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

Python scrapy 常见问题及解决【遇到的坑】

查看>>

Python Seborn热图数据的动态更新

查看>>

Python Seborn绘制空白直方图

查看>>

Python Selenium - 获取href值

查看>>

Python Selenium实现自动化测试及Chrome驱动使用！

查看>>

Python Selenium搭建UI自动化测试框架

查看>>

Python Selenium模块详解

查看>>

Python selenium爬取影评生成词云图

查看>>

python selenium自动化测试报告

查看>>

Python selenium自动化测试框架实战 —— 登录测试案例

查看>>

Python Selenium设计模式 —— POM

查看>>

Python Serial:如何使用 read 或 readline 函数一次读取多个字符

查看>>

Python set([]) 如何检查两个对象是否相等?一个对象需要定义哪些方法来自定义它?

查看>>

Python setup.py：数据文件无法复制目录：不存在或不是常规文件

查看>>

Python setuptools sdist：仅安装版本化文件

查看>>

Python Shell下使用matplotlib

查看>>

Python Slice How-to，我知道Python Slice，但我怎么才能使用内置的Slice对象呢？

查看>>

python socket分包发送数据

查看>>

python socket模块_Python socket模块实现TCP服务端客户端

查看>>

Python SOCKS5代理客户端HTTPS

查看>>