Ubuntu20.04にスタンドアロンモードでHadoopをインストールする方法

投稿日: 2022-07-16 2022-10-16
タグ: Big Data, Clustering, ubuntu, Ubuntu 20.04

序章

Hadoopは、Javaベースのプログラミングフレームワークであり、安価なマシンのクラスター上での非常に大きなデータセットの処理と保存をサポートします。これはビッグデータの分野で最初の主要なオープンソースプロジェクトであり、ApacheSoftwareFoundationによって後援されています。

Hadoopは、次の4つの主要なレイヤーで構成されています。

Hadoop Common は、他のHadoopモジュールをサポートするユーティリティとライブラリのコレクションです。
HDFS は、Hadoop分散ファイルシステムの略で、データをディスクに永続化する役割を果たします。
YARN は、Yet Another Resource Negotiatorの略で、HDFSの「オペレーティングシステム」です。
MapReduce は、Hadoopクラスターの元の処理モデルです。作業をクラスターまたはマップ内に分散し、ノードからの結果を整理して、クエリへの応答に減らします。 Hadoopの3.xバージョンでは、他の多くの処理モデルを利用できます。

Hadoopクラスターのセットアップは比較的複雑であるため、プロジェクトには、Hadoopの学習、簡単な操作の実行、およびデバッグに適したスタンドアロンモードが含まれています。

このチュートリアルでは、Hadoopをスタンドアロンモードでインストールし、Hadoopに含まれているサンプルのMapReduceプログラムの1つを実行して、インストールを確認します。

前提条件

このチュートリアルに従うには、次のものが必要です。

sudo権限を持つ非rootユーザーを持つUbuntu20.04サーバー：これらの権限を持つユーザーを設定する方法の詳細については、 Ubuntu20.04を使用したサーバーの初期設定ガイドを参照してください。

ビッグデータの概念と用語の概要またはHadoopの概要もご覧ください。

前提条件を完了したら、次のようにログインします sudo 開始するユーザー。

ステップ1—Javaのインストール

開始するには、パッケージリストを更新し、Ubuntu20.04のデフォルトのJavaDevelopmentKitであるOpenJDKをインストールします。

sudo apt update
sudo apt install default-jdk

インストールが完了したら、バージョンを確認しましょう。

java -version

Outputopenjdk version "11.0.13" 2021-10-19
OpenJDK Runtime Environment (build 11.0.13+8-Ubuntu-0ubuntu1.20.04)
OpenJDK 64-Bit Server VM (build 11.0.13+8-Ubuntu-0ubuntu1.20.04, mixed mode, sharing)

この出力は、OpenJDKが正常にインストールされたことを確認します。

ステップ2—Hadoopをインストールする

Javaを導入したら、 Apache Hadoopリリースページにアクセスして、最新の安定したリリースを見つけます。

インストールするリリースのbinaryに移動します。このガイドでは、Hadoop 3.3.1をインストールしますが、このガイドのバージョン番号を任意のバージョン番号に置き換えることができます。

次のページで、右クリックしてリリースバイナリへのリンクをコピーします。

サーバーでは、 wget それをフェッチするには：

wget https://dlcdn.apache.org/hadoop/common/hadoop-3.3.1/hadoop-3.3.1.tar.gz

注： Apache Webサイトは動的に最適なミラーに誘導するため、URLが上記のURLと一致しない場合があります。

ダウンロードしたファイルが変更されていないことを確認するために、SHA-512またはSecure HashAlgorithm512を使用して簡単なチェックを行います。リリースページに戻り、右クリックして、ダウンロードしたリリースバイナリのチェックサムファイルへのリンクをコピーします。

繰り返しますが、 wget 私たちのサーバーでファイルをダウンロードするには：

wget https://downloads.apache.org/hadoop/common/hadoop-3.3.1/hadoop-3.3.1.tar.gz.sha512

次に、検証を実行します。

shasum -a 512 hadoop-3.3.1.tar.gz

Output2fd0bf74852c797dc864f373ec82ffaa1e98706b309b30d1effa91ac399b477e1accc1ee74d4ccbb1db7da1c5c541b72e4a834f131a99f2814b030fbd043df66  hadoop-3.3.1.tar.gz

この値を、のSHA-512値と比較します。 .sha512 ファイル：

cat hadoop-3.3.1.tar.gz.sha512

〜/ hadoop-3.3.1.tar.gz.sha512

...
SHA512 (hadoop-3.3.1.tar.gz) = 2fd0bf74852c797dc864f373ec82ffaa1e98706b309b30d1effa91ac399b477e1accc1ee74d4ccbb1db7da1c5c541b72e4a834f131a99f2814b030fbd043df66
...

ミラーからダウンロードしたファイルに対して実行したコマンドの出力は、apache.orgからダウンロードしたファイルの値と一致する必要があります。

ファイルが破損または変更されていないことを確認したので、次のように解凍できます。

tar -xzvf hadoop-3.3.1.tar.gz

使用 tar とのコマンド -x 抽出するフラグ、 -z 解凍するには、 -v 詳細な出力の場合、および -f ファイルから抽出することを指定します。

最後に、抽出したファイルをに移動します /usr/local、ローカルにインストールされたソフトウェアの適切な場所：

sudo mv hadoop-3.3.1 /usr/local/hadoop

ソフトウェアを配置すると、環境を構成する準備が整います。

ステップ3—HadoopのJavaホームを構成する

Hadoopでは、環境変数として、またはHadoop構成ファイルでJavaへのパスを設定する必要があります。

Javaへの道、 /usr/bin/java へのシンボリックリンクです /etc/alternatives/java、これはデフォルトのJavaバイナリへのシンボリックリンクです。使用します readlink とともに -f パスのすべての部分のすべてのシンボリックリンクを再帰的にたどるフラグ。次に、を使用します sed トリミングする bin/java 出力から正しい値を取得します JAVA_HOME.

デフォルトのJavaパスを見つけるには

readlink -f /usr/bin/java | sed "s:bin/java::"

Output/usr/lib/jvm/java-11-openjdk-amd64/

この出力をコピーして、HadoopのJavaホームをこの特定のバージョンに設定できます。これにより、デフォルトのJavaが変更されても、この値は変更されません。または、 readlink ファイル内で動的にコマンドを実行して、Hadoopがシステムのデフォルトとして設定されているJavaバージョンを自動的に使用するようにします。

開始するには、 hadoop-env.sh:

sudo nano /usr/local/hadoop/etc/hadoop/hadoop-env.sh

次に、次のいずれかのオプションを選択してファイルを変更します。

オプション1：静的な値を設定する

/usr/local/hadoop/etc/hadoop/hadoop-env.sh

 . . .
#export JAVA_HOME=
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64/
 . . .

オプション2：Readlinkを使用して値を動的に設定する

/usr/local/hadoop/etc/hadoop/hadoop-env.sh

 . . .
#export JAVA_HOME=
export JAVA_HOME=$(readlink -f /usr/bin/java | sed "s:bin/java::")
 . . .

これらの行を見つけるのに問題がある場合は、 CTRL+W テキストをすばやく検索します。完了したら、で終了します CTRL+X ファイルを保存します。

注： Hadoopに関して、 JAVA_HOME の hadoop-env.sh 環境に設定されている値を /etc/profile またはユーザーのプロファイル。

ステップ4—Hadoopを実行する

これで、Hadoopを実行できるようになります。

/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:
. . .

この出力は、スタンドアロンモードで実行するようにHadoopを正常に構成したことを意味します。

付属のMapReduceプログラムの例を実行して、Hadoopが正しく機能していることを確認します。これを行うには、というディレクトリを作成します input ホームディレクトリにあり、Hadoopの構成ファイルをそのディレクトリにコピーして、それらのファイルをデータとして使用します。

mkdir ~/input
cp /usr/local/hadoop/etc/hadoop/*.xml ~/input

次に、次のコマンドを使用してMapReduceを実行できます hadoop-mapreduce-examples プログラム、いくつかのオプションを備えたJavaアーカイブ：

/usr/local/hadoop/bin/hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar grep ~/input ~/grep_example 'allowed[.]*'

これにより、 grep プログラム、に含まれる多くの例の1つ hadoop-mapreduce-examples、続いて入力ディレクトリ、 input および出力ディレクトリ grep_example. MapReduce grepプログラムは、リテラル単語または正規表現の一致をカウントします。最後に、正規表現 allowed[.]* 単語の出現を見つけるために与えられます allowed 宣言文の中または最後。式では大文字と小文字が区別されるため、文の先頭で大文字になっている場合、その単語は見つかりません。

タスクが完了すると、処理された内容と発生したエラーの概要が表示されますが、実際の結果は含まれていません。

Output . . .
   File System Counters
        FILE: Number of bytes read=1200956
        FILE: Number of bytes written=3656025
        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=114
        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)=41
        Total committed heap usage (bytes)=403800064
    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

注：出力ディレクトリがすでに存在する場合、プログラムは失敗し、要約が表示されるのではなく、次のように出力されます。

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)

結果は出力ディレクトリに保存され、実行して確認できます。 cat 出力ディレクトリ：

cat ~/grep_example/*

Output22    allowed.
1    allowed

MapReduceタスクは、19回の単語の出現を検出しました allowed ピリオドが続き、そうでない場合は1回発生します。サンプルプログラムを実行すると、スタンドアロンインストールが正しく機能し、システム上の非特権ユーザーが探索またはデバッグのためにHadoopを実行できることが確認されました。

結論

このチュートリアルでは、Hadoopをスタンドアロンモードでインストールし、提供されているサンプルプログラムを実行して検証しました。独自のMapReduceプログラムを作成する方法を学ぶには、例の背後にあるコードをウォークスルーするApacheHadoopのMapReduceチュートリアルにアクセスすることをお勧めします。クラスターをセットアップする準備ができたら、Apache Foundation Hadoop ClusterSetupガイドを参照してください。

スタンドアロンではなく完全なクラスターをデプロイすることに関心がある場合は、DigitalOceanDropletsを使用してHadoopクラスターをスピンアップする方法を参照してください。

getdocs

13036