Вступление
Hadoop - это основанная на Java среда программирования, которая поддерживает обработку и хранение очень больших наборов данных на кластере недорогих машин. Это был первый крупный проект с открытым исходным кодом в игровой сфере больших данных, спонсором которого является Apache Software Foundation.
Hadoop состоит из четырех основных слоев:
-
Hadoop Common - это набор утилит и библиотек, поддерживающих другие модули Hadoop.
-
HDFS, что означает распределенная файловая система Hadoop, отвечает за сохранение данных на диске.
-
YARN, сокращение от еще одного согласователя ресурсов, - это «операционная система» для HDFS.
-
MapReduce - это исходная модель обработки для кластеров Hadoop. Он распределяет работу внутри кластера или карты, затем организует и сводит результаты узлов в ответ на запрос. Многие другие модели обработки доступны для версии 3.x Hadoop.
Кластеры Hadoop относительно сложны в настройке, поэтому проект включает автономный режим, который подходит для изучения Hadoop, выполнения простых операций и отладки.
В этом руководстве мы установим Hadoop в автономном режиме и запустим одну из примеров программ MapReduce, которые он включает, для проверки установки.
Предпосылки
Чтобы следовать этому уроку, вам понадобится:
-
An Ubuntu 18.04 server with a non-root user with
sudo
privileges: Вы можете узнать больше о том, как настроить пользователя с этими привилегиями, в нашем руководствеInitial Server Setup with Ubuntu 18.04.
Выполнив это предварительное условие, вы готовы установить Hadoop и его зависимости.
Перед тем, как начать, вы также можете взглянуть наAn Introduction to Big Data Concepts and Terminology илиAn Introduction to Hadoop
[[step-1 -—- install-java]] == Шаг 1. Установка Java
Для начала мы обновим наш список пакетов:
sudo apt update
Далее мы установим OpenJDK, стандартный Java Development Kit в Ubuntu 18.04:
sudo apt install default-jdk
После завершения установки давайте проверим версию.
java -version
Outputopenjdk 10.0.1 2018-04-17
OpenJDK Runtime Environment (build 10.0.1+10-Ubuntu-3ubuntu1)
OpenJDK 64-Bit Server VM (build 10.0.1+10-Ubuntu-3ubuntu1, mixed mode)
Этот вывод подтверждает, что OpenJDK был успешно установлен.
[[step-2 -—- install-hadoop]] == Шаг 2. Установка Hadoop
Установив Java, мы посетимApache Hadoop Releases page, чтобы найти самый последний стабильный выпуск.
Перейдите кbinary для выпуска, который вы хотите установить. В этом руководстве мы установим Hadoop 3.0.3.
На следующей странице щелкните правой кнопкой мыши и скопируйте ссылку на бинарный файл выпуска.
На сервере мы будем использоватьwget
для его получения:
wget http://www-us.apache.org/dist/hadoop/common/hadoop-3.0.3/hadoop-3.0.3.tar.gz
[.note] #Note: Веб-сайт Apache динамически перенаправит вас на лучшее зеркало, поэтому ваш URL-адрес может не совпадать с URL-адресом выше.
#
Чтобы убедиться, что загруженный нами файл не был изменен, мы сделаем быструю проверку с использованием SHA-256. Вернитесь кreleases page, затем щелкните правой кнопкой мыши и скопируйте ссылку на файл контрольной суммы для загруженного вами двоичного файла:
Опять же, мы будем использоватьwget
на нашем сервере для загрузки файла:
wget https://dist.apache.org/repos/dist/release/hadoop/common/hadoop-3.0.3/hadoop-3.0.3.tar.gz.mds
Затем запустите проверку:
shasum -a 256 hadoop-3.0.3.tar.gz
Outputdb96e2c0d0d5352d8984892dfac4e27c0e682d98a497b7e04ee97c3e2019277a hadoop-3.0.3.tar.gz
Сравните это значение со значением SHA-256 в файле.mds
:
cat hadoop-3.0.3.tar.gz.mds
~/hadoop-3.0.3.tar.gz.mds
...
/build/source/target/artifacts/hadoop-3.0.3.tar.gz:
SHA256 = DB96E2C0 D0D5352D 8984892D FAC4E27C 0E682D98 A497B7E0 4EE97C3E 2019277A
...
Вы можете смело игнорировать разницу в кейсе и пробелах. Вывод команды, которую мы запустили для файла, который мы скачали с зеркала, должен совпадать со значением в файле, который мы скачали с apache.org.
Теперь, когда мы убедились, что файл не был поврежден или изменен, мы будем использовать командуtar
с флагом-x
для извлечения,-z
для распаковки,-v
для подробного вывода и-f
, чтобы указать, что мы извлекаем из файла. Используйте завершение табуляции или замените правильный номер версии в приведенной ниже команде:
tar -xzvf hadoop-3.0.3.tar.gz
Наконец, мы переместим извлеченные файлы в/usr/local
, подходящее место для локально установленного программного обеспечения. При необходимости измените номер версии, чтобы она соответствовала загруженной версии.
sudo mv hadoop-3.0.3 /usr/local/hadoop
После установки программного обеспечения мы готовы настроить его среду.
[[step-3 -—- configuring-hadoop-39-s-java-home]] == Шаг 3. Настройка домашней страницы Java в Hadoop
Hadoop требует, чтобы вы указали путь к Java, либо в качестве переменной среды, либо в файле конфигурации Hadoop.
Путь к Java,/usr/bin/java
- это символическая ссылка на/etc/alternatives/java
, которая, в свою очередь, является символической ссылкой на двоичный файл Java по умолчанию. Мы будем использоватьreadlink
с флагом-f
, чтобы рекурсивно следовать каждой символической ссылке в каждой части пути. Затем мы будем использоватьsed
, чтобы обрезатьbin/java
из вывода, чтобы получить правильное значение дляJAVA_HOME
.
Чтобы найти Java-путь по умолчанию
readlink -f /usr/bin/java | sed "s:bin/java::"
Output/usr/lib/jvm/java-11-openjdk-amd64/
Вы можете скопировать этот вывод, чтобы установить домашнюю страницу Java Hadoop для этой конкретной версии, что гарантирует, что если значение Java по умолчанию изменится, это значение не изменится. Кроме того, вы можете динамически использовать командуreadlink
в файле, чтобы Hadoop автоматически использовал любую версию Java, установленную по умолчанию в системе.
Для начала откройтеhadoop-env.sh
:
sudo nano /usr/local/hadoop/etc/hadoop/hadoop-env.sh
Затем выберите один из следующих вариантов:
Вариант 1: установить статическое значение
/usr/local/hadoop/etc/hadoop/hadoop-env.sh
. . .
#export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64/
. . .
Вариант 2. Используйте Readlink, чтобы установить значение динамически
/usr/local/hadoop/etc/hadoop/hadoop-env.sh
. . .
#export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=$(readlink -f /usr/bin/java | sed "s:bin/java::")
. . .
[.note] #Note: Что касается Hadoop, значениеJAVA_HOME
вhadoop-env.sh
переопределяет любые значения, которые установлены в среде/etc/profile
или в профиле пользователя.
#
[[step-4 -—- running-hadoop]] == Шаг 4. Запуск Hadoop
Теперь мы должны запустить Hadoop:
/usr/local/hadoop/bin/hadoop
OutputUsage: hadoop [OPTIONS] SUBCOMMAND [SUBCOMMAND OPTIONS]
or hadoop [OPTIONS] CLASSNAME [CLASSNAME OPTIONS]
where CLASSNAME is a user-provided Java class
OPTIONS is none or any of:
--config dir Hadoop config directory
--debug turn on shell script debug mode
--help usage information
buildpaths attempt to add class files from build tree
hostnames list[,of,host,names] hosts to use in slave mode
hosts filename list of hosts to use in slave mode
loglevel level set the log4j level for this command
workers turn on worker mode
SUBCOMMAND is one of:
. . .
Помощь означает, что мы успешно настроили Hadoop для работы в автономном режиме. Мы обеспечим его правильную работу, запустив пример программы MapReduce, с которой он поставляется. Для этого создайте каталог с именемinput
в нашем домашнем каталоге и скопируйте в него файлы конфигурации Hadoop, чтобы использовать эти файлы в качестве наших данных.
mkdir ~/input
cp /usr/local/hadoop/etc/hadoop/*.xml ~/input
Затем мы можем использовать следующую команду для запуска программы MapReducehadoop-mapreduce-examples
, архива Java с несколькими параметрами. Мы вызовем его программуgrep
, один из многих примеров, включенных вhadoop-mapreduce-examples
, за которой следует входной каталогinput
и выходной каталогgrep_example
. Программа MapReduce grep будет считать совпадения буквенного слова или регулярного выражения. Наконец, мы предоставим регулярное выражениеallowed[.]*
для поиска вхождений словаallowed
в декларативном предложении или в конце его. В выражении учитывается регистр, поэтому мы не нашли бы слово, если бы оно было написано с заглавной буквы в начале предложения:
/usr/local/hadoop/bin/hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.3.jar grep ~/input ~/grep_example 'allowed[.]*'
Когда задача завершается, она предоставляет сводку того, что было обработано, и ошибок, с которыми она столкнулась, но она не содержит фактических результатов.
Output . . .
File System Counters
FILE: Number of bytes read=1330690
FILE: Number of bytes written=3128841
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=33
Map output materialized bytes=43
Input split bytes=115
Combine input records=0
Combine output records=0
Reduce input groups=2
Reduce shuffle bytes=43
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)=3
Total committed heap usage (bytes)=478150656
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=147
File Output Format Counters
Bytes Written=34
[.Примечание]##
Note: Если выходной каталог уже существует, программа завершится ошибкой, и вместо просмотра сводки вывод будет выглядеть примерно так:
Output . . .
at java.base/java.lang.reflect.Method.invoke(Method.java:564)
at org.apache.hadoop.util.RunJar.run(RunJar.java:244)
at org.apache.hadoop.util.RunJar.main(RunJar.java:158)
Результаты хранятся в выходном каталоге и могут быть проверены, запустивcat
в выходном каталоге:
cat ~/grep_example/*
Output19 allowed.
1 allowed
Задача MapReduce обнаружила 19 вхождений словаallowed
, за которыми следует точка, и одно вхождение, где его не было. Запуск примера программы подтвердил, что наша автономная установка работает правильно и что непривилегированные пользователи в системе могут запускать Hadoop для исследования или отладки.
Заключение
В этом руководстве мы установили Hadoop в автономном режиме и проверили его, запустив пример программы, которую он предоставил. Чтобы узнать, как писать свои собственные программы MapReduce, вы можете посетить Apache HadoopMapReduce tutorial, который проходит через код, стоящий за примером. Когда вы будете готовы к настройке кластера, прочтите руководство Apache FoundationHadoop Cluster Setup.