Ubuntu16.04安装Hadoop+Spark+pyspark大数据python开发环境

阅读量：329 次

发布时间：2019-03-04

本文共 2245 字，大约阅读时间需要 7 分钟。

Ubuntu环境下大数据开发全指南

安装JDK

安装Java Development Kit（JDK）是大数据开发的基础。以下是手动安装步骤：

使用包管理器安装JDK：

sudo apt-get install java-dev

配置JDK环境变量：

打开~/.bashrc文件，添加以下内容：

export JAVA_HOME=/usr/lib/jvm/java  
export JRE_HOME=${JAVA_HOME}/jre  
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib  
export PATH=${JAVA_HOME}/bin:$PATH

保存后执行：

source ~/.bashrc

验证安装：

输入命令查看Java版本：

java -version

配置SSH免密登录

SSH免密登录是开发过程中的常用需求。以下是配置步骤：

安装SSH服务器：

sudo apt-get install openssh-server

生成SSH公钥：

输入命令并连续敲击回车：

ssh-keygen -t rsa

将公钥添加到授权列表：

cat ./id_rsa.pub >> ./authorized_keys

测试免密登录：

ssh localhost

安装Hadoop

Hadoop是大数据处理的核心框架。以下是手动安装步骤：

解压Hadoop：

sudo tar -zxvf hadoop-2.6.5.tar.gz -C /usr/local

配置Hadoop环境：

打开~/.bashrc文件，添加以下内容：

export HADOOP_HOME=/usr/local/hadoop  
export CLASSPATH=$($HADOOP_HOME/bin/hadoop classpath):$CLASSPATH  
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native  
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

启动Hadoop：

source ~/.bashrc  
./bin/hdfs namenode -format  
./sbin/start-dfs.sh  
jps

配置Hadoop相关文件：

hadoop-env.sh：

export JAVA_HOME=/usr/lib/jvm/java

core-site.xml：


      
  
       
    
      
       hadoop.tmp.dir
        
    
      
       file:/usr/local/hadoop/tmp
        
  
       
  
       
    
      
       fs.defaultFS
        
    
      
       hdfs://localhost:9000

hdfs-site.xml：


      
  
       
    
      
       dfs.replication
        
    
      
       1
        
  
       
  
       
    
      
       dfs.namenode.name.dir
        
    
      
       file:/usr/local/hadoop/tmp/dfs/name
        
  
       
  
       
    
      
       dfs.datanode.data.dir
        
    
      
       file:/usr/local/hadoop/tmp/dfs/data

安装Scala

Scala是大数据处理的高级语言。以下是手动安装步骤：

使用包管理器安装Scala：

sudo apt-get install scala

配置Scala环境变量：

打开~/.bashrc文件，添加以下内容：

export SCALA_HOME=/usr/share/scala-2.11

验证安装：

scala -version

安装Spark

Spark是大数据处理的通用框架。以下是手动安装步骤：

解压Spark：

tar zxvf spark-2.3.1-bin-hadoop2.7.tgz

配置Spark环境：

打开~/.bashrc文件，添加以下内容：

export SPARK_HOME=/usr/local/spark

验证安装：

cd /usr/local/spark/bin  
./pyspark

测试Spark+Python：

from pyspark import SparkContext  
sc = SparkContext()  
lines = sc.textFile("/usr/local/spark/README.md")  
lines.count()  
lines.first()

以上就是Ubuntu环境下大数据开发的完整安装指南。从JDK到Hadoop、Scala、Spark，每一步都详细指导，帮助您快速搭建开发环境。

转载地址：http://uzwh.baihongyu.com/

你可能感兴趣的文章

NIO Selector实现原理

查看>>

nio 中channel和buffer的基本使用

查看>>

NIO基于UDP协议的网络编程

查看>>

NISP一级，NISP二级报考说明，零基础入门到精通，收藏这篇就够了

查看>>

Nitrux 3.8 发布！性能全面提升，带来非凡体验

NLP 基于kashgari和BERT实现中文命名实体识别（NER）

查看>>

NLP 项目：维基百科文章爬虫和分类【01】 - 语料库阅读器

查看>>

NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035

查看>>

NLP学习笔记：使用 Python 进行NLTK

NLP问答系统：使用 Deepset SQUAD 和 SQuAD v2 度量评估

查看>>

NLP：使用 SciKit Learn 的文本矢量化方法

查看>>

Nmap扫描教程之Nmap基础知识

查看>>

Nmap端口扫描工具Windows安装和命令大全（非常详细）零基础入门到精通，收藏这篇就够了