Skip to content

Latest commit

 

History

History
59 lines (40 loc) · 2.32 KB

HDFS_TUTORIAL.md

File metadata and controls

59 lines (40 loc) · 2.32 KB
Raw

如何搭建HDFS集群

综述

本篇文章只是用于demo的HDFS集群搭建教程，用于跑通ElasticCTR的各个流程。本文将会带着大家在百度云的节点上搭建一个HDFS，并将Criteo数据集按照ElasticCTR的数据集格式要求，存放在HDFS上。

购买BCC

搭建 HDFS 集群的过程较为复杂，首先需要购买一个 BCC 实例



在 BCC 实例当中购买较大的 CDS 云磁盘。

安装并启动Hadoop

在进入 BCC 之后首先需要用 fdisk 工具确认分区是否已经安装。

选择 hadoop-2.8.5.tar.gz。下载后解压把 hadoop-2.8.5 目录 move 到/usr/local 目录下。 在/usr/local/hadoop-2.8.5/etc/hadoop/下，编辑 core-site.xml文件，修改为

<configuration>
<property>
  <name>fs.defaultFS</name>
  <value>hdfs://${LOCAL_IP}:9000</value>
</property>
<property>
  <name>hadoop.tmp.dir</name>
  <value>/data/hadoop</value>
</property>
</configuration>

此处 $LOCAL_IP 推荐用内网的 IP，也就是在 ifconfig 下为 192.168 开头的 IP，在 K8S 当中也可以被访问 到。

在 slave 文件下输入 root@127.0.0.1

接下来配置无密码访问，首先要 ssh-keygen，无论提示什么全部回车数次之后，用 ssh-copy-id 命令把无密码访问配置到 127.0.0.1 ,localhost ,0.0.0.0 几个 IP 地址。

把/usr/local/hadoop-2.8.5/etc/hadoop 设置为 $HADOOP_HOME

再把$HADOOP_HOME/bin 放在 $PATH 下。如果输入 hadoop 命令可以被执行，就执行 hadoop namenode format。

最后在/usr/local/hadoop-2.8.5/sbin 目录下运行 ，start-all.sh。

以上操作之后，HDFS 服务就启动完毕，接下来就创建流式训练的文件夹 /train_data/，使用命令 hdfs dfs -mkdir hdfs://$IP:9000/train_data/

复制Criteo数据集到HDFS

接下来从 https://paddle-serving.bj.bcebos.com/criteo_ctr_example/criteo_demo.tar.gz 下载数据集，解压之后在criteo_demo下 执行 hdfs dfs -put * hdfs://$IP:9000/train_data/20200401 $IP就是先前到HDFS地址。 这样，就在train_data下目录到20200401目录下存放了5个小时的训练集。20200401可以改动成任意一个日期。 在主页面的教程中，data.config文件就是用来现在配置的HDFS信息，日期信息会在这里被调用。