Debian Hadoop 任务执行流程

在Debian上运行Hadoop任务，通常需要经过以下几个步骤：

1. 准备工作

• 安装Java环境：Hadoop需要Java运行环境。首先，确保系统已经安装了Java。如果没有，可以使用以下命令安装OpenJDK：

  sudo apt update
  sudo apt install openjdk-11-jdk
  

  确认Java已正确安装：

  java -version
  

• 下载并解压Hadoop：访问Hadoop官方网站下载适用于Debian的Hadoop版本，例如Hadoop 3.3.1。下载完成后，解压到合适的位置，例如 /usr/local/hadoop。

  wget https://downloads.apache.org/hadoop/common/hadoop-3.3.1/hadoop-3.3.1.tar.gz
  sudo tar -xzvf hadoop-3.3.1.tar.gz -C /usr/local/
  sudo mv /usr/local/hadoop-3.3.1 /usr/local/hadoop
  

• 配置Hadoop环境变量：编辑 ~/.bashrc 文件，添加以下内容：

  export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64
  export HADOOP_HOME=/usr/local/hadoop
  export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
  

  保存文件并运行 source ~/.bashrc 使更改生效。
• 配置Hadoop：根据实际需求编辑Hadoop配置文件。主要配置文件包括 core-site.xml、hdfs-site.xml、mapred-site.xml 和 yarn-site.xml。这些文件位于 $HADOOP_HOME/etc/hadoop 目录中。

2. 启动Hadoop集群

• 格式化HDFS：在NameNode上运行以下命令格式化HDFS：

  hdfs namenode -format
  

• 启动Hadoop服务：在NameNode上启动Hadoop的NameNode和DataNode：

  ./sbin/start-dfs.sh
  ./sbin/start-yarn.sh
  

• 验证安装：使用 jps 命令检查进程是否正常运行。

3. 提交Hadoop作业

• 提交作业：使用 hadoop jar 命令运行Hadoop作业。例如：

  hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar wordcount input_directory output_directory
  

  其中，input_directory 是输入数据所在的HDFS目录，output_directory 是作业输出结果的HDFS目录。

4. 任务执行流程

• 资源申请：YARN收到任务提交请求后，会根据任务所需资源（如内存、CPU等）向集群中的节点申请资源。
• 任务启动：一旦资源分配完成，YARN会将任务的启动命令发送给相应的节点。在节点上，NodeManager负责启动任务容器，并且监控任务的执行状态。
• 执行Map任务：任务容器启动后，其中的应用程序会加载任务所需的代码和数据，并开始执行Map阶段的计算。Map任务负责将输入数据转换为中间键值对。
• 执行Reduce任务：Map任务完成后，Reduce任务开始执行。Reduce任务负责将Map任务的输出进行合并和聚合，生成最终结果。
• 输出结果：Reduce任务完成后，任务的结果会被写入指定的输出路径中，供后续使用和分析。
• 后续处理：任务执行完成后，需要进行一些后续处理工作，如输出数据检查、资源释放、日志和监控等，以确保任务的完整性和数据的可用性。

以上就是在Debian上运行Hadoop任务的基本流程。需要注意的是，Hadoop的配置可能会根据具体需求和硬件配置有所不同，建议参考Hadoop官方文档进行详细配置。