假期周进度报告三:hadoop的安装及简单使用
一、说在前面
1、本周主要学习了hadoop的安装和简单使用
2、下周主要学习伪分布式
二、Hadoop的安装
①Hadoop运行的前提是本机已经安装了JDK,配置JAVA_HOME变量
②在Hadoop中启动多种不同类型的进程
例如NN,DN,RM,NM,这些进程需要进行通信!
在通信时,常用主机名进行通信!
在192.168.6.100机器上的DN进程,希望访问192.168.6.104机器的NN进程!
需要在集群的每台机器上,配置集群中所有机器的host映射!
配置:
Linux: /etc/hosts
Windows: C:\Windows\System32\drivers\etc\hosts
不配报错:
DNS映射异常,HOST映射异常
③注意权限
hadoop框架在运行需要产生很多数据(日志),数据的保存目录,必须让当前启动hadoop进程的用户拥有写权限!
④关闭防火墙,设置开机不自启动
service iptables stop
chkconfig iptables off
三、使用普通用户操作
①创建普通用户atguigu
useradd atguigu
②为atgugiu用户设置密码
passwd atguigu
③赋予atguigu用户root权限
vim /etc/sudoers
④将/opt目录下创建的soft目录和module目录的所属主修改为atguigu
chown -R atguigu:atguigu /opt/soft /opt/module
四、hadoop的目录介绍
bin: 使用Hdfs和运算MR时,常用的目录!
常用hadoop命令!
sbin: 管理员启动和停止集群使用的命令!
etc: hadoop配置文件所在的目录
五、使用HDFS
完成大数据的存储!
HDFS(hadoop distributed filesystem)
HDFS的运行模式:
取决于参数: fs.defaultFS=file:///(默认)
fs.defaultFS在core-default.xml中!
①本地模式(在本机上使用HDFS,使用的就是本机的文件系统)
fs.defaultFS=file:///
②分布式模式
要使用的文件系统是一个分布式的文件系统!
一个分布式的文件系统,必须由NN,DN等若干进程共同运行完成文件系统的读写操作!
fs.defaultFS=hdfs://
启动NN: hadoop-daemon.sh start namenode
停止NN: hadoop-daemon.sh stop namenode
启动DN: hadoop-daemon.sh start datanode
停止DN: hadoop-daemon.sh stop datanode
使用: hadoop fs 命令 文件路径
六、运行MapReduce
完成大数据的计算!
①按照MR的规范编写一个程序
②将程序打包为jar
③运行jar中的程序
两种运行模式:
取决于参数: mapreduce.framework.name=local(默认)
①本地模式(在本机上运行MR) mapreduce.framework.name=local
在本机运行MR!在本机使用多线程的方式,运行多个Task!
②在YARN上运行 mapreduce.framework.name=yarn
将MR提交给YARN,由YARN将Job中的多个task分配到多台机器中,启动container运行task!
需要启动YARN,YARN由RM和NM进程组成!
七、hadoop的配置文件
hadoop安装后,hadoop的性能和表现取决于用户的配置!
4个默认的配置文件:
位置: HADOOP_HOME/share/xxxx.jar/xxx-default.xml
core-default.xml: 设置hadoop最核心的参数!
hdfs-default.xml 保存的是hdfs相关的参数!
mapred-default.xml: MR程序在运行时,需要使用的参数!
yarn-default.xml: yarn在启动时,需要的参数!
4个用户可以自定义的配置文件: xxx-site.xml
core-site.xml: 用户自定义的设置hadoop最核心的参数!
hdfs-site.xml 用户自定义的保存的是hdfs相关的参数!
mapred-site.xml: 用户自定义的MR程序在运行时,需要使用的参数!
yarn-site.xml: 用户自定义的yarn在启动时,需要的参数!
用户自定义的配置文件,可以覆盖默认配置文件中同名的参数的值!
Hadoop在启动时,先加载4个默认的配置文件,再加载用户自定义的配置文件,如果用户自定义的配置文件
中有和4个默认配置文件中门的参数,可以覆盖之前已经加载的值!
八、在使用hadoop命令时
可以自定义配置文件的目录: hadoop --config 配置文件的目录
如果没有配置,默认读取 HADOOP_HOME/etc/hadoop 中对应的配置文件!
hadoop-daemon.sh start namenode脚本在执行时,只会去默认的目录中读取配置文件!