Sådan installeres Hadoop i Stand-Alone Mode på CentOS 7

Apache Hadoop er et open source Big Data-behandlingsværktøj, der er meget udbredt i it-branchen.

Afhængigt af størrelsen, typen og skalaen af ​​dine data kan du implementere Hadoop i stand-alone eller klyngetilstand.

I denne begynder-fokuserede tutorial vil vi installere Hadoop i stand-alone-tilstand på en CentOS 7-serverinstans.

Forudsætninger

• En nyoprettet Vultr CentOS 7 x64-serverinstans.
• En sudo-bruger .

Trin 1: Opdater systemet

Log ind som sudo-bruger, og opdater derefter CentOS 7-systemet til den seneste stabile status:

sudo yum install epel-release -y
sudo yum update -y
sudo shutdown -r now

Når serveren er online, skal du logge ind igen.

Trin 2: Installer Java

Hadoop er Java-baseret og OpenJDK 8 er den anbefalede version til den seneste stabile version.

Installer OpenJDK 8 JRE ved hjælp af YUM:

sudo yum install -y java-1.8.0-openjdk

Bekræft installationen af ​​OpenJDK 8 JRE:

java -version

Outputtet skal ligne:

openjdk version "1.8.0_111"
OpenJDK Runtime Environment (build 1.8.0_111-b15)
OpenJDK 64-Bit Server VM (build 25.111-b15, mixed mode)

Trin 3: Installer Hadoop

Du kan altid finde download-URL'en til den seneste version af Hadoop fra den officielle Apache Hadoop-udgivelsesside . På tidspunktet for skrivning af denne artikel er den seneste stabile version af Hadoop 2.7.3.

Download det binære arkiv af Hadoop 2.7.3:

cd
wget http://www-us.apache.org/dist/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz

Download den matchende kontrolsum-fil:

wget https://dist.apache.org/repos/dist/release/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz.mds

Installer kontrolsumværktøjet:

sudo yum install perl-Digest-SHA

Beregn SHA256-værdien af ​​Hadoop-arkivet:

shasum -a 256 hadoop-2.7.3.tar.gz

Vis indholdet af filen hadoop-2.7.3.tar.gz.mds, og sørg for, at de to SHA256-værdier er identiske:

cat hadoop-2.7.3.tar.gz.mds

Pak arkivet ud til et udpeget sted:

sudo tar -zxvf hadoop-2.7.3.tar.gz -C /opt

Før du kan køre Hadoop korrekt, skal du angive Java-hjemmeplaceringen for det.

Åbn Hadoop-miljøkonfigurationsfilen /opt/hadoop-2.7.3/etc/hadoop/hadoop-env.shved hjælp af vieller din foretrukne teksteditor:

sudo vi /opt/hadoop-2.7.3/etc/hadoop/hadoop-env.sh

Find linjen:

export JAVA_HOME=$

Erstat den med:

export JAVA_HOME=$(readlink -f /usr/bin/java | sed "s:bin/java::")

Denne indstilling får Hadoop til altid at bruge Javas standardinstallationsplacering.

Gem og luk:

:wq!

Du kan tilføje stien til Hadoop-programmet til PATHmiljøvariablen for din bekvemmelighed:

echo "export PATH=/opt/hadoop-2.7.3/bin:$PATH" | sudo tee -a /etc/profile
source /etc/profile

Trin 4: Kør og test Hadoop

Udfør blot kommandoen hadoop, og du vil blive bedt om brugen af ​​hadoop-kommandoen og dens forskellige parametre.

Her kan du bruge et indbygget eksempel til at teste din Hadoop installation.

Forbered datakilden:

mkdir ~/source
cp /opt/hadoop-2.7.3/etc/hadoop/*.xml ~/source

Brug Hadoop sammen med grep til at udlæse resultatet:

hadoop jar /opt/hadoop-2.7.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar grep ~/source ~/output 'principal[.]*'

Outputtet skal være:

    ...
    File System Counters
            FILE: Number of bytes read=1247812
            FILE: Number of bytes written=2336462
            FILE: Number of read operations=0
            FILE: Number of large read operations=0
            FILE: Number of write operations=0
    Map-Reduce Framework
            Map input records=2
            Map output records=2
            Map output bytes=37
            Map output materialized bytes=47
            Input split bytes=117
            Combine input records=0
            Combine output records=0
            Reduce input groups=2
            Reduce shuffle bytes=47
            Reduce input records=2
            Reduce output records=2
            Spilled Records=4
            Shuffled Maps =1
            Failed Shuffles=0
            Merged Map outputs=1
            GC time elapsed (ms)=24
            Total committed heap usage (bytes)=262758400
    Shuffle Errors
            BAD_ID=0
            CONNECTION=0
            IO_ERROR=0
            WRONG_LENGTH=0
            WRONG_MAP=0
            WRONG_REDUCE=0
    File Input Format Counters
            Bytes Read=151
    File Output Format Counters
            Bytes Written=37

Endelig kan du se indholdet af outputfilerne:

cat ~/output/*

Resultatet skulle være:

6       principal
1       principal.

Du er nu klar til at udforske Hadoop.