hadoop+spark配置笔记

vi  .bashrc

添加

export SCALA_HOME=/opt/scala/scala-2.11.7
export JAVA_HOME=/usr/lib/jvm/java
export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
export HADOOP_HOME=/opt/hadoop-2.6.0
export HADOOP_CONFIG_HOME=$HADOOP_HOME/etc/hadoop
export SPARK_HOME=/opt/spark-1.6.0-bin-hadoop2.6
export SBT_HOME=/opt/scala/scala-2.11.7/sbt
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:/opt/scala/scala-2.11.7/bin:$JAVA_HOME/jre/bin:$JAVA_HOME/bin:$SPARK_HOME/bin:$SBT_HOME/bin

#autorun
/usr/sbin/sshd


安装ssh     启动/etc/init.d/ssh start


下载jdk  scala hadoop spark spark并安装配置具体见

http://tashan10.com/yong-dockerda-jian-hadoopwei-fen-bu-shi-ji-qun/

http://blog.youkuaiyun.com/stark_summer/article/details/42458081




配置hadoop

core-site.xm

<configuration>
<property>
            <name>hadoop.tmp.dir</name>
            <value>file:/opt/hadoop-2.6.0/tmp</value>
            <description>A base for other temporary directories.</description>
    </property>


    <property>
            <name>fs.default.name</name>
            <value>hdfs://master01:9000</value>
            <final>true</final>


    </property>
</configuration>

hadoop-env.sh 

export JAVA_HOME=/usr/lib/jvm/java

hdfs-site.xml 

<configuration>
<property>
        <name>dfs.replication</name>
        <value>2</value>
        <final>true</final>
    </property>
 <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>master01:50090</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/opt/hadoop-2.6.0/namenode</value>
        <final>true</final>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/opt/hadoop-2.6.0/datanode</value>
        <final>true</final>
    </property>
</configuration>


 mapred-site.xml

<configuration>
<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>
</configuration>


yarn-site.xml 

<configuration>
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>master01</value>
</property>
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>
<!-- Site specific YARN configuration properties -->


</configuration>


配置 yarn-env.sh (修改JAVA_HOME)

# some Java parameters

export JAVA_HOME=/usr/lib/jvm/java



slaves

slave01

slave02

slave03

然后把它弄成镜像发布

在开启


sudo docker commit -m "hadoop+weiyunxing" master01 shanyx/ubuntu:spark10

sudo docker run -it  -v /home/syx/ins:/mnt -p 50071:50070 -p 50076:50075 -p 4041:4040 -p 8081:8080 -p 8089:8088 -p 19889:19888 -p 8043:8042 -h master01 --name master01 shanyx/ubuntu:spark10 /bin/bash

格式化在hadoop

./bin/hdfs namenode -format

.sbin/start-all.sh

jps



内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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