网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络服务ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络服务ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务
文档首页/ MapReduce服务 MRS/ 快速入门/ 快速创建和使用Hadoop离线数据分析集群
更新时间:2025-02-10 GMT+08:00
分享

快速创建和使用Hadoop离线数据分析集群

操作场景

本入门提供从零开始创建Hadoop离线数据分析集群并通过集群客户端提交一个wordcount作业的操作指导。wordcount是最经典的Hadoop作业,用于统计海量文本的单词数量。

Hadoop集群完全使用开源Hadoop生态,采用Yarn管理集群资源,提供Hive、Spark离线大规模分布式数据存储和计算及进行海量数据分析与查询的能力。

操作流程

开始使用如下样例前,请务必按准备工作指导完成必要操作。

  1. 创建MRS集群:创建一个MRS 3.1.5版本的“Hadoop分析集群”。
  2. 安装集群客户端:下载并安装MRS集群客户端。
  3. 准备应用程序及数据:准备MRS集群客户端内wordcount样例程序运行所需的数据文件。
  4. 提交作业并查看结果:在集群客户端提交wordcount数据分析作业并查看执行结果。
  5. 释放资源:如果您在完成实践后不需要继续使用MRS集群,请及时清理资源以免产生额外扣费。

准备工作

步骤一:创建MRS集群

  1. 进入购买MRS集群页面
  2. 在服务列表中搜索“MapReduce服务 MRS”,进入MRS服务管理控制台。
  3. 单击“购买集群”,进入“购买集群”页面,选择“快速购买”页签。
  4. 根据实际业务规划情况填写集群配置信息(本示例为快速创建按需计费的MRS 3.1.5版本集群,如需了解更多参数配置请参考快速创建MRS集群)。

    表1 MRS集群配置参数

    参数

    示例

    参数说明

    计费模式

    按需计费

    选择待创建的集群的计费模式,MRS提供“包年/包月”与“按需计费”两种计费模式。

    按需计费是一种后付费模式,即先使用再付费,按照MRS集群实际使用时长计费。

    区域

    华北-北京四

    选择区域。

    不同区域的云服务产品之间内网互不相通。请就近选择靠近您业务的区域,可减少网络时延,提高访问速度。

    集群名称

    mrs_demo

    待创建的MRS集群名称。

    集群类型

    自定义

    根据实际业务需要选择待创建的MRS集群类型。

    “自定义”类型集群提供丰富的组件搭配,可自行选择对应版本MRS集群所支持的所有组件。

    版本类型

    普通版

    待创建的MRS集群版本类型。

    集群版本

    MRS 3.1.5

    待创建的MRS集群版本,不同版本所包含的开源组件版本及功能特性可能不同,推荐选择最新版本。

    组件选择

    Hadoop分析集群

    基于系统预置的集群模板选择要购买的集群组件。

    可用区

    可用区1

    选择集群工作区域下关联的可用区。

    虚拟私有云

    vpc-default

    选择需要创建集群的VPC,单击“查看虚拟私有云”进入VPC服务查看已创建的VPC名称和ID。如果没有VPC,需要创建一个新的VPC。

    子网

    subnet-default

    选择需要创建集群的子网,可进入VPC服务查看VPC下已创建的子网名称和ID。如果VPC下未创建子网,请单击“创建子网”进行创建。

    集群节点

    保持默认

    配置集群节点信息。

    Kerberos认证

    不开启

    是否启用Kerberos认证。

    用户名

    admin/root

    登录集群管理页面及ECS节点的用户名。

    密码

    -

    设置登录集群管理页面及ECS节点用户的密码。

    确认密码

    -

    再次输入设置用户密码。

    企业项目

    default

    选择集群所属的企业项目。

    通信安全授权

    勾选

    勾选确认授权。

    图1 购买Hadoop分析集群

  5. 单击“立即购买”,进入任务提交成功页面。
  6. 单击“返回集群列表”,在“现有集群”列表中可以查看到集群创建的状态。

    集群创建需要时间,所创集群的初始状态为“启动中”,创建成功后状态更新为“运行中”,请您耐心等待。

步骤二:安装集群客户端

MRS集群创建成功后,用户需手动安装集群客户端用于连接集群内各组件服务,进行客户端Shell连接、作业任务提交等操作。

客户端可以安装在集群内的节点上,也可以安装在集群外的节点上,本指南以在集群内的Master1节点上安装客户端为例进行介绍。

  1. MRS集群创建成功后,在集群列表中单击MRS集群名称进入集群概览页面。
  2. 单击“集群管理页面”后的“前往 Manager”,在弹出的窗口中选择“EIP访问”并配置弹性IP信息。

    首次访问时,可单击“管理弹性公网IP”,在弹性公网IP控制台购买一个弹性公网IP,购买成功后刷新弹性公网IP列表并选择。

  3. 勾选确认信息后,单击“确定”,登录集群的FusionInsight Manager管理界面。

    Manager登录用户名为admin,密码为购买集群时配置的用于登录Manager管理界面的“admin”用户的自定义密码。

  4. 在“主页”页签的集群名称后单击,单击“下载客户端”下载集群客户端。

    图2 下载客户端

    在“下载集群客户端”弹窗中,配置以下参数:

    • 选择客户端类型:选择“完整客户端”。
    • 选择平台类型:必须与待安装客户端的节点的架构匹配,例如“x86_64”。

      对于集群内的节点,节点架构类型可在Manager页面选择“主机”,在待安装客户端节点所在行的“平台类型”列查看。

    • 勾选“仅保存到如下路径”,使用默认保存路径,文件生成后将保存在集群主OMS节点(通常为Master1节点)的“/tmp/FusionInsight-Client”目录下。
    图3 下载集群客户端提示框

    单击“确定”后,等待客户端软件生成成功。

  5. 在MRS服务管理控制台的集群列表中,单击集群名称,在集群的“节点管理”页签,单击包含“master1”的节点名称,在ECS详情页面右上角单击“远程登录”登录Master1节点。

    图4 查看Master1节点

  6. 使用root用户登录Master1节点,密码为购买集群时配置用于登录集群节点的“root”用户的自定义密码。
  7. 执行以下命令切换到客户端软件包所在目录,并解压客户端软件包。

    cd /tmp/FusionInsight-Client/

    tar -xvf FusionInsight_Cluster_1_Services_Client.tar

    tar -xvf FusionInsight_Cluster_1_Services_ClientConfig.tar

  8. 执行以下命令进入安装包所在目录,安装客户端。

    cd FusionInsight_Cluster_1_Services_ClientConfig

    执行如下命令安装客户端到指定目录(目录可以不存在,如果存在则必须为空)。

    例如安装到“/opt/client”目录,执行以下命令:

    ./install.sh /opt/client

    等待客户端安装完成。

    ...
    ... component client is installed successfully
    ...

步骤三:准备应用程序及数据

MRS集群创建成功后,可获取集群客户端内预置的wordcount样例程序进行运行,也可准备自行开发的大数据应用程序并上传至集群。

本指南以运行MRS集群客户端内的wordcount样例程序为例进行介绍,需先准备wordcount样例程序运行所需的数据文件。

  1. root用户登录Master1节点。
  2. 准备数据文件。

    例如文件名为“wordcount1.txt”和“wordcount2.txt”,内容如下所示:

    vi /opt/wordcount1.txt

    hello word
    hello wordcount

    vi /opt/wordcount2.txt

    hello mapreduce
    hello hadoop

  3. 执行以下命令切换到客户端安装目录,配置环境变量并创建用于存放样例数据的HDFS目录,例如“/user/example/input”。

    cd /opt/client

    source bigdata_env

    hdfs dfs -mkdir -p /user/example/input

  4. 执行以下命令,将样例数据上传至HDFS。

    hdfs dfs -put /opt/wordcount1.txt /user/example/input

    hdfs dfs -put /opt/wordcount2.txt /user/example/input

步骤四:提交作业并查看结果

  1. root用户登录客户端节点(Master1节点)。
  2. 执行如下命令提交wordcount作业,读取源数据进行分析并将执行结果输出至HDFS。

    cd /opt/client

    source bigdata_env

    hadoop jar HDFS/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1-*.jar wordcount "/user/example/input/*" "/user/example/output/"

    ...
    	File Input Format Counters 
    		Bytes Read=56
    	File Output Format Counters 
    		Bytes Written=48
    • “/user/example/output/”为HDFS上存放作业输出文件地址,请设置为一个不存在的目录。
    • “hadoop-mapreduce-examples-3.3.1-*.jar”文件在不同版本的集群客户端目录下文件名有差异,以实际名称为准。

  3. 查看作业执行结果。

    1. 作业执行完成后,可执行以下命令查看作业输出文件。

      hdfs dfs -ls /user/example/output/

      ...
      ... /user/example/output/_SUCCESS
      ... /user/example/output/part-r-0000
    2. 输出结果保存在HDFS文件系统中,可以通过命令将其下载到本地进行查看。

      例如执行以下命令:

      hdfs dfs -get /user/example/output/part-r-00000 /opt

      cat /opt/part-r-00000

      “part-r-00000”文件内容如下:

      hadoop	1
      hello	4
      mapreduce	1
      word	1
      wordcount	1

  4. 查看作业运行记录。

    1. 使用admin用户登录运行作业的集群的FusionInsight Manager页面,选择“集群 > 服务 > Yarn”。
    2. 单击ResourceManager Web UI所在行的“ResourceManager(xxx,主)”链接。
    3. 在“All Applications”页面,单击目标作业的ID,可以查看作业运行的详情。

      在“All Applications”页面可根据任务提交时间和提交任务的用户名确认具体任务。

      图5 查看作业详情

后续操作:释放资源

如果您无需继续使用该MRS集群,请及时释放资源,避免产生额外的费用。详细操作步骤请参见删除MRS集群

相关信息

Hadoop组件包含了HDFS、Yarn、Mapreduce服务,可根据业务实际需求运行相关作业进行离线数据分析或查看,详细操作请参见使用HDFS使用MapReduce使用Yarn

相关文档