如何在Linux下安装配置Apache Mahout

Mahout安装详细全过程

创新互联公司是一家从事企业网站建设、做网站、成都做网站、行业门户网站建设、网页设计制作的专业网站设计公司，拥有经验丰富的网站建设工程师和网页设计人员，具备各种规模与类型网站建设的实力，在网站建设领域树立了自己独特的设计风格。自公司成立以来曾独立设计制作的站点上1000+。

1、jdk安装 2

2、SSH无密码验证配置 2

3、 Hadoop配置 3

4、Hadop使用 6

5、Maven安装 7

6、安装mahout 7

7、hadoop集群来执行聚类算法 8

8、其他 8

————————————————————

1、jdk安装

1.1、到官网下载相关的JDK

下载地址：

1.2、打开“终端”

输入：sh jdk-6u24-linux-i586.bin

1.3、设置JAVA_HOME环境系统变量

输入：

vi /etc/environment

在文件中添加：

export JAVA_HOME=/root/jdk1.6.0_24

export JRE_Home=/root/jdk1.6.0_24/jre

export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

同样，修改第二个文件。输入：

vi /etc/profile

在umask 022之前添加以下语句：

export JAVA_HOME=/root/jdk1.6.0_24

export JRE_Home=/root/jdk1.6.0_24/jre

export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH:$HOME/bin

1.4、注销用户，检测JDK版本。

输入：

java -version

2、集群环境介绍

集群包含三个节点：1 个 namenode，2 个 datanode，节点之间局域网连接，可以相互 ping 通。节点 IP 地址分布如下：

Namenode: master@192.168.1.10

Datanode1: slave1 @192.168.1.20

Datanode2: slave2@192.168.1.21

三台节点上均是CentOS系统，Hadoop在/root/hadoop/目录下。

在/etc/hosts上添加主机名和相应的IP地址：

192.168.1.10 master

192.168.1.20 slave1

192.168.1.21 slave2

3、SSH无密码验证配置

2.1 Hadoop 需要使用SSH 协议，namenode 将使用SSH 协议启动 namenode和datanode 进程，伪分布式模式数据节点和名称节点均是本身，必须配置 SSH localhost无密码验证。

用root用户登录，在家目录下执行如下命令：ssh-keygen -t rsa

[root@master ~]# ssh-keygen -t rsa

Generating public/private rsa key pair.

Enter file in which to save the key (/root/.ssh/id_rsa): 按回车默认路径

Created directory '/root/.ssh'. 创建/root/.ssh目录

Enter passphrase (empty for no passphrase):

Enter same passphrase again:

Your identification has been saved in /root/.ssh/id_rsa.

Your public key has been saved in /root/.ssh/id_rsa.pub.

The key fingerprint is:

c6:7e:57:59:0a:2d:85:49:23:cc:c4:58:ff:db:5b:38 root@master

通过以上命令将在/root/.ssh/ 目录下生成id_rsa私钥和id_rsa.pub公钥。进入/root/.ssh目录在namenode节点下做如下配置：

[root@master .ssh]# cat id_rsa.pub authorized_keys

[root@master .ssh]# scp authorized_keys 192.168.1.20:/root/.ssh/

[root@master .ssh]# scp authorized_keys 192.168.1.21:/root/.ssh/

配置完毕，可通过ssh 本机IP 测试是否需要密码登录。

2.2 和namenode无密码登录所有Datanode原理一样，把Datanode的公钥复制到

Namenode的.ssh目录下。

[root@slave1 .ssh]# scp authorized_keys1 192.168.1.10:/root /.ssh

[root@ slave2.ssh]# scp authorized_keys2 192.168.1.10:/root /.ssh

将刚传过来的authorized_keys1、2加入到authorized_keys

[root@ master.ssh]# cat authorized_keys1 authorized_keys

[root@ master.ssh]# cat authorized_keys2 authorized_keys

这样也能在Datanode上关闭和启动Hadoop服务。

4、 Hadoop配置

下载 hadoop-0.20.2.tar.gz， 进行解压。

tar zxvf hadoop-0.20.2.tar.gz

修改/etc/profile，加入如下：

# set hadoop path

export HADOOP_HOME=/root/hadoop

export PATH=$HADOOP_HOME/bin:$PATH

4.1、进入hadoop/conf， 配置Hadoop配置文件

4.1.1 配置hadoop-env.sh文件

添加 # set java environment

export JAVA_HOME=/root/jdk1.6.0_24

编辑后保存退出。

4.1.2 配置core-site.xml

# vi core-site.xml

?xml version="1.0"?

?xml-stylesheet type="text/xsl" href="configuration.xsl"?

!-- Put site-specific property overrides in this file. --

configuration

property

namefs.default.name/name

valuehdfs://192.168.1.10:9000//value

/property

property

namehadoop.tmp.dir/name

value/root/hadoop/hadooptmp/value

/property

/configuration

4.1.3 配置hdfs-site.xml

# vi hdfs-site.xml

?xml version="1.0"?

?xml-stylesheet type="text/xsl" href="configuration.xsl"?

!-- Put site-specific property overrides in this file. --

configuration

property

namedfs.name.dir/name

value/root/hadoop/hdfs/name/value

/property

property

namedfs.data.dir/name

value/root/hadoop/hdfs/data/value

/property

property

namedfs.replication/name

value3/value

/property

/configuration

4.1.4 配置mapred-site.xml

# vi mapred-site.xml

?xml version="1.0"?

?xml-stylesheet type="text/xsl" href="configuration.xsl"?

!-- Put site-specific property overrides in this file. --

configuration

property

namemapred.job.tracker/name

value192.168.1.10:9001/value

/property

property

namemapred.local.dir/name

value/root/hadoop/mapred/local/value

/property

property

namemapred.system.dir/name

value/tmp/hadoop/mapred/system/value

/property

/configuration

4.1.5 配置masters

# vi masters

192.168.1.10

4.1.6 配置slaves

# vi slaves

192.168.1.20

192.168.1.21

4.2、 Hadoop启动

4.2.1 进入 /root/hadoop/bin目录下，格式化namenode

# ./hadoop namenode –format

4.2.2 启动hadoop所有进程

在/root/hadoop/bin 目录下，执行start-all.sh命令

启动完成后，可用jps命令查看hadoop进程是否启动完全。正常情况下应该有如下进程：

10910 NameNode

11431 Jps

11176 SecondaryNameNode

11053 DataNode

11254 JobTracker

11378 TaskTracker

我在搭建过程中，在此环节出现的问题最多，经常出现启动进程不完整的情况，要不是datanode无法正常启动，就是namenode或是TaskTracker启动异常。解决的方式如下：

1）在Linux下关闭防火墙：使用service iptables stop命令；

2）再次对namenode进行格式化：在/root/hadoop/bin 目录下执行hadoop namenode -format命令

3）对服务器进行重启

4）查看datanode或是namenode对应的日志文件，日志文件保存在/root/hadoop/logs目录下。

5）再次在/bin目录下用start-all.sh命令启动所有进程，通过以上的几个方法应该能解决进程启动不完全的问题了。

4.2.3 查看集群状态

在 bin目录下执行：hadoop dfsadmin -report

# hadoop dfsadmin –report

4.3 在WEB页面下查看Hadoop工作情况

打开IE浏览器输入部署Hadoop服务器的IP：

。

5、Hadop使用

一个测试例子wordcount：

计算输入文本中词语数量的程序。WordCount在Hadoop主目录下的java程序包hadoop-0.20.2-examples.jar 中，执行步骤如下：

在/root/hadoop/bin/目录下进行如下操作：

./hadoop fs -mkdir input(新建目录名称，可任意命名)

mkdir /root/a/

vi /root/a/a.txt

写入hello world hello

# hadoop fs -copyFromLocal /root/a/ input

在/root/hadoop/bin下执行：

# ./hadoop jar hadoop-0.20.2-examples.jar wordcount input output (提交作业，此处需注意input与output是一组任务，下次再执行wordcount程序，还要新建目录intput1与output1不能跟input与output重名)

6、Maven安装

6.1下载Maven

解压tar vxzf apache-maven-3.0.2-bin.tar.gz

mv apache-maven-3.0.2 /root/maven

6.2 vi ~/.bashrc

添加如下两行

export M3_HOME=/root/maven

export PATH=${M3_HOME}/bin:${PATH}

6.3 先logout，之后再login

查看maven版本，看是否安装成功

mvn -version

7、安装mahout

安装方法见：

8、hadoop集群来执行聚类算法

8.1数据准备

cd /root/hadoop

wget

8.2 ./hadoop fs -mkdir testdata

./hadoop fs -put synthetic_control.data testdata

./hadoop fs -lsr testdata

bin/hadoop jar /root/mahout/mahout-examples-0.4-job.jar org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

8.3查看一下结果吧

bin/mahout vectordump --seqFile /user/root/output/data/part-r-00000

这个直接把结果显示在控制台上。

9、hadoop集群来执行推荐算法

分布式

bin/hadoop jar /root/trunk/mahout-distribution-0.4/mahout-core-0.4-job.jar org.apache.mahout.cf.taste.hadoop.item.RecommenderJob -Dmapred.map.tasks=3 -Dmapred.reduce.tasks=3 -Dmapred.input.dir=testdata/100wan.txt -Dmapred.output.dir=output2

伪分布式

bin/hadoop jar /root/trunk/mahout-distribution-0.4/mahout-core-0.4-job.jar org.apache.mahout.cf.taste.hadoop.pseudo.RecommenderJob --recommenderClassName org.apache.mahout.cf.taste.impl.recommender.slopeone.SlopeOneRecommender -Dmapred.input.dir=testdata/10wan.dat -Dmapred.output.dir=output_w10wan

10、其他

离开安全模式：hadoop dfsadmin -safemode leave

linux上如何安装jstatd服务

此命令是一个RMI Server应用程序，提供了对JVM的创建和结束监视，也为远程监视工具提供了一个可以attach的接口

options

-nr 当一个存在的RMI Registry没有找到时，不尝试创建一个内部的RMI Registry

-p port 端口号，默认为1099

-n rminame 默认为JStatRemoteHost；如果多个jstatd服务开始在同一台主机上，rminame唯一确定一个jstatd服务

-J jvm选项

jstatd

会报如下错误：

Could not create remote object access denied (java.util.PropertyPermission java.rmi.server.ignoreSubClasses write) java.security.AccessControlException: access denied (java.util.PropertyPermission java.rmi.server.ignoreSubClasses write) at java.security.AccessControlContext.checkPermission(AccessControlContext.java:323) at java.security.AccessController.checkPermission(AccessController.java:546) at java.lang.SecurityManager.checkPermission(SecurityManager.java:532) at java.lang.System.setProperty(System.java:727) at sun.tools.jstatd.Jstatd.main(Jstatd.java:122)

这是因为没有给jstatd指定安全策略

创建安全策略文件，并命名为jstatd.all.policy

grant codebase "file:${java.home}/../lib/tools.jar" {

permission java.security.AllPermission;

};

再次启动

C:\Program Files\Java\jdk1.6.0_16\binjstatd -J-Djava.security.policy=jstatd.all.policy

利用jps查看正在运行的java命令

jps

C:\Documents and Settings\lulujps

4892 Bootstrap

1296 Jstatd

4484 Jps

3332 org.eclipse.equinox.launcher_1.0.201.R35x_v20090715.jar

此时就可以使用jvisualvm.exe以远程的方式监控JVM相关信息了。

更多例子

（1）使用内部RMI Registry

jstatd -J-Djava.security.policy=all.policy (默认端口为1099)

（2）使用外部RMI Registry

a)使用默认值

rmiregistry

jstatd -J-Djava.security.policy=all.policy

b)使用2020端口

rmiregistry 2020

jstatd -J-Djava.security.policy=all.policy -p 2020

c)使用2020端口，使用rminame

rmiregistry 2020

jstatd -J-Djava.security.policy=all.policy -p 2020 -n AlternateJstatdServerName

（3）RMI Registry已经启动，不创建内部RMI Registry

jstatd -J-Djava.security.policy=all.policy -nr

（4）RMI日志能力

jstatd -J-Djava.security.policy=all.policy -J-Djava.rmi.server.logCalls=true

linux系统下用jps命令查看java进程，提示process information unavailable是为什么？

一般kill进程是这样的：

比如你要杀掉top进程，

ps -ef|grep top 查看top进程 因为显示出进程数太多使用grep过滤,

kill -9 杀掉top进程 ,

ps -ef|grep top查看top进程有没杀掉，如图已杀掉

linux怎么安装jstack工具？

jstack用于打印出给定的java进程ID或core file或远程调试服务的Java堆栈信息。

如果是在64位机器上，需要指定选项"-J-d64"，Windows的jstack使用方式只支持以下的这种方式：jstack [-l] pid

如果java程序崩溃生成core文件，jstack工具可以用来获得core文件的java stack和native stack的信息，从而可以轻松地知道java程序是如何崩溃和在程序何处发生问题。

另外，jstack工具还可以附属到正在运行的java程序中，看到当时运行的java程序的java stack和native stack的信息, 如果现在运行的java程序呈现hung的状态，jstack是非常有用的。

l 不同的 JAVA虚机的线程 DUMP的创建方法和文件格式是不一样的，不同的 JVM版本， dump信息也有差别。

l 在实际运行中，往往一次 dump的信息，还不足以确认问题。建议产生三次 dump信息，如果每次 dump都指向同一个问题，我们才确定问题的典型性。

命令格式

$jstack [ option ] pid

$jstack [ option ] executable core

$jstack [ option ] [server-id@]remote-hostname-or-IP

pid: java应用程序的进程号,一般可以通过jps来获得

executable:产生core dump的java可执行程序

core:打印出的core文件

remote-hostname-or-ip:远程debug服务器的名称或IP

server-id: 唯一id,假如一台主机上多个远程debug服务

Elasticsearch在Linux环境下的2种运行和停止方式

最近在学习elasticsearch，我之前对这个还是个菜鸟经过2天的学习来记录下我自己关于Elasticsearch在Linux环境下的2种启动和停止方式：

第一种：

1、前台运行：

运行结果

2、ctrl+c停止运行

停止后：

第二种：后端运行

1、后端运行的命令

bin/elasticsearch -d

结果

2、查看elasticsearch被那个端口占用和停止

2-1、采用jps命令查看

2-2、采用kill -9 端口来停止运行

所以：

若是es的前台运行，则用ctrl + c来停止。

若是es的后台运行，则用kill -9 进程号来停止。

linux命令里的jps是什么意思?

jps(Java Virtual Machine Process Status Tool)是JDK 1.5提供的一个显示当前所有java进程pid的命令，简单实用，非常适合在linux/unix平台上简单察看当前java进程的一些简单情况。

分享文章：linux装jps命令,Jps命令
标题URL：http://scyanting.com/article/hdcppg.html