dfs.datanode.data.dir的路径可以自由设置，最好在hadoop.tmp.dir的目录下面。

补充，如果运行Hadoop的时候发现找不到jdk，可以直接将jdk的路径放置在hadoop.env.sh里面，具体如下：

export JAVA_HOME=”/home/leesf/program/java/jdk1.8.0_60″

运行Hadoop**

在配置完成后，运行hadoop。

1.初始化HDFS系统

在hadop2.7.1目录下使用如下命令：

bin/hdfs namenode -format

截图如下：

过程需要进行ssh验证，之前已经登录了，所以初始化过程之间键入y即可。

成功的截图如下：

表示已经初始化完成。

2.开启NameNode和DataNode守护进程

使用如下命令开启：

sbin/start-dfs.sh，成功的截图如下：

3.查看进程信息

使用如下命令查看进程信息

jps，截图如下：

表示数据DataNode和NameNode都已经开启

4.查看Web UI

在浏览器中输入http://localhost:50070，即可查看相关信息，截图如下：

至此，hadoop的环境就已经搭建好了。下面开始使用hadoop来运行一个WordCount例子。

运行WordCount Demo**

1.在本地新建一个文件，笔者在home/leesf目录下新建了一个words文档，里面的内容可以随便填写。

2.在HDFS中新建一个文件夹，用于上传本地的words文档，在hadoop2.7.1目录下输入如下命令：

bin/hdfs dfs -mkdir /test，表示在hdfs的根目录下建立了一个test目录

使用如下命令可以查看HDFS根目录下的目录结构

bin/hdfs dfs -ls /

具体截图如下：

表示在HDFS的根目录下已经建立了一个test目录

3.将本地words文档上传到test目录中

使用如下命令进行上传操作：

bin/hdfs dfs -put /home/leesf/words /test/

使用如下命令进行查看

bin/hdfs dfs -ls /test/

结果截图如下：

表示已经将本地的words文档上传到了test目录下了。

4.运行wordcount

使用如下命令运行wordcount：

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /test/words /test/out

截图如下：

运行完成后，在/test目录下生成名为out的文件，使用如下命令查看/test目录下的文件

bin/hdfs dfs -ls /test

截图如下：

表示在test目录下已经有了一个名为Out的文件目录

输入如下命令查看out目录下的文件：

bin/hdfs dfs -ls /test/out，结果截图如下：

表示已经成功运行了，结果保存在part-r-00000中。

5.查看运行结果

使用如下命令查看运行结果：

bin/hadoop fs -cat /test/out/part-r-00000

结果截图如下：

至此，运行过程就已经完成了。

Hadoop是一个能够对大量数据进行分布式处理的软件框架。 Hadoop 以一种可靠、高效、可伸缩的方式进行数据处理

以上就是良许教程网为各位朋友分享的Linux系统相关内容。想要了解更多Linux相关知识记得关注公众号“良许Linux”，或扫描下方二维码进行关注，更多干货等着你！