正文

Hadoop 2.6.0环境搭建全攻略：从入门到实战，轻松掌握大数据处理！

/0 浏览量
0501

在当今这个大数据时代，Hadoop 作为一款强大的分布式数据处理框架，成为了许多企业和开发者处理海量数据的利器。本文将带你从入门到实战，详细讲解如何搭建 Hadoop 2.6.0 环境，让你轻松掌握大数据处理。

一、Hadoop 简介

Hadoop 是一个开源的分布式系统基础架构，用于存储和处理大规模数据集。它由三个核心组件组成：Hadoop Distributed File System (HDFS)、Hadoop YARN 和 Hadoop MapReduce。

  • HDFS：一个分布式文件系统，用于存储海量数据。
  • YARN：一个资源管理器，用于管理集群资源。
  • MapReduce：一个编程模型，用于处理大规模数据集。

二、Hadoop 2.6.0 环境搭建

1. 准备工作

在搭建 Hadoop 2.6.0 环境之前，我们需要准备以下条件：

  • 操作系统：推荐使用 Linux 系统，如 Ubuntu 或 CentOS。
  • Java 环境：Hadoop 需要 Java 运行环境，推荐使用 Java 8。
  • SSH：用于远程登录和管理集群。

2. 安装 Hadoop

2.1 下载 Hadoop

首先，从 Hadoop 官网下载 Hadoop 2.6.0 版本的安装包。

wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/hadoop-2.6.0.tar.gz

2.2 解压安装包

将下载的安装包解压到指定目录。

tar -zxvf hadoop-2.6.0.tar.gz -C /opt/hadoop

2.3 配置环境变量

编辑 ~/.bashrc 文件，添加以下内容：

export HADOOP_HOME=/opt/hadoop/hadoop-2.6.0
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

然后，使环境变量生效：

source ~/.bashrc

3. 配置 Hadoop

3.1 配置核心配置文件

编辑 hadoop-2.6.0/etc/hadoop/core-site.xml 文件，添加以下内容：

<configuration>
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://localhost:9000</value>
  </property>
</configuration>

3.2 配置 HDFS 配置文件

编辑 hadoop-2.6.0/etc/hadoop/hdfs-site.xml 文件，添加以下内容：

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
</configuration>

3.3 配置 YARN 配置文件

编辑 hadoop-2.6.0/etc/hadoop/yarn-site.xml 文件，添加以下内容：

<configuration>
  <property>
    <name>yarn.resourcemanager.host</name>
    <value>localhost</value>
  </property>
</configuration>

4. 格式化 HDFS

在配置完 Hadoop 后，我们需要格式化 HDFS，以便创建 HDFS 文件系统。

hdfs namenode -format

5. 启动 Hadoop 集群

5.1 启动 NameNode

start-dfs.sh

5.2 启动 ResourceManager

start-yarn.sh

5.3 启动 HistoryServer

mr-jobhistory-daemon.sh start historyserver

三、Hadoop 实战

现在我们已经搭建好了 Hadoop 2.6.0 环境，接下来我们将通过一个简单的例子来展示如何使用 Hadoop 处理数据。

3.1 编写 MapReduce 程序

创建一个名为 WordCount.java 的 Java 程序，实现以下功能：统计输入文件中单词的出现次数。

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCount {

  public static class TokenizerMapper
       extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      String[] tokens = value.toString().split("\\s+");
      for (String token : tokens) {
        word.set(token);
        context.write(word, one);
      }
    }
  }

  public static class IntSumReducer
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

3.2 编译程序

将 WordCount.java 文件编译成 class 文件。

javac -cp $HADOOP_HOME/share/hadoop/common/hadoop-common-2.6.0.jar \
       -cp $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-client-core-2.6.0.jar \
       WordCount.java

3.3 运行程序

将编译好的 class 文件移动到 Hadoop 的 lib 目录下，然后运行以下命令：

hadoop jar WordCount.jar wordcount /input /output

其中，/input 是输入文件路径，/output 是输出文件路径。

3.4 查看 HDFS 中的输出结果

在 HDFS 中查看输出结果：

hdfs dfs -cat /output/part-r-00000

四、总结

通过本文的讲解，相信你已经成功搭建了 Hadoop 2.6.0 环境，并学会了如何使用 Hadoop 处理数据。希望这篇文章能帮助你更好地掌握大数据处理技术。在今后的学习和工作中，请继续努力，不断探索和突破。

-- 展开阅读全文 --