伪分布模式

设备： 一台 linux

特点： 在单机上模拟分布式环境，拥有Hadoop所有功能

配置文件：hadoop-env.sh,  mapred-env.sh、yarn-env.sh、core-site.xml,  hdfs-site.xml,   mapred-site.xml, yarn-site.xml

一、 设置Hadoop用户

二、 Hadoop安装&配置

三 、启动HDFS & YARN

四、 测试MapReduce Job

五 、总结

一、 设置Hadoop用户

step1： 创建新的普通用户hadoop

创建hadoop用户出于保障 hdfs 的数据安全性，给不同的用户赋予不同权限

输入： su  -                         切换root用户

输入： useradd hadoop       添加hadoop用户

输入： passwd hadoop       输入hadoop用户的登陆密码

step2：赋予hadoop用户sudo权限

 一般root用户无权修改sudoers, 先手动为root用户添加写权限

输入：chmod  u+w  /etc/sudoers          为root用户添加写权限

输入： vim /etc/sudoers          打开sudoers文件

输入： i 键 进入编辑模式
输入：hadoop   ALL=（root）   NOPASSWD:ALL         添加hadoop权限

输入： Esc 键，输入 ：wq  保存并退出

在学习环境可将hadoop用户的权限设置的大一些，但实际生产环境一定要注意普通用户的权限限制

step3：切换到hadoop用户

输入： su  -   hadoop

二、 Hadoop安装&配置

step4：解压hadoop

hadoop下载教程：https://www.jianshu.com/p/a28e2305a48c

输入： sudo  mkdir  /opt/modules        创建目录，存放hadoop文件

输入： sudo  chown  -R    hadoop:hadoop     /opt/modules         将存放hadoop的目录指定为hadoop用户，避免hadoop运行过程存在的权限问题

chown    命令用来修改目录的权限

-R     递归，就是从当前目录到子目录

hadoop:hadoop   将目录和文件的owner和group都设成 hadoop

本人已将hadoop压缩包放在 /opt /software

输入： cp   hadoop-2.2.0.tar.gz   /opt / modules       将hadoop压缩包复制到 /opt / modules目录下

输入： tar   -zxvf    hadoop-2.2.0.tar.gz        解压hadop压缩包，直接用

step5：配置hadoop环境变量

输入： sudo  vim   /etc/profile        打开profile目录配置环境变量

输入： i 键 进入编辑模式

输入： export   HADOOP_HOME = /opt /modules / hadoop-2.2.0

            export   PATH = $PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

输入： Esc 键，输入 ：wq  保存并退出

step6：配置 hadoop-env.sh、mapred-env.sh、yarn-env.sh文件JAVA_HOME参数

输入： sudo   vim   hadoop-env.sh      打开 hadoop-env.sh文件

输入： i 键 进入编辑模式

输入： export   JAVA_HOME = /usr / local / java / jdk.1.8.0_181 

添加JAVA_HOME路径 

输入： Esc 键，输入 ：wq  保存并退出

（可输入  echo  $JAVA_HOME  查看  JAVA_HOME  环境变量）

输入： source  /etc/profile        重新执行profile 文件使其生效

配置mapred-env.sh、yarn-env.sh文件JAVA_HOME参数，同理

step7：配置 core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml 文件

这几个配置文件放置在 hadoop安装目录下   /hadoop-2.2.0/etc/hadoop/

若发现没有存在mapred-site.xml, 但存在mapred-site.xml.template

直接复制，重命名一个mapred-site.xml就可以

输入 ： cp   mapred-site.xml.template    mapred-site.xml

接下来，逐个来配置这几个文件

(1)  配置 core-site.xml

配置参数 ：   fs.defaultFS   配置HDFS的NameNode的地址

                      hadoop.temp.dir     配置HDFS数据保存的目录。默认是Linux的tmp目录，由于系统启动，会清空默认的tmp目录，导致NameNode数据丢失，所以需要创建新的tmp目录

输入：   sudo   mkdir   -p   /opt /modules/hadoop-2.2.0/tmp  本人在hadoop安装目录下创建tmp目录，来存放HDFS数据，你可自行创建别处目录进行存放

输入： sudo   vim   core-site.xml      打开core-site.xml文件

配置core-site.xml参数信息

fs.defaultFS ，hdfs的 ip，默认端口号 8020

(2)  配置 hdfs-site.xml

配置参数 ：   dfs.replication     HDFS存储时的备份数量，默认是3， 伪分布设为1         

输入： sudo   vim   hdfs-site.xml   打开 hdfs-site.xml文件

配置 hdfs-site.xml 参数信息

(3)  配置 mapred-site.xml

配置参数 ：   mapredure.framework.name   配置mapredure程序运行的容器是Yarn

输入： sudo   vim   mapred-site.xml   打开mapred-site.xml文件

配置mapred-site.xml参数信息

(4)  配置 yarn-site.xml

配置参数 ：   yarn.resourcemanager.hostname      配置ResourceManager的主机地址

                      yarn.nodemanager.aux-services       配置NodeManager运行mapredure任务的方式

输入： sudo   vim   yarn-site.xml   打开yarn-site.xml文件

配置mapred-site.xml参数信息

三 、启动HDFS & YARN

step8： 格式化 HDFS

格式化是对HDFS中的DataNode进行分块，并将分块后的原始元数据存于NameNode中。

输入： bin/hdfs  namenode   -format          格式化NameNode

格式化成功后，可在 temp 目录中生成 dfs 目录

输入：  ll   temp/dfs/name/current       查看NamaNode格式化后的目录

fsimage    NameNode在元数据内存满了后的持久化文件

fsimage*.md5       校验文件，校验fsimage的完整性

seen_txid       hadoop的版本

vession      保存namesopaceID（NameNode的唯一ID）和 clusterID（集群ID） 

输入： cat    tmp/dfs/name/current/VERSION      可查看vession中内容

step8： 启动 HDFS & YARN

方法 1     同时全部启动

输入：  start-all.sh       同时全部启动

启动都命令存放于  hadoop-2.2.0 / sbin / 目录下

输入：  jps        查看是否启动成功

方法 2       逐个启动

输入： hadoop-daemon.sh   start   namenode                    启动NameNode 

输入： hadoop-daemon.sh   start   datanode                      启动DataNode 

输入： hadoop-daemon.sh   start  secondarynamenode    启动SecondaryNameNode  

输入： yarn-daemon.sh   start   resourcemanager              启动ResourceManager      

输入： hadoop-daemon.sh   start   nodemanager               启动NodeManager

输入：  jps        可查看是否启动成功  

通过 http://192.168.100.10:8088/ 可以查看YARN的Web页面，YARN  Web端的端口号是8088

停止 hadoop的命令，对应的使用 stop

四、 测试MapReduce Job

Hadoop 自带的 WordCount 程序 hadoop-mapreduce-examples-2.2.0.jar，存放于hadoop安装目录的 share/hadoop/mapreduce/ 路径下, 可用该程序来进行测试

Hadoop 自带的 WordCount程序，单词统计的功能，因此先创建一个文本作为输入文件

step9：创建输入文件

输入： sudo   vim   /opt/data/wc.input       创建wc.input文件

打开文件后， 按 i 键进入编辑模式，输入单词（it's up to you）

输入完成后，按 Esc 键退出编辑模式，按 ：wq  保存并退出

输入： hdfs  dfs  -put   /opt/data/wc.input      /wordcountdemo/input          将wc.input文件上传到HDFS的/wordcountdemo/input目录下

输入： yarn   jar   share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar    wordcount    /wordcountdemo/input      /wordcountdemo/output

运行功能的 .jar 包，wordcount是 jar包 需要运行的主类，wc.input 为输入的文本参数，输出结果保存到output目录下

Hadoop Job的运行记录中，可知输入文件有1个（Total input paths to process:1）

这个Job被赋予了一个ID号：job_1535711820644_0001

同时还可以看到map和reduce的job记录

输入： hdfs  dfs  -ls   /wordcountdemo/output       查看输出结果目录

_SUCCESS文件  说明运行成功

part-r-00000  是输出结果文件，-r- 说明这个文件是Reduce阶段产生的结果。mapreduce程序执行中，可以没有reduce阶段，但是肯定有map阶段，如果没有reduce阶段则显示是-m-

一个reduce会产生一个 part-r-开头的文件

输入：  hdfs  dfs  -cat    /wordcountdemo/output/part - r -0000     查看输出文件的内容，结果按照键值排序而成

五 、总结

Hadoop各模块的学习理解

1、HDFS 模块

HDFS 数据存储功能，负责大数据的存储，将大文件分块后进行分布式存储，突破了服务器硬盘大小的限制，解决了单台机器无法存储大文件的问题。HDFS是个相对独立的模块，可以为YARN提供服务和HBase等其他模块提供服务

运行的节点

NameNode,  DataNode,  JobTracker,  TaskTracker,  SecondaryNameNode

节点的区别

从分布式存储的角度，集群中的结点由一个NameNode和若干个DataNode组成，另有一个SecondaryNameNode作为NameNode的备份

从分布式应用的角度，集群中的结点由一个JobTracker 和若干个TaskTracker组成，JobTracker负责任务的调度，TaskTracker负责并行执行任务。TaskTracker必须运行在DataNode上，这样便于数据的本地计算

JobTracker和NameNode无须在同一台机器上

2、YARN 模块

YARN是通用的资源协同和任务调度框架，为了解决Hadoop1.x中MapReduce里NameNode负载太大和其他问题

YARN是通用框架，可运行MapReduce，还可运行Spark、Storm等其他计算框架

3、MapReduce 模块

MapReduce是并行计算框架，通过Map阶段、Reduce阶段来分布式地流式处理数据。它适用于大数据的离线处理，不适用于实时性要求很高的应用