欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Spark新手入门——2.Hadoop集群(伪分布模式)安装

程序员文章站 2022-06-11 11:50:14
主要包括以下三部分,本文为第二部分: 一. Scala环境准备 "查看" 二. Hadoop集群(伪分布模式)安装 三. Spark集群(standalone模式)安装 "查看" Hadoop集群(伪分布模式)安装 1. 依赖项:jdk(hadoop与java版本兼容性参考 "链接" )、ssh; ......

主要包括以下三部分,本文为第二部分:
一. Scala环境准备
二. Hadoop集群(伪分布模式)安装
三. Spark集群(standalone模式)安装

Hadoop集群(伪分布模式)安装

  1. 依赖项:jdk(hadoop与java版本兼容性参考)、ssh;
    执行ssh localhost若提示:
    localhost: ssh: connect to host localhost port 22: Connection refused
    则需要:
    a.检查是否安装了openssh,若没有则建议通过brew install openssh安装(需要先安装brew,安装brew前还需要先安装xcode,安装方法见,官网的方法若超时,可以先在浏览器中打开curl链接并复制到本地保存(如~/Desktop/install),然后修改安装命令为:
    /usr/bin/ruby -e "$(cat ~/Desktop/install)"
    ),启动方式:
    sudo /usr/sbin/sshd

    若启动失败并提示:
    Could not load host key: /etc/ssh/ssh_host_rsa_key
    Could not load host key: /etc/ssh/ssh_host_dsa_key
    Could not load host key: /etc/ssh/ssh_host_ecdsa_key
    Could not load host key: /etc/ssh/ssh_host_ed25519_key

    则,执行以下操作后重新启动:
    sudo cp ~/.ssh/id_rsa /etc/ssh/ssh_host_rsa
    sudo cp ~/.ssh/id_rsa.pub /etc/ssh/ssh_host_rsa.pub

    启动后通过ps -ef | grep ssh检查ssh服务是否存在
    b.检查是否存在以下文件,且authorized_keys 中包含id_rsa.pub中的内容
    ~/.ssh/id_rsa.pub
    ~/.ssh/id_rsa
    ~/.ssh/authorized_keys

    若没有id_rsa.*文件,则执行以下操作:
    ssh-keygen -t rsa
    cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
    chmod 0600 ~/.ssh/authorized_keys

  2. 修改/etc/hosts文件(可选)
    添加本机ip到localhost的映射(sudo vim /etc/hosts),如下所示:
    xx.xx.xx.xx localhost
    这一步是为了可以使用形如:hdfs://xx.xx.xx.xx:9000/file/path的格式访问hdfs,否则只能使用localhost。
  3. 下载安装包,解压到~/tools/hadoop-2.7.6
  4. 修改配置
    a.etc/hadoop/core-site.xml中添加如下配置:
    xml <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://localhost:9000</value> </property> </configuration>

    b.etc/hadoop/hdfs-site.xml中添加如下配置:
    xml <configuration> <property> <name>dfs.replication</name> <value>1</value> </configuration>

    以上为hdfs相关配置,若要使用yarn,还需进行以下配置
    c.拷贝etc/hadoop/mapred-site.xml.template到etc/hadoop/mapred-site.xml并添加如下配置:
    xml <configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>

    d.etc/hadoop/yarn-site.xml中添加如下配置:
    xml <configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration>

    注:默认存储路径为/tmp/hadoop-<username>/,可以通过配置 “dfs.namenode.name.dir”、 “dfs.datanode.data.dir” 显式指定,参考;

  5. 启动服务
    a.格式化namenode
    ./bin/hdfs namenode -format

    b.启动HDFS
    ./sbin/start-dfs.sh
    c.若要启用历史任务服务,执行以下命令:
    ./sbin/mr-jobhistory-daemon.sh start historyserver

    d.若要使用yarn,执行以下命令
    ./sbin/start-yarn.sh

    启动后通过jps命令查看启动的服务,应包含:DataNode、NameNode、SecondaryNameNode(若启动了yarn,还包括:NodeManager、ResourceManager;若启动了历史服务,还包括:JobHistoryServer);

  6. 通过以下网址查看服务状态
    a.历史任务:
    b.集群状态:
    c.NameNode状态:
  7. 测试
    通过以下命令测试hdfs是否可用:
    ./bin/hadoop fs -ls /
    ./bin/hadoop fs -ls hdfs://localhost:9000/
    ./bin/hadoop fs -ls hdfs://xx.xx.xxx.xxx:9000/
    ./bin/hdfs dfs -ls /
    ./bin/hdfs dfs -ls hdfs://localhost:9000/
    ./bin/hdfs dfs -ls hdfs://xx.xx.xxx.xxx:9000/

    若服务可用,需要创建以下目录:
    hdfs://localhost:9000/user/<username>

  8. 停止服务
    可将以下命令写入stop.sh批量执行:
    ./sbin/stop-dfs.sh
    ./sbin/stop-yarn.sh
    ./sbin/mr-jobhistory-daemon.sh stop historyserver

注:若配置了yarn(4.c),则中下面的例子是无法成功执行的;若只配置了hdfs(4.a,4.b),是没有问题的:

    bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.6.jar grep input output 'dfs[a-z.]+'

参考文档: