Ubuntu22.04安装Hadoop3.3.0

IT从业者张某某2026-03-14 9:04

Ubuntu22.04安装Hadoop3.3.0

参考

Hadoop安装教程------单机 / 伪分布式配置

一、环境的选择

本教程使用Ubtuntu-22.04做为系统环境，在安装好Ubtuntu系统后，方可继续进行以下操作。

二、创建Hadoop账户

如果你安装 Ubuntu 的时候不是用的 "hadoop" 用户，那么需要增加一个名为 hadoop 的用户。

首先按 ctrl+alt+t 打开终端窗口，输入如下命令创建新用户 :

cpp 复制代码 
sudo useradd -m hadoop -s /bin/bash

这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为 shell。

给 hadoop用户设置密码，按提示输入两次密码，密码可以为hadoop：

cpp 复制代码 
sudo passwd hadoop

为 hadoop 用户增加sudo权限：

cpp 复制代码 
sudo adduser hadoop sudo

最后注销当前用户（点击屏幕右上角的齿轮，选择注销），返回登陆界面。在登陆界面中选择刚创建的 hadoop 用户进行登陆。

三、更新apt

用 hadoop 用户登录后，更新一下 apt，执行如下命令：

cpp 复制代码 
sudo apt-get update

安装vim：

cpp 复制代码 
sudo apt-get install vim

安装软件时若需要确认，在提示处输入 y 即可。

四、安装SSH、配置SSH免密码登录

集群、单节点模式都需要用到 SSH 登陆，Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server：

cpp 复制代码 
sudo apt-get install openssh-server

安装后，可以使用如下命令登陆本机：

cpp 复制代码 
ssh localhost

此时会有如下提示(SSH首次登陆提示)，输入 yes 。然后按提示输入密码 hadoop，这样就登陆到本机了。

但这样登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。

cpp 复制代码 
exit                           # 退出刚才的 ssh localhost

下面是一份 从生成 ED25519 密钥对到实现跨节点免密 SSH 登录 的完整、可执行步骤，以 Ubuntu 系统为例（Hadoop 部署常用），全程适配 Hadoop 集群的使用场景。

一、前提说明

  • 操作用户：建议使用 Hadoop 运行用户（如 hadoop），或你当前的 ubuntu 用户；
  • 操作节点：在集群主节点（NameNode） 执行（后续分发公钥到从节点）；
  • 核心目标：实现主节点免密登录所有从节点，且从节点可免密登录主节点（可选，Hadoop 部分命令需要）。

二、完整操作步骤

1. 检查并安装 SSH（确保基础环境）
bash 复制代码 
# 检查 SSH 是否安装
ssh -V
# 若未安装，执行以下命令安装
sudo apt update && sudo apt install -y openssh-server openssh-client
# 启动 SSH 服务（确保开机自启）
sudo systemctl enable --now ssh
2. 生成 ED25519 密钥对（核心步骤）
bash 复制代码 
# 进入 .ssh 目录（无则自动创建）
mkdir -p ~/.ssh && cd ~/.ssh

# 生成 ED25519 密钥对（-t 指定类型，-f 指定文件名，-N 空密码）
ssh-keygen -t ed25519 -f ~/.ssh/id_ed25519 -N ""

# 执行后输出示例（无需任何手动输入，直接回车即可）：
# Generating public/private ed25519 key pair.
# Your identification has been saved in /home/ubuntu/.ssh/id_ed25519
# Your public key has been saved in /home/ubuntu/.ssh/id_ed25519.pub
  • 参数说明：
    • -t ed25519：指定密钥类型为 ED25519（比 RSA 更安全、更快）；
    • -f ~/.ssh/id_ed25519：指定私钥文件名（默认就是这个，可省略）；
    • -N ""：设置空密码（免密登录的核心，避免每次用密钥还要输密码）。
3. 设置密钥文件权限（关键！SSH 对权限敏感）

SSH 严格要求密钥权限，权限错误会直接导致免密登录失败：

bash 复制代码 
# 私钥（id_ed25519）必须是 600（仅当前用户可读可写）
chmod 600 ~/.ssh/id_ed25519

# 公钥（id_ed25519.pub）设为 644（只读）
chmod 644 ~/.ssh/id_ed25519.pub

# .ssh 目录设为 700（仅当前用户可访问）
chmod 700 ~/.ssh
4. 分发公钥到目标节点（实现免密登录）

假设你要免密登录的目标节点信息：

  • 目标节点 1：node2（IP：192.168.100.102），用户：hadoop；
  • 目标节点 2：node3（IP：192.168.100.103），用户：hadoop；
  • 本机（主节点）：也需要免密登录自己（Hadoop 脚本会用到）。
步骤 4.1：先授权本机免密登录（必做）
bash 复制代码 
# 将公钥添加到本机的 authorized_keys（免密登录自己）
cat ~/.ssh/id_ed25519.pub >> ~/.ssh/authorized_keys
# 设置 authorized_keys 权限（必须 600）
chmod 600 ~/.ssh/authorized_keys
步骤 4.2：分发公钥到远程节点（以 node2 为例）-不需要做
bash 复制代码 
# 方法 1：用 ssh-copy-id 自动分发（推荐，简化操作）
ssh-copy-id -i ~/.ssh/id_ed25519.pub hadoop@192.168.1.102

# 首次执行会提示验证主机指纹，输入 yes 并回车，然后输入目标节点的 ubuntu 用户密码
# 执行成功后输出：Number of key(s) added: 1

# 方法 2：手动分发（若 ssh-copy-id 不可用）
# 1. 把公钥内容复制到远程节点的 authorized_keys
# scp ~/.ssh/id_ed25519.pub hadoop@192.168.1.102:/tmp/
# 2. 登录远程节点执行：
# ssh hadoop@192.168.1.102
# mkdir -p ~/.ssh && chmod 700 ~/.ssh
# cat /tmp/id_ed25519.pub >> ~/.ssh/authorized_keys
# chmod 600 ~/.ssh/authorized_keys
# rm /tmp/id_ed25519.pub
步骤 4.3：对所有节点重复分发-不需要做
bash 复制代码 
# 分发到 node3
ssh-copy-id -i ~/.ssh/id_ed25519.pub hadoop@192.168.1.103
# 若有更多节点，依次执行...
5. 验证免密登录（关键测试）
bash 复制代码 
# 测试登录本机（无密码提示则成功）
ssh hadoop@localhost

# 测试登录 node2（无密码提示则成功）-不需要执行，因为还没有
ssh hadoop@192.168.100.102

# 登录成功后，输入 exit 退出远程节点
exit
  • 若仍提示输入密码：
    1. 检查目标节点的 ~/.ssh/authorized_keys 是否有你的公钥；
    2. 检查所有密钥文件权限（尤其是 authorized_keys 必须 600）；
    3. 重启目标节点的 SSH 服务：sudo systemctl restart ssh。
6. （可选）从节点免密登录主节点

如果需要从节点反向免密登录主节点，需在每个从节点 重复步骤 2-4（生成密钥并分发公钥到主节点），或直接把从节点的公钥手动添加到主节点的 authorized_keys。

五、安装Java环境

Hadoop3.3.0需要使用JDK版本在1.8以上，这里采用jdk-8u241-linux-x64_.tar.gz

在Linux命令行界面中，执行如下Shell命令（注意：当前登录用户名是hadoop）：

cpp 复制代码 
sudo mkdir -p  /opt/software #创建 /opt/software目录用来存放JDK文件
sudo mkdir -p /opt/app # 创建应用存放的空间
cpp 复制代码 
# 关键：把目录的 owner 改为 hadoop 用户，group 改为 hadoop 组
sudo chown -R hadoop:hadoop /opt/software /opt/app

# 验证权限（owner 和 group 变为 hadoop）
ls -ld /opt/software /opt/app
cpp 复制代码 
cd /opt/software 
sudo tar -zxvf ./jdk-8u241-linux-x64_.tar.gz -C /opt/app  #把JDK文件解压到/opt/app目录下

JDK文件解压缩以后，可以执行如下命令到//opt/app目录查看一下：

cpp 复制代码 
cd /opt/app
ls

可以看到，在/usr/lib/jvm目录下有个jdk1.8.0_241目录。

下面继续执行如下命令，设置环境变量：

cpp 复制代码 
cd ~
vim ~/.bashrc

上面命令使用vim编辑器（注：vim的使用请参看教程目录）打开了hadoop这个用户的环境变量配置文件，请在这个文件的开头位置，添加如下几行内容：

cpp 复制代码 
export JAVA_HOME=/opt/app/jdk1.8.0_241
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

保存.bashrc文件并退出vim编辑器。然后，继续执行如下命令让.bashrc文件的配置立即生效：

cpp 复制代码 
source ~/.bashrc

这时，可以使用如下命令查看是否安装成功：

cpp 复制代码 
java -version

如果能够在屏如果能够在屏幕上返回如下信息，则说明安装成功：

至此，成功安装了Java环境，下面就可以安装Hadoop了。

六、Hadoop3.3.0的安装

我们选择将 Hadoop 安装至 /opt/app/ 中：

cpp 复制代码 
cd ~            #进入hadoop用户的主目录
cd /opt/software       #jdk压缩包默认下载在该位置
sudo tar -zxf /opt/software/hadoop-3.3.0.tar.gz -C /opt/app # 解压到/opt/app中
cpp 复制代码 
cd /opt/app/
sudo mv ./hadoop-3.3.0/ ./hadoop            # 将文件夹名改为hadoop
sudo chown -R hadoop ./hadoop               # 修改文件权限

Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息：

cpp 复制代码 
cd /opt/app/hadoop
./bin/hadoop version

七、Hadoop单机配置（非分布式）

Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。非分布式即单 Java 进程，方便进行调试。

现在我们可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar 可以看到所有例子），包括 wordcount、terasort、join、grep 等。

在此我们选择运行 grep 例子，我们将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfsa-z.+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中。

bash 复制代码 
cd /opt/app/hadoop
mkdir ./input
cp ./etc/hadoop/*.xml ./input   # 将配置文件作为输入文件
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/*          # 查看运行结果

执行成功后如下所示，输出了作业的相关信息，输出的结果是符合正则的单词 dfsadmin 出现了1次

注意：Hadoop 默认不会覆盖结果文件，因此再次运行上面实例会提示出错，需要先将 ./output 删除。

cpp 复制代码 
rm -r ./output

八、Hadoop伪分布式安装

Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件。

Hadoop 的配置文件位于

cpp 复制代码 
/opt/app/hadoop/etc/hadoop/

中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。

1.修改hadoop-env.sh

你遇到的 ERROR: JAVA_HOME is not set and could not be found 是 Hadoop 启动最常见的错误之一，核心原因是 Hadoop 的 hadoop-env.sh 配置文件中未正确指定 JAVA_HOME 路径。下面我会一步步告诉你需要添加的配置，以及完整的验证和修复步骤。

一、第一步：先找到你的 JAVA_HOME 路径

首先要确认 JDK 安装的实际路径（这是配置的关键，路径错误会导致配置无效）：

bash 复制代码 
# 方法1：如果已配置全局 JAVA_HOME，直接查看
echo $JAVA_HOME

# 方法2：如果未配置，通过 java 命令找路径（推荐）
which java  # 输出示例：/opt/app/jdk1.8.0_381/bin/java
# 截取到 jdk 根目录（去掉 /bin/java）
# 比如上面的输出，JAVA_HOME 就是 /opt/app/jdk1.8.0_381

# 方法3：通过 update-alternatives 查找（系统级 JDK）
update-alternatives --config java
# 输出示例中会显示 JDK 安装路径，比如 /usr/lib/jvm/java-8-openjdk-amd64

⚠️ 注意：一定要确认路径真实存在 ，执行 ls /opt/app/jdk1.8.0_381（替换为你的路径），确保目录存在。

二、第二步：修改 hadoop-env.sh 配置
hadoop-env.sh 是 Hadoop 核心环境配置文件，需要在其中显式指定 JAVA_HOME：

  1. 打开配置文件
bash 复制代码 
# 进入 Hadoop 配置目录（你的 Hadoop 安装路径是 /opt/app/hadoop）
cd /opt/app/hadoop/etc/hadoop
# 编辑 hadoop-env.sh
vim hadoop-env.sh
  1. 添加/修改 JAVA_HOME 配置
    在文件中找到 # export JAVA_HOME= 这一行（通常在文件开头），去掉注释（删除 #），并替换为你的实际 JAVA_HOME 路径。

示例配置（根据你的 JDK 路径修改）：

bash 复制代码 
# 核心配置：指定 JDK 安装根目录（替换为你的实际路径！）
export JAVA_HOME=/opt/app/jdk1.8.0_241

# 可选：防止 Hadoop 自动检测 JAVA_HOME 出错
export JRE_HOME=${JAVA_HOME}/jre
export PATH=$PATH:${JAVA_HOME}/bin:${JRE_HOME}/bin
  1. 保存退出
    在 vim 中按 Esc → 输入 :wq → 回车保存。

三、第三步：验证配置是否生效

修改后先验证配置，避免启动仍报错：

bash 复制代码 
# 1. 加载配置并检查 JAVA_HOME
source /opt/app/hadoop/etc/hadoop/hadoop-env.sh
echo $JAVA_HOME  # 输出你的 JDK 路径，说明配置生效




### 2.修改配置文件 core-site.xml
使用下面的命令（注：vim的使用请参看教程目录）

```cpp
cd /opt/app/hadoop/etc/hadoop/
vim core-site.xml

修改配置文件 core-site.xml ，将当中的

xml 复制代码 
<configuration>
</configuration>

修改为下面配置：

xml 复制代码 
<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/opt/app/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

3.修改配置文件 hdfs-site.xml

使用下面的命令：

cpp 复制代码 
vim hdfs-site.xml

修改配置文件 hdfs-site.xml

xml 复制代码 
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/opt/app/hadoop/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/opt/app/hadoop/tmp/dfs/data</value>
    </property>
</configuration>

4.Hadoop的启动

配置完成后，执行 NameNode 的格式化:

cpp 复制代码 
cd /opt/app/hadoop
./bin/hdfs namenode -format

成功的话，会返回很多行非常长的提示信息。

接着开启 NameNode 和 DataNode 守护进程。

cpp 复制代码 
cd /opt/app/hadoop
./sbin/start-dfs.sh          #启动Hadoop

若出现SSH提示信息，输入yes即可。

启动时可能会出现WARN 提示，可以忽略WARN 提示，并不会影响正常使用。

成功启动后，可以访问 Web 界面 http://localhost:9870 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

关闭Hadoop，则运行：

cpp 复制代码 
./sbin/stop-dfs.sh

注意：当下次启动 hadoop 时，无需再进行 NameNode 的初始化，只需要运行

cpp 复制代码 
./sbin/start-dfs.sh

就可以！

vim使用教程

说明：以下vim使用方法只是在该教程用到的，如想了解更多，请参考菜鸟教程

i 切换到输入模式，以输入字符。

: 切换到底线命令模式，以在最底一行输入命令。

ESC，退出输入模式，切换到命令模式。

q 退出程序。

w 保存文件。

备注：在vim编辑文档时，输入 i 以输入字符；写入文档后，按 Esc 键，输入 :wq 以退出和保存文件。

hadoop-mapreduce-examples实例

Hadoop 的 hadoop-mapreduce-examples 包包含了大量经典的 MapReduce 示例，覆盖了数据统计、排序、计算、文本处理等典型场景，非常适合新手理解 MapReduce 核心思想。以下是基于 Hadoop 3.x（如 3.3.0）版本的常用示例分类及完整运行命令，并附带每个示例的功能说明和运行步骤，方便你实操验证。

一、先确认示例包路径（通用前置步骤）

首先确保你能找到示例 jar 包（路径适配 3.3.0 版本，若版本不同，只需替换 jar 包的版本号）：

bash 复制代码 
# 进入 Hadoop 安装目录（假设安装在 /opt/app/hadoop-3.3.0）
cd /opt/app/hadoop-3.3.0

# 查看所有可用示例（核心命令）
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar

执行后会输出所有示例列表，下面挑选高频实用示例 详细说明。

二、核心示例及完整运行教程

1. 基础文本处理类
（1）wordcount（最经典：单词计数）

  • 功能：统计文本文件中每个单词的出现次数，MapReduce 入门必测。

  • 运行步骤 ：

    bash 复制代码 
    # 1. 创建输入目录并准备测试文本
./bin/hdfs dfs -mkdir -p /input
# 新建本地测试文件（内容自定义，如 hello world hello hadoop）
echo -e "hello world\nhello hadoop\nhello mapreduce" > test.txt
# 上传文件到 HDFS 输入目录
./bin/hdfs dfs -put test.txt /input/

# 2. 运行 wordcount 示例
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar wordcount /input /output

# 3. 查看结果（/output 是 HDFS 输出目录，不能提前存在）
./bin/hdfs dfs -cat /output/part-r-00000

  • 输出示例 ：

    复制代码 
    hadoop  1
hello   3
mapreduce       1
world   1
（2）grep（文本匹配：筛选含指定正则的行）

  • 功能：从文本中筛选出匹配指定正则表达式的行，并统计每行出现次数。

  • 运行步骤 ：

    bash 复制代码 
    # 1. 复用上面的 /input/test.txt，匹配含 "hello" 的行
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar grep /input /output_grep 'hello'

# 2. 查看结果
./bin/hdfs dfs -cat /output_grep/part-r-00000

  • 输出示例 ：hello 3（表示含 "hello" 的行共出现 3 次）。

2. 排序/统计类
（1）terasort（大数据排序：Tera级数据排序）

  • 功能：针对海量数据的高效排序（Hadoop 官方基准测试工具），适合测试集群排序性能。

  • 运行步骤 （先生成测试数据，再排序）：

    bash 复制代码 
    # 1. 生成 1GB 测试数据（输入目录 /terasort-input）
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar teragen 10000000 /terasort-input

# 2. 执行排序（输出目录 /terasort-output）
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar terasort /terasort-input /terasort-output

# 3. 验证排序结果（可选）
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar teravalidate /terasort-output /terasort-validate

  • 参数说明 ：10000000 表示生成约 1GB 数据（可调整数值，如 1000000 为 100MB）。

（2）sort（基础排序：对输入数据按行排序）

  • 功能：简单的文本行排序，比 terasort 轻量，适合小数据测试。

  • 运行命令 ：

    bash 复制代码 
    # 复用 /input/test.txt，排序输出到 /output_sort
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar sort /input /output_sort
3. 数值计算类
（1）pi（计算圆周率 π：蒙特卡洛算法）

  • 功能：通过随机数模拟计算圆周率，支持多节点并行计算，测试集群计算能力。

  • 运行命令 ：

    bash 复制代码 
    # 参数说明：2（map 任务数） 5（每个 map 任务的采样次数，数值越大越精准）
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar pi 2 5

  • 输出示例 （最终会输出 π 的近似值）：

    复制代码 
    Job Finished in 10.2 seconds
Estimated value of Pi is 3.20000000000000000000
（2）randomtextwriter（生成随机文本数据）

  • 功能：生成指定大小的随机文本文件，用于测试读写性能。

  • 运行命令 ：

    bash 复制代码 
    # 生成 10 个文件，每个文件 100MB，输出到 /random-text
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar randomtextwriter -D mapreduce.randomtextwriter.totalbytes=1073741824 /random-text
4. 数据关联/聚合类
（1）join（两表关联：模拟数据库 Join 操作）

  • 功能：对两个数据集按关键字段进行等值连接（类似 SQL 的 JOIN）。

  • 运行步骤 ：

    bash 复制代码 
    # 1. 准备两个关联文件
# 文件 1：用户表（id, name）
echo -e "1,zhangsan\n2,lisi\n3,wangwu" > user.txt
# 文件 2：订单表（id, order_id）
echo -e "1,order001\n2,order002\n3,order003" > order.txt
# 上传到 HDFS
./bin/hdfs dfs -mkdir -p /join-input
./bin/hdfs dfs -put user.txt order.txt /join-input/

# 2. 运行 join 示例（按第一列关联）
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar join -joinType inner /join-input /output_join
（2）aggregate（通用聚合：自定义统计指标）

  • 功能：无需编写代码，通过参数指定聚合函数（如求和、计数、最大值）统计数据。

  • 运行命令 （统计数字列的总和）：

    bash 复制代码 
    # 准备含数字的文件（如 10 20 30 40）
echo -e "10\n20\n30\n40" > num.txt
./bin/hdfs dfs -put num.txt /input/
# 按 SUM 聚合第一列数字
./bin/hadoop jar ./share/hadoop/mapreduce-examples-3.3.0.jar aggregate -D aggregate.mapreduce.aggregation.type=SUM /input /output_aggregate
5. 其他实用示例
示例名称 功能说明 核心运行命令（简化版）
count 统计输入文件的行数、单词数、字符数 hadoop jar ... count /input /output_count
distcp 分布式拷贝（跨 HDFS 集群/节点拷贝数据） hadoop jar ... distcp hdfs://node1/input hdfs://node2/output
sleep 模拟长时间运行的任务（测试集群资源占用） hadoop jar ... sleep 100（休眠 100 秒）
wordmean 计算文本中单词长度的平均值 hadoop jar ... wordmean /input /output_mean
wordmedian 计算文本中单词长度的中位数 hadoop jar ... wordmedian /input /output_median

三、通用注意事项

  1. 输出目录必须不存在 ：HDFS 不允许输出目录提前存在，运行前需删除旧目录（./bin/hdfs dfs -rm -r /output）；
  2. 权限问题 ：确保 hadoop 用户对 HDFS 目录有读写权限（避免 Permission denied）；
  3. 本地模式 vs 集群模式：以上命令在本地模式（非分布式）下也可运行，Hadoop 会自动适配；
  4. 资源调整 ：运行大数据量示例（如 terasort）时，可通过 -D mapreduce.job.maps=4 调整 Map 任务数。

总结

  1. Hadoop 示例包覆盖文本处理、排序、计算、关联 等核心场景，wordcount/pi/terasort 是新手必练的经典示例；
  2. 所有示例运行的核心格式：hadoop jar 示例jar包 示例名称 输入路径 输出路径 [参数]；
  3. 关键注意点：HDFS 输出目录需提前删除，确保 hadoop 用户有目录操作权限。

通过这些示例的实操，你可以快速理解 MapReduce "分而治之"的核心思想，也能验证 Hadoop 环境是否配置正常。

相关推荐
TTBIGDATA2 小时前
【Ambari Plus】10.HBase 安装
大数据·运维·hadoop·ambari·hdp·cdh·bigtop
TTBIGDATA5 小时前
【Ambari Plus】11.Kafka 安装
大数据·hadoop·分布式·kafka·ambari·hdp·ambari plus
李昊哲小课6 小时前
Ubuntu26.04 搭建 Hadoop3.5.0 完全分布式
大数据·hadoop·分布式·ubuntu·hdfs·mapreduce
2501_9475758014 小时前
计算机毕业设计之jsp开山车行二手车交易系统
java·开发语言·hadoop·python·信息可视化·django·课程设计
TTBIGDATA1 天前
【Ambari Plus】08.Sqoop 安装
大数据·hadoop·ambari·hdp·sqoop·cdh·ambari plus
KASH_SHADOW1 天前
10-Sqoop的安装与配置
hive·hadoop·sqoop
WhoAmI13 天前
MapReduce框架原理解析一：InputFormat
大数据·hadoop
WhoAmI13 天前
MapReduce框架原理解析三：OutputFormat
大数据·hadoop
WhoAmI13 天前
MapReduce框架原理解析二：Shuffle
大数据·hadoop
王小王-12318 天前
基于 Hive 的网易云音乐数据分析及可视化系统
hive·hadoop·数据分析·音乐数据分析·网易云音乐分析·hive音乐分析·hadoop网易云
热门推荐
012026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf02GitHub 镜像站点03AI科技热点日报 | 2026年07月01日04【AI】2026 年具身智能模型和世界模型总结052026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？062026 年 AI 大模型 & AI 编程工具实战全总结072026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？08Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析09Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费102026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？