一、概述hadoop是什么Hadoop被公认是一套行业大数据标准开源软件,在分布式环境下提供了海量数据的处理能力。几乎所有主流厂商都围绕Hadoop开发工具、开源软件、商业化工具和技术服务。今年大型IT公司,如EMC、Microsoft、Intel、Teradata、Cisco都明显增加了Hadoop方面的投入。 hadoop能干什么hadoop擅长日志分析,facebook就用Hive来进行日志分析,2009年时facebook就有非编程人员的30%的人使用HiveQL进行数据分析;淘宝搜索中的自定义筛选也使用的Hive;利用Pig还可以做高级的数据处理,包括Twitter、LinkedIn 上用于发现您可能认识的人,可以实现类似Amazon.com的协同过滤的推荐效果。淘宝的商品推荐也是!在Yahoo!的40%的Hadoop作业是用pig运行的,包括垃圾邮件的识别和过滤,还有用户特征建模。(2012年8月25新更新,天猫的推荐系统是hive,少量尝试mahout!)
hadoop的核心1.HDFS: Hadoop Distributed File System 分布式文件系统 2.YARN: Yet Another Resource Negotiator 资源管理调度系统 3.Mapreduce:分布式运算框架
HDFS的架构主从结构 ·主节点, namenode ·从节点,有很多个: datanode namenode负责: ·接收用户操作请求 ·维护文件系统的目录结构 ·管理文件与block之间关系,block与datanode之间关系 datanode负责: ·存储文件 ·文件被分成block存储在磁盘上 ·为保证数据安全,文件会有多个副本
Secondary NameNode负责: 合并fsimage和edits文件来更新NameNode的metedata 二、docker部署环境说明
拉取镜像这里采用dockerhub现有,镜像大小为:777MB docker pull kiwenlau/hadoop-master:0.1.0
运行容器下载源代码 cd /opt/ git clone https://github.com/kiwenlau/hadoop-cluster-docker
创建网桥 docker network create hadoop
运行容器 cd /opt/hadoop-cluster-docker/
./start-container.sh
运行结果: start master container... start slave1 container... start slave2 container...
一共开启了3个容器,1个master, 2个slave。开启容器后就进入了master容器root用户的根目录(/root)。
查看master的root用户家目录的文件: root@hadoop-master:~# ls hdfs input run-wordcount.sh start-hadoop.sh start-hadoop.sh是开启hadoop的shell脚本, run-wordcount.sh是运行wordcount的shell脚本,可以测试镜像是否正常工作。
开启hadoopbash start-hadoop.sh
注意:这一步会ssh连接到每一个节点,确保ssh信任是正常的。 Hadoop的启动速度取决于机器性能
运行wordcountbash run-wordcount.sh
此脚本会连接到fdfs,并生成几个测试文件。
运行结果: ... input file1.txt: Hello Hadoop input file2.txt: Hello Docker wordcount output: Docker 1 Hadoop 1 Hello 2 wordcount的执行速度取决于机器性能
三、配置文件说明进入hadoop-master容器,hadoop的配置文件目录为:/usr/local/hadoop/etc/hadoop core-site.xml<?xml version="1.0"?> <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://hadoop-master:9000/</value> </property> </configuration>
hdfs-site.xml<?xml version="1.0"?> <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://hadoop-master:9000/</value> </property> </configuration> root@hadoop-master:/usr/local/hadoop/etc/hadoop# pwd /usr/local/hadoop/etc/hadoop root@hadoop-master:/usr/local/hadoop/etc/hadoop# cat hdfs-site.xml <?xml version="1.0"?> <configuration> <property> <name>dfs.namenode.name.dir</name> <value>file:///root/hdfs/namenode</value> <description>NameNode directory for namespace and transaction logs storage.</description> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:///root/hdfs/datanode</value> <description>DataNode directory</description> </property> <property> <name>dfs.replication</name> <value>2</value> </property> </configuration> 注意:这里是配置一个Master节点和两个Slave节点。所以dfs.replication配置为2。
mapred-site.xml<?xml version="1.0"?> <configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration> 指定运行mapreduce的环境是yarn
hadoop-env.sh注意:这里必须要指定java的路径。否则启动Hadoop时,提示找不到变量JAVA_HOME # The java implementation to use.
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
四、测试Hadoophadoop管理页面http://ip地址:8088/cluster/nodes 效果如下:
hdfs 管理页面http://ip地址:50070/ 点击datanode,效果如下:
浏览文件系统
默认有2个文件夹,这里面的文件是看不到的。
由于默认开启了安全默认,默认是没有权限查看文件的。需要关闭安全模式才行! 关闭安全模式进入hadoop-master容器,执行命令: hadoop dfsadmin -safemode leave
授权tmp文件权限 hdfs dfs -chmod -R 755 /tmp
刷新页面,点击tmp
返回上一级目录,进入/user/root/input,就可以看到脚本创建的2个文件了!
注意:hdfs存放目录为:/root/hdfs。如果需要做持久化,将此目录映射出来即可!
本文参考链接: https://blog.csdn.net/sb985/article/details/82722451 https://blog.csdn.net/gwd1154978352/article/details/81095592
|
|