Hadoop3.0基础平台搭建(三节点),以及案例运行并使用python生成词云

一、设备配置列表，软件包

二、主机名映射

三、生成密钥

四、将密钥发送到各个节点

五、注意事项及验证

六、关闭防火墙和SeLinux安全模块(所有主机均需操作

七、解压JDK、hadoop包，设置Java和hadoop环境

八、配置Hadoop相关配置文件

九、将已经修改好的文件使用scp命令复制到各个节点

十、node1 、 node2使环境生效，并验证

十一、启动hadoop系统并验证

十二、在本地编写并测试mapreduce程序，运行WordCount案例

十三、在hadoop中运行运行WordCount案例

十四、利用生成文件结合python生成词云

一、假设有如下设备

设备编号	主机名	系统	IP地址	准备文件
1	master	centos7.2	10.0.0.10	----------------hadoop3.0.0.tar.gz -------------------------jdk-8u161-linux-x64.tar.gz
2	node1	centos7.2	10.0.0.11
3	node2	centos7.2	10.0.0.12

软件包下载地址：
链接: https://pan.baidu.com/s/1dvf4o8i9J02fmUu3SMRyDw 提取码: 3dk3

二、首先，需要在各个节点上设置主机名映射(千万不要忘了改主机名)，以master为例

[root@master ~]# vi /etc/hosts
添加如下内容
10.0.0.10 master
10.0.0.11 node1
10.0.0.12 node2

三、使用命令生成密钥(以master节点为例)

ssh-keygen

[root@master ~]# ssh-keygen 

四、然后使用命令复制SSH密钥到目标主机，开启无密码SSH登录(以master节点为例)，这里对另外两台都需要将密钥复制过去

[root@master ~]# ssh-copy-id master
[root@master ~]# ssh-copy-id node1
[root@master ~]# ssh-copy-id node2

五、第一次会让你输入yes 这样master节点就可以免密登陆其他节点，同样其他节点也需要进行以上操作，就可以免密登陆其他节点

验证

[root@master ~]# ssh master
[root@master ~]# ssh node1
[root@master ~]# ssh node2

六、关闭防火墙和SeLinux安全模块(所有主机均需操作

#systemctl stop firewalld;systemctl disable firewalld;setenforce 0

这里是关闭防火墙并关闭其开机自启，并将selinux设置为允许模式，个人认为这里较为重要，若不设置，可能防火墙会拦截主机间的通信流量

七、解压JDK、hadoop包，设置Java和hadoop环境

将tar.gz文件传输到master节点，进行如下操作

这里暂时只做master节点，到第九步才是将配置好的所有东西复制到其他节点，可以点击传送门查看

第九节传送门

1、每个节点创建文件夹

mkdir /opt/bigdata

2、将文件传输到bigdata目录中

[root@master ~]# mkdir /opt/bigdata
[root@master ~]# mv hadoop-3.0.0.tar.gz jdk-8u161-linux-x64.tar.gz /opt/bigdata/
[root@master ~]#

3、解压压缩包文件

[root@master bigdata]# tar -zxf hadoop-3.0.0.tar.gz -C /opt/bigdata/
[root@master bigdata]# tar -zxf jdk-8u161-linux-x64.tar.gz -C /opt/bigdata/
[root@master bigdata]# ll
total 484528
drwxr-xr-x 9 centos centos       139 Dec  8  2017 hadoop-3.0.0
-rw-r--r-- 1 root   root   306392917 Mar 11 08:50 hadoop-3.0.0.tar.gz
drwxr-xr-x 8     10    143      4096 Dec 20  2017 jdk1.8.0_161
-rw-r--r-- 1 root   root   189756259 Mar 11 08:50 jdk-8u161-linux-x64.tar.gz

4、添加环境变量

#vi /etc/profile添加如下内容

export JAVA_HOME=/opt/bigdata/jdk1.8.0_161
export PATH=$JAVA_HOME/bin:$PATH
export HADOOP_HOME=/opt/bigdata/hadoop-3.0.0
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

5、使环境变量生效

source /etc/profile

6、验证

# hadoop version
# java -version

八、配置Hadoop相关配置文件

hadoop目录是hadoop平台的配置目录，我们需要对hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml进行配置

1、首先进入hadoop系统目录/opt/bigdata/hadoop-3.0.0/etc/hadoop

[root@master ~]# cd /opt/bigdata/hadoop-3.0.0/etc/hadoop
[root@master hadoop]# pwd
/opt/bigdata/hadoop-3.0.0/etc/hadoop
[root@master hadoop]# ls

2、编辑hadoop-env.sh,添加java环境

[root@master hadoop]# vi hadoop-env.sh 

移动到第54行，删除前面的 '#' 和空格，并修改成如下内容
export JAVA_HOME=/opt/bigdata/jdk1.8.0_161

3、编辑core-site.xml文件

[root@master hadoop]# vi core-site.xml

  
    fs.default.name</name>
    hdfs://master:9000</value>
  </property>
  
    hadoop.temp.dir</name>
    /opt/bigdata/hadoop-3.0.0/tmp</value>
  </property>

4、编辑hdfs-site.xml文件

[root@master hadoop]# vi hdfs-site.xml

  
    dfs.replication</name>
    2</value>
  </property>
  
    dfs.namenode.name.dir</name>
    /opt/bigdata/hadoop-3.0.0/hdfs/name</value>
  </property>
  
    dfs.datanode.data.dir</name>
    /opt/bigdata/hadoop-3.0.0/hdfs/data</value>
  </property>
  
    dfs.namenode.secondary.http-address</name>
    node1:9001</value>
  </property>
  
    dfs.http.address</name>
    0.0.0.0:50070</value>
  </property>

5、编辑mapred-site.xml文件

[root@master hadoop]# vi mapred-site.xml

  
    mapreduce.framework.name</name>
    yarn</value>
  </property>
  
    mapred.job.tracker.http.address</name>
    0.0.0.0:50030</value>
  </property>
  
    mapred.task.tracker.http.address</name>
    0.0.0.0:50060</value>
  </property>
  
    mapreduce.applicaton.classpath</name>
    
      /opt/bigdata/hadoop-3.0.0/etc/hadoop,
      /opt/bigdata/hadoop-3.0.0/share/hadoop/common/*,
      /opt/bigdata/hadoop-3.0.0/share/hadoop/common/lib/*,
      /opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs/*,
      /opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs/lib/*
      /opt/bigdata/hadoop-3.0.0/share/hadoop/mapreduce/*,
      /opt/bigdata/hadoop-3.0.0/share/hadoop/yarn/*,
      /opt/bigdata/hadoop-3.0.0/share/hadoop/yarn/lib/*
    </value>
  </property>

6、编辑yarn-site.xml文件

[root@master hadoop]# vi yarn-site.xml

  
    yarn.resourcemanager.hostname</name>
    master</value>
  </property>
  
    yarn.resourcemanager.webapp.address</name>
    master:8099</value>
  </property>
  
    yarn.application.classpath</name>
    /opt/bigdata/hadoop-3.0.0/etc/hadoop:/opt/bigdata/hadoop-3.0.0/share/hadoop/common/lib/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/common/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs:/opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs/lib/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/hdfs/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/mapreduce/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/yarn:/opt/bigdata/hadoop-3.0.0/share/hadoop/yarn/lib/*:/opt/bigdata/hadoop-3.0.0/share/hadoop/yarn/*
 </value>
  </property>

     yarn.nodemanager.vmem-check-enabled</name>
     false</value>
</property>

    yarn.nodemanager.aux-services</name>
    mapreduce_shuffle</value>
</property>

    yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    org.apache.hadoop.mapred.ShuffleHandler</value>
</property>

7、编辑workers文件，指定节点

[root@master hadoop]# vi workers
添加node1 node2

如果不想master中也有datanode，就把localhost删掉，只保留node1 node2

8、编辑启动配置文件，都添加如下内容

[root@master ~]# vi /opt/bigdata/hadoop-3.0.0/sbin/start-dfs.sh
[root@master ~]# vi /opt/bigdata/hadoop-3.0.0/sbin/stop-dfs.sh

HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

编辑配置文件，都添加如下内容
[root@master ~]# vi /opt/bigdata/hadoop-3.0.0/sbin/start-yarn.sh
[root@master ~]# vi /opt/bigdata/hadoop-3.0.0/sbin/stop-yarn.sh

YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

九、将已经修改好的文件使用scp命令复制到各个节点

1、首先要在各个节点创建/opt/bigdata目录

[root@node1 ~]# mkdir /opt/bigdata
[root@node2 ~]# mkdir /opt/bigdata

2、master节点复制hadoop文件夹 和jdk文件夹，以及环境配置文件

[root@master ~]# scp -r /opt/bigdata/hadoop-3.0.0 node1:/opt/bigdata
[root@master ~]# scp -r /opt/bigdata/hadoop-3.0.0 node2:/opt/bigdata
[root@master ~]# scp -r /opt/bigdata/jdk1.8.0_161/ node1:/opt/bigdata/
[root@master ~]# scp -r /opt/bigdata/jdk1.8.0_161/ node2:/opt/bigdata/
[root@master ~]# scp /etc/profile node1:/etc/
[root@master ~]# scp /etc/profile node2:/etc/

十、node1 、 node2使环境生效，并验证

##### 1、node1验证 ```powershell [root@node1 ~]# source /etc/profile [root@node1 ~]# java -version [root@node1 ~]# hadoop version ```

2、node2验证

[root@node2 ~]# source /etc/profile
[root@node2 ~]# java -version
[root@node2 ~]# hadoop version

十一、启动hadoop系统并验证

1、第一次启动，格式化namenode

[root@master ~]# hadoop namenode -format

2、启动hadoop系统，并验证

[root@master ~]# start-all.sh
[root@master ~]# jps
[root@node1 ~]# jps
[root@node2 ~]# jps

网页端访问master节点ip地址
http://Master_IP:50072
例:
http://10.0.0.10:50070

网页端查看HDFS文件系统

十二、在本地编写并测试mapreduce程序，运行WordCount案例

编写MapReduce程序,请注意，此处使用python2代码。因为CentOS7.2已经安装了python2

1、首先编写mapper.py程序

[root@master ~]# vi mapper.py

#!/usr/bin/env python
# -*- coding:UTF-8 -*-

import sys
for line in sys.stdin:
    line = line.strip()
    words = line.split()
    for word in words:
        print '%s\t%s' % (word, 1)

2、编写Reducer程序

[root@master ~]# vi reducer.py

#!/usr/bin/env python
# -*- coding:UTF-8 -*-

#from operator import itemgetter
import sys

current_word = None
current_count = 0
word = None

for line in sys.stdin:
    line = line.strip()

    word, count = line.split('\t', 1)
    
    try:
        count = int(count)
    except ValueError:
        continue

    if current_word  == word:
        current_count += count
    else:
        if current_word:
            print '%s\t%s' % (current_word, current_count)
        current_count = count
        current_word = word
        
if current_word == word:
    print '%s\t%s' % (current_word, current_count) 

3、给刚刚编写的程序添加执行权限

[root@master ~]# chmod a+x mapper.py  
[root@master ~]# chmod a+x reducer.py 

4、使用echo加sort对程序进行测试

[root@master ~]# echo “hello world hell hi word” | python mapper.py |sort|python reducer.py

十三、在hadoop中运行WordCount案例

一定要检查一下yarn-site.xml，之前的配置文件我已经重新修改了，请回到第八步第六小点再看看，yarn-site.xml有没有添加上

    yarn.nodemanager.aux-services</name>
    mapreduce_shuffle</value>
</property>

    yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    org.apache.hadoop.mapred.ShuffleHandler</value>
</property>

1、首先编写MapReduce脚本mapreduce.sh

[root@master ~]# vi mapreduce.sh

hadoop jar /opt/bigdata/hadoop-3.0.0/share/hadoop/tools/lib/hadoop-*streaming*.jar -mapper "python mapper.py" -reducer "python reducer.py" -input /user_test/
data.txt -output /output_dir -file /opt/bigdata/mapreduce/mapper.py -file /opt/bigdata/mapreduce/reducer.py

#streaming可以执行任意语言写的mapper，reducer程序
-mapper "python mapper.py"  #执行mapper程序
-reducer "python reducer.py"   #执行reducer程序
-input /user_test/data.txt -output /output_dir  #导入文件及导出文件地址
-file /opt/bigdata/mapreduce/mapper.py  #mapper程序路径
-file /opt/bigdata/mapreduce/reducer.py  #reducer程序路径

2、在本地，首先创建文件夹，将mapper.py和reducer.py移动到相应位置，也可在相应位置创建好

[root@master ~]# mkdir /opt/bigdata/mapreduce
[root@master ~]# mv mapper.py reducer.py /opt/bigdata/mapreduce/
[root@master ~]# ls /opt/bigdata/mapreduce/

3、在本地创建data.txt文件，并输入相应数据

[root@master ~]# vi data.txt

java
java
python
ruby
ruby
mongo
ruby
java
python
java
python
python
java
python
python
java
python
python
java
java

4、在 HDFS 文件系统中创建相应目录以及将data.txt文件上传

[root@master ~]# hdfs dfs -mkdir /user_test
[root@master ~]# hdfs dfs -chmod -R 777 /user_test ##给目录添加权限
[root@master ~]# hdfs dfs -put /root/data.txt /user_test
[root@master ~]# hdfs dfs -ls /user_test

5、查看是否存在 输出目录 (一定不能存在，如果存在就需要删除)

[root@master ~]# hdfs dfs -ls /

6、运行mapreduce.sh脚本，测试运行

[root@master ~]# source mapreduce.sh

7、查看结果

[root@master ~]# hdfs dfs -ls /output_dir
[root@master ~]# hdfs dfs -cat /output_dir/part-00000

也可以在Web端查看
http://Master_I:50070



点击下载会提示网页无法访问，请将node1或者node2替换成相应的IP地址即可

十四、利用生成文件结合python生成词云

这里我使用python3进行实验

1、将上述的文件下载到Windows

2、在windows下，下载/安装pip

pip install wordcloud（执行下载woedcloud）
pip install matplotlib（执行下载matplotlib）

3、此时我将part-00000文件存放于E盘下

4、编写输出词云的python程序

# -*-coding:UTF-8 -*-
# 导入相关的库
import matplotlib #导入matplotlib
matplotlib.use('Agg')
from os import path
import matplotlib.pyplot as plt
from wordcloud import WordCloud #从wordcloud导入WordCloud

# 获取当前文件路径
# __file__ 为当前文件, 在ide中运行此行会报错,可改为
# d = path.dirname('.')
d = path.dirname('.') ##选择文件路径

# 读取整个文件
text = open(path.join(d, 'E:\part-00000')).read() #打开文件并赋值给变量text
#wordcloud = WordCloud().generate(text)
wc = WordCloud().generate(text)
wc.to_file('Word Cloud.png') #命名生成的图片
# 绘图
plt.imshow(wc)
plt.axis("off")

6、运行程序得到词云图片

本次教程到此结束，如果您觉得不错，可以打赏，请您到B站观看更多技术视频，欢迎点赞投币打赏！

B站传送门