假期学习【三】HDFS操作及spark的安装/使用

1．安装 Hadoop 和 Spark

进入 Linux 系统，参照本教程官网“实验指南”栏目的“Hadoop 的安装和使用”，完

成 Hadoop 伪分布式模式的安装。完成 Hadoop 的安装以后，再安装 Spark（Local 模式）。

2．HDFS 常用操作

使用 hadoop 用户名登录进入 Linux 系统，启动 Hadoop，参照相关 Hadoop 书籍或网络

资料，或者也可以参考本教程官网的“实验指南”栏目的“HDFS 操作常用 Shell 命令”，

使用 Hadoop 提供的 Shell 命令完成如下操作：

（1） 启动 Hadoop，在 HDFS 中创建用户目录“/user/hadoop”；

（2） 在 Linux 系统的本地文件系统的“/home/hadoop”目录下新建一个文本文件

test.txt，并在该文件中随便输入一些内容，然后上传到 HDFS 的“/user/hadoop”

目录下；

进入/home/hadoop目录，并创建test.txt文件

输入内容

将文件上传到HDFS的/user/hadoop目录下，并查看。

可以发现已经上传成功

（3） 把 HDFS 中“/user/hadoop”目录下的 test.txt 文件，下载到 Linux 系统的本地文

件系统中的“/home/hadoop/下载”目录下；

执行如下命令。

可以查看到已经下载到本地。

（4） 将HDFS中“/user/hadoop”目录下的test.txt文件的内容输出到终端中进行显示；

执行如下命令

可以显示

（5） 在 HDFS 中的“/user/hadoop”目录下，创建子目录 input，把 HDFS 中

“/user/hadoop”目录下的 test.txt 文件，复制到“/user/hadoop/input”目录下；

（6） 删除HDFS中“/user/hadoop”目录下的test.txt文件，删除HDFS中“/user/hadoop”

目录下的 input 子目录及其子目录下的所有内容。

3. Spark 读取文件系统的数据

Spark安装

在Spark官网：http://spark.apache.org/downloads.html  下载Spark

并在修改Spark的配置文件spark-env.sh添加输入下列命令：

export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)

如图：

测试输入图中命令将输出大量信息

将得到一个π的近似数，说明安装成功

（1）在 spark-shell 中读取 Linux 系统本地文件“/home/hadoop/test.txt”，然后统计出文件的行数；

启动spark-shell

（2）在 spark-shell 中读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，

请先创建），然后，统计出文件的行数；

统计结果

未理解的问题：

显示4行正确，但不理解为什么界面行数大于统计的行数。

（3）编写独立应用程序，读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，

请先创建），然后，统计出文件的行数；通过 sbt 工具将整个应用程序编译打包成 JAR 包，

并将生成的 JAR 包通过 spark-submit 提交到 Spark 中运行命令。

1.安装sbt