1. Crear red para el cluster de hadoop

sudo docker network create --driver=bridge hadoop

2. Inicializar el cluster

cd DS-M4-Cluster_Hadoop
sudo ./start-container.sh

output:

start hadoop-master container...
start hadoop-slave1 container...
start hadoop-slave2 container...
root@hadoop-master:~# 

• Iniciar con 2 esclavos y un maestro
• Entraremos al contenedor master

3. Iniciar hadoop

./start-hadoop.sh

4. Un archivo txt de un libro

wget https://raw.githubusercontent.com/uracilo/testdata/master/odisea.txt

5. Crear un directorio

mkdir input

6. Crear un archivo tipo tar.gz

tar -czvf input/odisea.tar.gz odisea.txt

-c: Generar archivo -z: Comprimir con gzip. -v: Progreso del proceso. -f: Especificar nombre del archivo.

7. Revisar los tamaños de nuestros archivos

ls -flarts input

8. Crear y mover directorio input al DFS de HADOOP

hdfs dfs -mkdir -p test
hdfs dfs -put input

9. Revisar nuestro input directorio en HADOOP

hdfs dfs –ls  input

10. Leer las primeras lineas de nuestro archivo en HADOOP

hdfs dfs -cat  input/odisea.tar.gz | zcat | tail -n 20

11. Eliminar el archivo en HADOOP

hdfs dfs –rm –f /user/rawdata/example/odisea.tar.gz

Plus ejecutar un trabajo en HADOOP

hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.7.2-sources.jar org.apache.hadoop.examples.WordCount input output

Plus ver el resultado del trabajo en HADOOP

hdfs dfs -cat output/part-r-00000

Inspirado en https://github.com/kiwenlau/hadoop-cluster-docker