图文精华

About云-梭伦科技»专题 › 交流区 › 技术交流 › MapReduce › Win7下面安装hadoop2.x插件及Win7/Linux运行MapReduce程 ...
分享

Win7下面安装hadoop2.x插件及Win7/Linux运行MapReduce程序

InSight 发表于 2015-5-4 16:52:53 [显示全部楼层] 只看大图 回帖奖励 阅读模式 关闭右栏 2 30744
About云VIP帮助找工作和提升
问题导读：

1.win7下如何安装hadoop2.x？
2.win7下如何执行MapReuce On Yarn？
3.linux下如何安装hadoop2.x？
4.linux下如何执行MapReuce On Local？
5.Uber Mode是什么？







一、win7下
（一）、安装环境及安装包
win7 32 bit
jdk7
eclipse-java-juno-SR2-win32.zip
hadoop-2.2.0.tar.gz
hadoop-eclipse-plugin-2.2.0.jar
hadoop-common-2.2.0-bin.rar

（二）、安装
默认已经安装好了jdk、eclipse以及配置好了hadoop伪分布模式

1、拷贝hadoop-eclipse-plugin-2.2.0.jar插件到Eclipse安装目录的子目录plugins下，重启Eclipse。

2、设置环境变量

1.png
2.png

3、配置eclipse中hadoop的安装目录
解压hadoop-2.2.0.tar.gz

3.png

4、解压hadoop-common-2.2.0-bin.rar
复制里面的文件到hadoop安装目录的bin文件夹下

4.png

（三）、在win7下，MapReuce On Yarn执行

新建一个工程

5.png

点击window–>show view–>Map/Reduce Locations

点击New Hadoop Location……

6.png

添加如下配置，点击完成。
7.png

自此，你就可以查看HDFS中的相关内容了。
8.png
编写mapreduce程序
9.jpg
在src目录下添加文件log4j.properties，内容如下：
  1. log4j.rootLogger=debug,appender1

  2. 

  3. log4j.appender.appender1=org.apache.log4j.ConsoleAppender

  4. 

  5. log4j.appender.appender1.layout=org.apache.log4j.TTCCLayout
复制代码


运行，结果如下：
10.jpg


二、在Linux下

（一）在Linux下，MapReuce On Yarn上

运行

  1. [root@liguodong Documents]# yarn jar  test.jar hdfs://liguodong:8020/hello  hdfs://liguodong:8020/output

  2. 15/05/03 03:16:12 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032

  3. ………………

  4. 15/05/03 03:16:13 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1430648117067_0001

  5. 15/05/03 03:16:13 INFO impl.YarnClientImpl: Submitted application application_1430648117067_0001 to ResourceManager at /0.0.0.0:8032

  6. 15/05/03 03:16:13 INFO mapreduce.Job: The url to track the job: http://liguodong:8088/proxy/application_1430648117067_0001/

  7. 15/05/03 03:16:13 INFO mapreduce.Job: Running job: job_1430648117067_0001

  8. 15/05/03 03:16:21 INFO mapreduce.Job: Job job_1430648117067_0001 running in uber mode : false

  9. 15/05/03 03:16:21 INFO mapreduce.Job:  map 0% reduce 0%

  10. 15/05/03 03:16:40 INFO mapreduce.Job:  map 100% reduce 0%

  11. 15/05/03 03:16:45 INFO mapreduce.Job:  map 100% reduce 100%

  12. 15/05/03 03:16:45 INFO mapreduce.Job: Job job_1430648117067_0001 completed successfully

  13. 15/05/03 03:16:45 INFO mapreduce.Job: Counters: 43

  14.         File System Counters

  15.                 FILE: Number of bytes read=98

  16.                 FILE: Number of bytes written=157289

  17.                 FILE: Number of read operations=0

  18.                 FILE: Number of large read operations=0

  19.                 FILE: Number of write operations=0

  20.                 HDFS: Number of bytes read=124

  21.                 HDFS: Number of bytes written=28

  22.                 HDFS: Number of read operations=6

  23.                 HDFS: Number of large read operations=0

  24.                 HDFS: Number of write operations=2

  25.         Job Counters

  26.                 Launched map tasks=1

  27.                 Launched reduce tasks=1

  28.                 Data-local map tasks=1

  29.                 Total time spent by all maps in occupied slots (ms)=16924

  30.                 Total time spent by all reduces in occupied slots (ms)=3683

  31.         Map-Reduce Framework

  32.                 Map input records=3

  33.                 Map output records=6

  34.                 Map output bytes=80

  35.                 Map output materialized bytes=98

  36.                 Input split bytes=92

  37.                 Combine input records=0

  38.                 Combine output records=0

  39.                 Reduce input groups=4

  40.                 Reduce shuffle bytes=98

  41.                 Reduce input records=6

  42.                 Reduce output records=4

  43.                 Spilled Records=12

  44.                 Shuffled Maps =1

  45.                 Failed Shuffles=0

  46.                 Merged Map outputs=1

  47.                 GC time elapsed (ms)=112

  48.                 CPU time spent (ms)=12010

  49.                 Physical memory (bytes) snapshot=211070976

  50.                 Virtual memory (bytes) snapshot=777789440

  51.                 Total committed heap usage (bytes)=130879488

  52.         Shuffle Errors

  53.                 BAD_ID=0

  54.                 CONNECTION=0

  55.                 IO_ERROR=0

  56.                 WRONG_LENGTH=0

  57.                 WRONG_MAP=0

  58.                 WRONG_REDUCE=0

  59.         File Input Format Counters

  60.                 Bytes Read=32

  61.         File Output Format Counters

  62.                 Bytes Written=28
复制代码
查看结果
  1. [root@liguodong Documents]# hdfs dfs -ls  /

  2. Found 3 items

  3. -rw-r--r--   2 root supergroup         32 2015-05-03 03:15 /hello

  4. drwxr-xr-x   - root supergroup          0 2015-05-03 03:16 /output

  5. drwx------   - root supergroup          0 2015-05-03 03:16 /tmp

  6. [root@liguodong Documents]# hdfs dfs -ls  /output

  7. Found 2 items

  8. -rw-r--r--   2 root supergroup          0 2015-05-03 03:16 /output/_SUCCESS

  9. -rw-r--r--   2 root supergroup         28 2015-05-03 03:16 /output/part-r-00000

  10. [root@liguodong Documents]# hdfs dfs -text  /output/pa*

  11. hadoop  1

  12. hello   3

  13. me      1

  14. you     1
复制代码
遇到的问题
  1. File /output/………  could only be replicated to 0 nodes instead of minReplication (=1).  

  2. There are 1 datanode(s) running and no node(s) are excluded in this operation.
复制代码
在网上找了很多方法是试了没有解决，然后自己根据这句话的中文意思是只有被复制到0个副本，而不是最少的一个副本。

我将最先dfs.replication.min设置为0，但是很遗憾，后面运行之后发现必须大于0，我又改为了1。
然后再dfs.datanode.data.dir多设置了几个路径，就当是在一个系统中多次备份吧，后面发现成功了。

设置如下，在hdfs-site.xml中添加如下配置。

  1. <property>

  2.         <name>dfs.datanode.data.dir</name>  

  3.         <value>     file://${hadoop.tmp.dir}/dfs/dn,file://${hadoop.tmp.dir}/dfs/dn1,file://${hadoop.tmp.dir}/dfs/dn2          

  4.         </value>

  5.     </property>
复制代码

（二）在Linux下，MapReuce On Local上
在mapred-site.xml中，添加如下配置文件。

  1. <configuration>

  2.     <property>

  3.         <name>mapreduce.framework.name</name>

  4.         <value>local</value>

  5.     </property>

  6. </configuration>
复制代码
可以不用启动ResourceManager和NodeManager。

运行

  1. [root@liguodong Documents]# hadoop jar  test.jar hdfs://liguodong:8020/hello  hdfs://liguodong:8020/output
复制代码

三、MapReduce运行模式有多种
mapred-site.xml中
1）本地运行模式(默认)

  1. <configuration>

  2.     <property>

  3.         <name>mapreduce.framework.name</name>

  4.         <value>local</value>

  5.     </property>

  6. </configuration>
复制代码
2）运行在YARN上
  1. <configuration>

  2.     <property>

  3.         <name>mapreduce.framework.name</name>

  4.         <value>yarn</value>

  5.     </property>

  6. </configuration>
复制代码

四、Uber Mode
Uber Mode是针对于在Hadoop2.x中，对于MapReuduce Job小作业来说的一种优化方式（重用JVM的方式）。
小作业指的是MapReduce Job 运行处理的数据量，当数据量（大小）小于 HDFS 存储数据时block的大小（128M）。
默认是没有启动的。
mapred-site.xml中

  1. <name>mapreduce.job.ubertask.enable</name>

  2. <value>true</value>
复制代码

转。



回复

使用道具 举报

自定义广告语

已有(3)人评论

跳转到指定楼层
正序浏览
zhangzh 发表于 2015-5-4 17:26:48
回复

使用道具 举报

shuijun1106 发表于 2016-4-7 10:35:29
这个问题看了很多方法，都解决不了，运行程序一直停在
log4j:WARN No appenders could be found for logger (org.apache.hadoop.util.Shell).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
上面，查看mapreduce未运行。。。
回复

使用道具 举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

发表新帖
InSight

中级会员

关注

  • 33

    主题

  • 141

    帖子

  • 11

    粉丝

TA的主题
关闭

推荐上一条 /2 下一条

关于我们· 联系我们· 加入我们· 小黑屋· 合作伙伴   

Copyright © 2001-2024 About云-梭伦科技 Powered by Discuz! X3.4 Licensed Discuz Team.

简书 / Smrz 京ICP备2020039040号 Wxb 简书网举报电话：021-34700000