【Mac大数据开发】第四篇-Hadoop安装和配置(伪分布式集群)

1. Hadoop的安装

下载Hadoop安装包，通过scp（或其他指令方式）发送到虚拟机上，并进行解压安装。修改环境变量

vi /etc/profile
export JAVA_HOME="/opt/jdk1.8.0_211"
export HADOOP_HOME="/opt/hadoop-2.8.4" # hadoop安装目录
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
source /etc/profile

使用hadoop命令检查是否安装成，如下则说明安装成功

hadoop安装成功

2. 伪集群配置

Hadoop正常工作必须启动两个基础的服务-hadoop和yarn。伪集群模式即在单机上启动这些服务。包括主动启动nn，dn，sn、rm、nm等

2.1 NameNode配置

修改etc目录下的core-site.xml文件，在configuration标签中添加

<!-- 指定NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://主机名1:9000</value>
</property>

<!-- 指定hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-2.X.X/data/tmp</value>
</property>

其中9000时hadoop中namenode的通信端口，此前版本时8200；
对于文件目录，不指定时存放在用户的/tmp目录，系统会自动清理，影响使用

2.2 HDFS配置

修改同目录下的hdfs-site.xml，添加如下配置

<!--数据冗余数-->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!--secondary的地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>主机名1:50090</value>
</property>
<!--关闭权限-->
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>

对于replication数据副本的数量，在伪集群模式下，因为datanode只有一个，所以复制数量填1即可；
关闭权限-一些非root用户在权限控制下无法提交文件到hdfs，便于学习，直接关闭

2.3 Map-Reduce配置

修改配置目录下mapred-site.xml文件（默认是template可自行创建）

<!-- 指定mr运行在yarn上-->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!--历史服务器的地址-->
<property>
<name>mapreduce.jobhistory.address</name>
<value>主机名1:10020</value>
</property>
<!--历史服务器页面的地址-->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>主机名1:19888</value>
</property>

该配置文件指定mr的获取任务的方式通过yarn调度

2.4 配置env脚本

Hadoop的脚本hadoop-env.sh、yarn-env.sh、mapred-env.sh中，都有使用到JAVA_HOME环境变量，但是很容易出现找不到的情况，因此要手动在其中添加配置

export JAVA_HOME=/opt/jdk1.8.11_201 # jdk安装目录

3. 启动测试

3.1 执行格式化

初次启动hdfs前，需要对nameNode进行格式化

hdfs namenode -format

为什么要格式化？

NameNode用来管理HDFS的命名空间元数据，同时加入了操作日志，初始启动时，需要添加执行格式化初始化这些操作

格式化执行了哪些操作？

格式化时会清空tmp目录下dfs目录中的所有文件，并重新创建新的目录信息

3.2 启动集群

# 启动NameNode主节点
sbin/start-dfs.sh
# 启动yarn
sbin/start-yarn.sh

完全启动后看到一下5个进程

进程列表

hdfs web控制台：http://host:50070

hdfs界面

yarn web控制台：http://host:8088

yarn界面

3.3 文件系统测试

使用指令

hadoop fs -ls / # 查看hdfs系统根目录
hadoop fs -mkdir /root # 创建root目录
hadoop fs -put test.txt /root # 上传文件

可以实现上传并查看文件，也可以通过web控制台查看

上传的txt文件

可以看到，hdfs中一个块的大小默认128M（理论最佳值，可配置），但文件实际大小只有35B。

“块”相当于一个袋子，容量最大128M，一个袋子只放一个文件。把文件放进去，不充满也不会重复使用。新的文件放在新的袋子里。
进入hdfs的文件目录，也可以看到块文件和meta文件

/opt/hadoop-2.8.4/data/tmp/dfs/data/current/BP-1797775247-192.168.56.101-1561479286518/current/finalized/subdir0/subdir0

4. 对于HDFS的目录说明

在core-site.xml中配置的hadoop.tmp.dir路径/dfs即为hdfs的根路径，其结构分为data、name、nameSecondary

/opt/hadoop-2.8.4/data/tmp/dfs

data目录是datanode创建，存放数据块和meta验证文件（验证数据完整性）

block数据块
name目录是namenode创建，保存操作记录(edits)，系统原属记录(fsimage)等

namenode元数据
nameSecondary目录是secondarynamenode创建