hadoop-2.4.0的Federation搭建

hadoop-2.4.0  Federation的搭建


注明:前提是自己已经编译好的hadoop版本或者cloudrea公司的cdh版本!          大数据讨论群:288396468

ns1的namenode:itr-mastertest01
ns2的namenode:itr-mastertest02
datanode:itr-nodetest01,itr-nodetest02


3.1 配置文件(hadoop-env.sh、core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml、slaves)
3.1.1 hadoop-env.sh
  export JAVA_HOME=/usr/local/jdk1.7.0_45


3.1.2 core-site.xml


<property>
<name>fs.defaultFS</name>
<value>hdfs://ns1</value>
</property>


<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop-2.4.0/tmp</value>
</property>


<property>
<name>fs.viewfs.mounttable.default.link./ns0</name>
<value>hdfs://itr-mastertest01:9000/</value>
</property>
<property>
<name>fs.viewfs.mounttable.default.link./ns1</name>
<value>hdfs://itr-mastertest02:9000</value>
</property>


3.1.3 hdfs-site.xml


<property>
<name>dfs.replication</name>
<value>2</value>
</property>


<property>
<name>dfs.nameservices</name>
<value>ns1,ns2</value>
</property>


<property>
<name>dfs.ha.namenodes.ns1</name>
<value>nn1</value>
</property>


<property>
<name>dfs.namenode.rpc-address.ns1.nn1</name>
<value>itr-mastertest01:9000</value>
</property>


<property>
<name>dfs.namenode.http-address.ns1.nn1</name>
<value>itr-mastertest01:50070</value>
</property>




<property>
<name>dfs.ha.namenodes.ns2</name>
<value>nn2</value>
</property>


<property>
<name>dfs.namenode.rpc-address.ns2.nn2</name>
<value>itr-mastertest02:9000</value>
</property>


<property>
<name>dfs.namenode.http-address.ns2.nn2</name>
<value>itr-mastertest02:50070</value>
</property>




3.1.6 slaves
itr-nodetest01
itr-nodetest02


3.1.7 删除其他节点的hadoop-2.4.0文件夹,然后把itr-mastertest01上的hadoop-2.4.0文件夹复制到itr-mastertest02、itr-nodetest01、itr-nodetest02节点


3.5 格式化namenode、启动namenode
  在itr-mastertest01上执行hadoop/bin/hdfs namenode -format -clusterId clusterid1
  在itr-mastertest01上执行hadoop/sbin/hadoop-daemon.sh start namenode
  
  在itr-mastertest02上执行hadoop/bin/hdfs namenode -format -clusterId clusterid1
  【clusterId的值与itr-mastertest01上执行的clusterId的值完全相同。如果不同,就不属于同一个federation】
  在itr-mastertest02上执行hadoop/sbin/hadoop-daemon.sh start namenode


3.6 启动datanode
  在itr-mastertest01上分别执行hadoop/sbin/hadoop-daemons.sh start datanode


3.8 启动resourcemanager和nodemanager
  在itr-mastertest01上执行 hadoop/sbin/start-yarn.sh start resourcemanager


4.验证:


viewFS是跨隶属于同一个federation的多个hdfs的文件管理系统。


使用hadoop0:50070/dfsclusterhealth.jsp查看集群情况
使用hadoop/bin/hdfs dfs -ls viewfs:///统一查看联邦中的数据内容
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值