Hadoop开发入门与实践(一)

Hadoop开发入门与实践(一)

一、Hadoop简介

  Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
  Hadoop由 Apache Software Foundation 公司于 2005 年秋天作为Lucene的子项目Nutch的一部分正式引入。它受到最先由 Google Lab 开发的 Map/Reduce 和 Google File System(GFS) 的启发。
  用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。
  Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。   Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。
  网址：http://hadoop.apache.org/
  中文文档：https://hadoop.apache.org/docs/r1.0.4/cn/hdfs_design.html

二、Hadoop的特点

Hadoop运用于海量数据处理，主要特点有：
1. 方便：可以运行在一般商业机器构成的大型集群上，或乾是亚马逊弹性计算云等云计算服务上。
2. 弹性：通过增加集群节点，可以线性地扩展以处理更大数据集。同时，在集群负载下降时，也可以减少节点，以高效使用计资源。
3. 健壮：可以从容处理通用计逄平台上出现的硬件失效的并行分布代码。
4. 简单：允许用户快速编写出高效的并行分布代码。

三、Hadoop版本

版本	日期
2.8.2	24 Oct, 2017
2.7.4	04 August, 2017
2.6.5	08 October, 2016

四、Hadoop生态系统

  狭义的Hadoop核心只包括Hadoop Common、Hadoop HDFS和Hadoop MapReduce三个子项目，但是和Hadoop核心密切相关的，还包括:Avro、ZooKeeper、Hive、Pig和HBase等项目。

五、Windows Hadoop环境开发

(一)安装JDK

1、JDK下载

http://download.oracle.com/otn-pub/java/jdk/8u151-b12/e758a0de34e24606bca991d704f6dcbf/jdk-8u151-windows-x64.exe

2、配置环境变量

JAVA_HOME=C:\Program Files\Java\jdk1.8.0_111
path=%JAVA_HOME%\bin;
注意：因路径中有空格，需改为：==”C:\Program Files”\Java\jdk1.8.0_111==

3、JDK环境检测

(二)Hadoop安装配置

1、下载Hadoop

下载地址：
http://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.8.2/hadoop-2.8.2.tar.gz

2、解压Hadoop到指定目录

解压文件到: C:\hadoop-2.8.1

3、Hadoop依赖库安装配置

(1)下载Hadoop依赖库

下载地址：https://github.com/steveloughran/winutils
在C盘新建目录：C:\hadoop-2.8.1\bin
解压文件到目录：

依赖库放在Hadoop的bin目录中。

(2)配置环境变量

HADOOP_HOME=C:\hadoop-2.8.1
path=%HADOOP_HOME%\bin;%HADOOP_HOME%\sbin;
==注意==：hadoop.dll等文件不要与hadoop冲突。为了不出现依赖性错误可以将hadoop.dll放到c:/windows/System32下一份。

(3)Hadoop环境测试

C:\hadoop-2.8.1\bin>hadoop version

3、Hadoop配置

配置文件目录：C:\hadoop-2.8.1\etc\hadoop

(1)core-site.xml

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

(2)hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replicationname>  
        <value>1value>  
    property>  
    <property>  
        <name>dfs.namenode.name.dirname>  
        <value>file:/hadoop/hadoop282/data/dfs/namenodevalue>  
    property>  
    <property>  
        <name>dfs.datanode.data.dirname>  
        <value>file:/hadoop/hadoop282/data/dfs/datanodevalue>  
    property>   
configuration>

(3)mapred-site.xml

<configuration>
    <property>
        <name>mapreduce.framework.namename>
        <value>yarnvalue>  
    property>
configuration>

(4)yarn-site.xml

<configuration>
    <property>
        <name>yarn.nodemanager.aux-servicesname>  
        <value>mapreduce_shufflevalue>  
    property>  
    <property>  
        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.classname>  
        <value>org.apache.hadoop.mapred.ShuffleHandlervalue>  
    property>
configuration>

(5)格式化系统文件

C:\hadoop-2.8.1\bin>hdfs namenode -format

待执行完毕即可，不要重复format.

(6)启动hadoop

格式化完成后到hadoop/sbin下执行 start-dfs启动hadoop
C:\hadoop-2.8.1\sbin>start-dfs
回车执行后，将会弹出两个新窗口：

(7)浏览器测试

(8)创建目录：用于输入和输出

C:\hadoop-2.8.1\sbin>hdfs dfs -mkdir /input
C:\hadoop-2.8.1\sbin>hdfs dfs -mkdir /output

创建完成可以通过hdfs dfs-ls 目录名称查看，也可以在浏览器中查看创建的目录或文件
C:\hadoop-2.8.1\bin>hdfs dfs -ls /

(9)创建输入输出文件

input输入文件到目录：study_hadoop是我自己创建的文本文件，位于hadoop一个盘的。此处是C:/study_hadoop
C:\hadoop-2.8.1\bin>hdfs dfs -put /study_hadoop /input
查看input输入的文件内容：
C:\hadoop-2.8.1\bin>hdfs dfs -cat /input/study_hadoop

(10)运行Hadoop的examples

hadoop jar jar文件位置
/input 输入目录(包含被处理文件的目录)
/outputword输出目录(运行结果输出目录)
首先上传输入文件：
C:\hadoop-2.8.1\bin>hdfs dfs -put /input.txt /input
进行计算分析：
C:\hadoop-2.8.1\bin>hadoop jar /hadoop-2.8.1/share/hadoop/mapreduce/hadoop-mapre
duce-examples-2.8.2.jar wordcount /input /outputword

(11)查看结果

C:\hadoop-2.8.1\bin>hadoop fs -ls /outputword
C:\hadoop-2.8.1\bin>hadoop fs -cat /outputword/part-r-00000

(12)启动Yarn

http://localhost:8088