云计算实验二手册

云计算实验二手册,主要包罗四个部分，Hadoop的安装、Hadoop的设置、WordCount和KMeans。
  一、Hadoop本体安装

实验使用操作系统Ubuntu22.04
1. 安装java

Hadoop 根本组件及其外围项目大多是基于 Java 的，要运行 Hadoop，我们必要在系统中安装 Java 运行时情况（JRE）。有多种 JRE 可供选择，我们使用 openjdk-11 作为 JRE。Hadoop 官方文档中分析白对 Java 版本的支持情况。Hadoop 框架使用 SSH 协议与本地（或远程计算机）进行通讯，我们必要在本地计算机中安装 SSH 服务器保卫步调。

1. sudo apt install openjdk-11-jdk openssh-server -y

复制代码

2. 创建ssh密钥并添加到本身的本地计算机

Hadoop 通常运行于分布式情况中。在这种情况下，它使用 SSH 协议与本身（或其他服务器）进行通讯，为了可以或许设置 Hadoop 更安全地与服务器进行通讯，我们为本地情况 hadoop 用户生成公-私密钥对，以支持 SSH 中的密钥对认证：

1. ssh-keygen -b 4096 -C "for hadoop use"  # 为了方便这里可以直接一路回车，如果有需要可以自己按照提示修改
2. ssh -p '22' 'localhost'

复制代码

上述命令生成带备注信息的长度为 4096 位的 RSA 密钥，并将密钥复制至本地计算机中，用于支持 SSH 密钥对认证方式。
这时间可以尝试使用ssh localhost，应该可以无密码登录。
3. 下载并解压hadoop

Hadoop 的各种发行版本通常从 Hadoop 官方网站的下载页面下载。
我们使用来自 Hadoop 官方网站的发行版本 3.3.6 举例。我们预备将干系发行版本安装至文件系统的 /opt 目录下。
首先从下载页面获得 Hadoop 的发行版文件：

1. wget "https://dlcdn.apache.org/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz"

复制代码

如果以上官方链接无法访问或者速率较慢，可以使用以下命令替代：

1. wget "https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz"

复制代码

该压缩包较大，因此下载必要的时间可能较长。
下载好压缩包后，解压到/opt目录。

1. sudo tar -zxvf hadoop-3.3.6.tar.gz -C /opt

复制代码

二、Hadoop 设置

Hadoop 并非是单个软件，而是一系列大数据存储及处置处罚的工具集合。以是，有必要针对常用的根本组件进行设置，以完成 Hadoop 情况的搭建。
1. 设置情况变量

安装 Hadoop 后，我们必要精确设置以下情况变量。可以将这些添加情况变量的命令添加至 ~/.bashrc 文件末尾，以避免每次登录时都必要执行，注意以下命令必要一次性复制和运行，不可以分多次：

1. cat << 'EOF' >> ~/.bashrc
2. export HADOOP_HOME=/opt/hadoop-3.3.6
3. export HADOOP_INSTALL=$HADOOP_HOME
4. export HADOOP_MAPRED_HOME=$HADOOP_HOME
5. export HADOOP_COMMON_HOME=$HADOOP_HOME
6. export HADOOP_HDFS_HOME=$HADOOP_HOME
7. export YARN_HOME=$HADOOP_HOME
8. export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
9. export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
10. export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"
11. EOF

复制代码

然后执行source ~/.bashrc使设置生效或者直接重启shell。
2. 设置Hadoop根本框架

接下来的Hadoop设置操作都必要以/opt/hadoop-3.3.6/etc/hadoop作为当前路径，另外注意以下命令同样必要一次性复制和运行。

设置Hadoop 有关 Java 运行时情况（JRE）的位置信息。Hadoop 框架的根本设置文件位于 ./hadoop-env.sh 中，只必要修改其中的 JAVA_HOME 行。如果你使用其他方式（比如非标准端口）通过 SSH 客户端连接到（本地）服务器，则必要额外修改 HADOOP_SSH_OPTS 行。

1. cat << 'EOF' >> ./hadoop-env.sh
2. export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64
3. export HADOOP_SSH_OPTS="-p 22"
4. EOF

复制代码

根据系统架构不同，Java 可执行文件的位置或名称是略有不同的。
如果不是/usr/lib/jvm/java-11-openjdk-amd64，必要根据现实修改。
3. 核心变量设置

Hadoop 生态的大多数组件采用 .xml文件的方式进行设置。它们采用了统一的格式：即将设置项填写在每个设置文件的 <configuration> 与 </configuration> 之间，每个设置项通过以下的方式呈现：

1. <property>
2. <name>配置项名称</name>
3. <value>配置值</value>
4. </property>

复制代码

首先必要修改./etc/hadoop/core-site.xml，我们必要设置fs.defaultFS为hdfs://localhost/，也就是说，必要把以下内容添加到./etc/hadoop/core-site.xml的<configuration> </configuration> 之间。

1.         <property>
2.                 <name>fs.defaultFS</name>
3.                 <value>hdfs://localhost/</value>
4.         </property>

复制代码

4. 设置 HDFS（Hadoop 文件系统）

为了支持Hadoop的运行，我们必要使用能支持分布式的文件系统，HDFS就是为了Hadoop使用的，你可以从这里找到HDFS的更多信息。
在使用 Hadoop 文件系统（HDFS）之前，我们必要显式设置 HDFS，以指定 NameNode 与 DataNode 的存储位置。我们操持将 NameNode 与 DataNode 存储于本地文件系统上，即存放于 ~/hdfs 中：

1. mkdir -p ~/hdfs/namenode ~/hdfs/datanode

复制代码

然后，修改hdfs-site.xml，将以下内容放到该文件的<configuration> </configuration>之间。请注意必要更换其中的xxxx为你的ubuntu用户名

1.         <property>
2.                 <name>dfs.replication</name>
3.                 <value>1</value>
4.         </property>
6.         <property>
7.                 <name>dfs.name.dir</name>
8.                 <value>/home/xxxx/hadoop/namenode</value>
9.         </property>
11.         <property>
12.                 <name>dfs.data.dir</name>
13.                 <value>/home/xxxx/hadoop/datanode</value>
14.         </property>

复制代码

首次启动 Hadoop 情况之前，我们必要格式化 Namenode 节点数据，使用以下命令：

1. hdfs namenode -format

复制代码

避免重复格式化
5. 设置 MapReduce（由 YARN 驱动）

MapReduce 是一种简朴的用于数据处置处罚的编程模子，YARN（Yet Another Resource Negotiator）是 Hadoop 的集群资源管理系统。
将以下内容放到mapred-site.xml的<configuration> </configuration>之间。

1.         <property>
2.                 <name>mapreduce.framework.name</name>
3.                 <value>yarn</value>
4.         </property>
5.         <property>
6.                 <name>yarn.app.mapreduce.am.env</name>
7.                 <value>HADOOP_MAPRED_HOME=/opt/hadoop-3.3.6/</value>
8.         </property>
9.         <property>
10.                 <name>mapreduce.map.env</name>
11.                 <value>HADOOP_MAPRED_HOME=/opt/hadoop-3.3.6/</value>
12.         </property>
13.         <property>
14.                 <name>mapreduce.reduce.env</name>
15.                 <value>HADOOP_MAPRED_HOME=/opt/hadoop-3.3.6/</value>
16.         </property>

复制代码

将以下内容放到yarn-site.xml的<configuration> </configuration>之间。

1.         <property>
2.                 <name>yarn.nodemanager.aux-services</name>
3.                 <value>mapreduce_shuffle</value>
4.         </property>
5.         <property>
6.                 <name>yarn.resourcemanager.hostname</name>
7.                 <value>localhost</value>
8.         </property>

复制代码

6. 启动Hadoop集群

使用以下命令:

1. start-dfs.sh
2. start-yarn.sh
3. mr-jobhistory-daemon.sh start historyserver

复制代码

可能会出现ssh的提示Are you sure you want to continue connecting (yes/no/[fingerprint])?，直接yes就可以。
这将启动以下保卫进程：一个 namenode、一个辅助 namenode、一个 datanode（HDFS）、一个资源管理器、一个节点管理器（YARN）以及一个历史服务器（MapReduce）。为验证 Hadoop 干系服务启动乐成，可以使用jps命令。
你可以使用欣赏器访问该主机的 9870 端口，以查看 HFS 的干系情况，如果统统正常，应该能在欣赏器看到以下类似画面。

大功告成！此时hadoop根本的组件已经安装完成。如果你发现某些组件未按预期工作，你可以在 Hadoop 安装目录的 ./logs 下找到各服务对应的运行日记进行排查。
三、WordCount实验

1.安装maven

首先使用命令sudo apt-get install maven。
将设置文件复制到~/.m2目录：

1. mkdir ~/.m2 && cp /etc/maven/settings.xml ~/.m2

复制代码

编辑~/.m2/settings.xml文件，将以下内容添加到<mirrors></mirrors>中间。

1. <mirror>
2.     <id>alimaven</id>
3.     <name>aliyun maven</name>
4.     <url>https://maven.aliyun.com/nexus/content/groups/public/</url>
5.     <mirrorOf>central</mirrorOf>
6. </mirror>

复制代码

2. 创建项目

使用以下命令，这将在当前文件夹创建一个workcount文件夹，请选择一个合适的路径来创建项目。
如果下载速率慢，确认依靠包下载路径是否为aliyun，如果不是则查抄~/.m2/settings.xml设置文件文件

1. mvn archetype:generate -DarchetypeGroupId=org.apache.maven.archetypes -DgroupId=cn.edu.seu.ys -DartifactId=wordcount -DpackageName=cn.edu.seu.experiment -Dversion=1.0-SNAPSHOT -DinteractiveMode=false         

复制代码

3. 编辑pom.xml

进入workcount文件夹，下面的操作可以直接使用vim或者gedit如许简朴的文本编辑器，或者为了方便也可以使用VSCode之类的文本编辑器或者IDEA之类的Java IDE。
编辑pom.xml，在<dependencies></dependencies>之间添添加如下内容：
::: details

1. <dependency>
2.   <groupId>commons-cli</groupId>
3.   <artifactId>commons-cli</artifactId>
4.   <version>1.2</version>
5. </dependency>
6. <dependency>
7.   <groupId>commons-logging</groupId>
8.   <artifactId>commons-logging</artifactId>
9.   <version>1.2</version>
10. </dependency>
11. <dependency>
12.   <groupId>org.apache.hadoop</groupId>
13.   <artifactId>hadoop-mapreduce-client-jobclient</artifactId>
14.   <version>2.8.5</version>
15.   <scope>provided</scope>
16. </dependency>
17. <dependency>
18.   <groupId>org.apache.hadoop</groupId>
19.   <artifactId>hadoop-common</artifactId>
20.   <version>2.8.5</version>
21.   <scope>provided</scope>
22. </dependency>

复制代码

在</dependencies>背面增加如下内容：

1. <build>
2.   <plugins>
3.     <plugin>
4.       <groupId>org.apache.maven.plugins</groupId>
5.       <artifactId>maven-compiler-plugin</artifactId>
6.       <configuration>
7.         <source>1.7</source>
8.         <target>1.7</target>
9.       </configuration>
10.     </plugin>
11.   </plugins>
12. </build>

复制代码

使用mvn clean install -DskipTests同步依靠，或者直接使用IDE。
新建src/main/java/cn/edu/seu/{你的姓名}/WordCount.java
内容如下，就是给出的word文档里面的原文没有修改，注意更换第一行的包名：

1. package cn.edu.seu.liyaning;
3. import java.io.IOException;
4. import java.util.StringTokenizer;
6. import org.apache.hadoop.conf.Configuration;
7. import org.apache.hadoop.fs.Path;
8. import org.apache.hadoop.io.IntWritable;
9. import org.apache.hadoop.io.Text;
10. import org.apache.hadoop.mapreduce.Job;
11. import org.apache.hadoop.mapreduce.Mapper;
12. import org.apache.hadoop.mapreduce.Reducer;
13. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
14. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
15. import org.apache.hadoop.util.GenericOptionsParser;
17. public class WordCount {
18.     public static class TokenizerMapper
19.             extends Mapper<Object, Text, Text, IntWritable>{
21.         private final static IntWritable one = new IntWritable(1);
22.         private Text word = new Text();
24.         public void map(Object key, Text value, Context context
25.         ) throws IOException, InterruptedException {
26.             StringTokenizer itr = new StringTokenizer(value.toString());
27.             while (itr.hasMoreTokens()) {
28.                 word.set(itr.nextToken());
29.                 context.write(word, one);
30.             }
31.         }
32.     }
34.     public static class IntSumReducer
35.             extends Reducer<Text,IntWritable,Text,IntWritable> {
36.         private IntWritable result = new IntWritable();
37.         public void reduce(Text key, Iterable<IntWritable> values,
38.                            Context context
39.         ) throws IOException, InterruptedException {
40.             int sum = 0;
41.             for (IntWritable val : values) {
42.                 sum += val.get();
43.             }
44.             result.set(sum);
45.             context.write(key, result);
46.         }
47.     }
49.     public static void main(String[] args) throws Exception {
50.         Configuration conf = new Configuration();
51.         String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
52.         if (otherArgs.length < 2) {
53.             System.err.println("Usage: wordcount <in> [<in>...] <out>");
54.             System.exit(2);
55.         }
56.         Job job = Job.getInstance(conf, "word count");
57.         job.setJarByClass(WordCount.class);
58.         job.setMapperClass(TokenizerMapper.class);
59.         job.setCombinerClass(IntSumReducer.class);
60.         job.setReducerClass(IntSumReducer.class);
61.         job.setOutputKeyClass(Text.class);
62.         job.setOutputValueClass(IntWritable.class);
63.         for (int i = 0; i < otherArgs.length - 1; ++i) {
64.             FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
65.         }
66.         FileOutputFormat.setOutputPath(job,
67.                 new Path(otherArgs[otherArgs.length - 1]));
68.         System.exit(job.waitForCompletion(true) ? 0 : 1);
69.     }
70. }

复制代码

:::
然后使用命令mvn clean install -Dmaven.test.skip=true打包，应该可以看到当前目录的target文件夹下多了一个wordcount-1.0-SNAPSHOT.jar文件。
4. 在HDFS中创建一个文本文件

1. hdfs dfs -mkdir /txtdir # 创建文件夹
2. hdfs dfs -ls /  # 应该可以看到textdir这个文件夹

复制代码

在本地创建一个test.txt，随便写一些内容，原版实验手册中给出的文本内容如下：

1. Long long ago, there is one cat that is expected at using the cat utility on Linux. One day, it saw a spring in the spring in spring. He is astonished and laughing to death.
3. Years later, people mark the 9 May as the Dying Cat Linux Day to celebrate the people who is struggling at using Linux.
5. Written by a people who loves cat.
7. Please add your own student id and name here:
8. 1845** Zhang Shan

复制代码

然后把这个文件放到hdfs中去：

1. hdfs dfs -put test.txt /txtdir/
2. hdfs dfs -ls /txtdir

复制代码

5. 使用Hadoop运行编译的jar文件

进入wordcount项目目录下，注意更换其中的文件真实路径以及包名：

1. hadoop jar ./target/wordcount-1.0-SNAPSHOT.jar cn.edu.seu.ys.WordCount /txtdir/test.txt /txtdir/output/

复制代码

等待大概1分钟之后运行完毕，使用hdfs dfs -ls /miao/output命令可以看到有一个_SUCCESS文件和一个part-r-00000文件。
使用hdfs dfs -cat /txtdir/output/part-r-00000可以看到运行的结果。

Hadoop实验完成。
四、KMeans实验

1. 预备干系文件

首先解压KMeans.zip。

1. unzip KMeans.zip
2. cd KMeans/

复制代码

使用java -jar ProcessCorpus.jar将文本文件转化成词向量，该步调会要求你输入一些信息，可以按照以下内容输入：
Enter the directory where the corpus is located: 20_newsgroups
Enter the name of the file to write the result to: vectors
Enter the max number of docs to use in each subdirectory: 100
How many of those words do you want to use to process the docs? 10000
使用java -jar GetCentroids.jar初始化集群起始点，该步调会要求你输入一些信息，可以按照以下内容输入：
Enter the data file to select the clusters from: vectors
Enter the name of the file to write the result to: clusters
Enter the number of clusters to select: 20
然后把刚刚创建的文件复制到HDFS中：

1. hdfs dfs -mkdir /data
2. hdfs dfs -mkdir /clusters
3. hdfs dfs -copyFromLocal vectors /data
4. hdfs dfs -copyFromLocal clusters /clusters

复制代码

2. 构建项目

首先使用如下命令创建项目，请注意必要更换其中的ys为你的ubuntu用户名。

1. mvn archetype:generate -DarchetypeGroupId=org.apache.maven.archetypes -DgroupId=cn.edu.seu.ys -DartifactId=kmeans_project -DpackageName=cn.edu.seu.ys -Dversion=1.0-SNAPSHOT -DinteractiveMode=false

复制代码

然后编辑pom.xml，操作方法同wordcount中的pom.xml。
再然后，把KMeans文件夹中，KMeans/MapRedKMeans下的所有文件复制到kmeans_project/src/main/java/cn/edu/seu/XXX/，可能根据必要修改以下命令：

1. cp ./KMeans/MapRedKMeans/* ./kmeans_project/src/main/java/cn/edu/seu/ys/

复制代码

然后进入kmeans_project目录使用mvn clean install -Dmaven.test.skip=true构建项目，应该可以看到当前目录的target文件夹下多了一个kmeans-1.0-SNAPSHOT.jar文件。
3. 运行项目

使用命令提交到Hadoop运行：

1. hadoop jar target/kmeans-1.0-SNAPSHOT.jar KMeans /data /clusters 3

复制代码

其中3是kmeans的迭代次数，可以本身定义，当然次数越多必要的时间可能也越久。
执行完毕后，使用命令将结果从HDFS拷贝回本地，方便后续查抄结果：

1. hdfs dfs -copyToLocal /clustersXXX/part-r-00000 # 替换XXX为你的迭代次数

复制代码

4. 查抄结果

使用命令java -jar GetDistribution.jar运行查抄结果的jar文件。按照如下信息输入：
Enter the file with the data vectors: vectors
Enter the name of the file where the clusers are loated: part-r-00000
结果信息：

::: tip 参考链接
PeaceSheep’s blog 云计算实验二手册
在 Ubuntu 22.04 LTS 上搭建 Hadoop 情况
Hadoop官网
:::

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。