【Hadoop】Hadoop的安装，本地模式、伪分布模式的配置

Download hadoop-2.7.7.tar.gz

下载稳定版本的hadoop-2.7.7.tar.gz（我用的2.6.0，但是官网只能下载2.7.7的了）

Required Software

Linux所需的软件包括：

必须安装Java。HadoopJavaVersions描述了推荐的Java版本。

必须安装ssh并且必须运行sshd才能使用管理远程Hadoop守护进程的Hadoop脚本。

安装jdk、ssh免密登录请看：

linux安装java 1.8

ssh免密登录

Prepare to Start the Hadoop Cluster

准备启动Hadoop集群

解压缩下载的Hadoop发行版。在分布式中，编辑文件etc / hadoop / hadoop-env.sh以定义一些参数，如下所示：

＃设置为Java安装的根目录

  export JAVA_HOME = / usr / java / java1.8.0_25

＃假设您的安装目录是/ usr / local / hadoop

export HADOOP_PREFIX = / usr / local / hadoop

请尝试以下命令：

  $ bin / hadoop

• Local (Standalone) Mode------本地（独立）模式
• Pseudo-Distributed Mode------伪分布式模式
• Fully-Distributed Mode----------全分布式模式

Standalone Operation 本地（独立）操作

默认情况下，Hadoop配置为以非分布式模式运行，作为单个Java进程。这对调试很有用。

以下示例复制解压缩的conf目录以用作输入，然后查找并显示给定正则表达式的每个匹配项。输出将写入给定的输出目录。

  $ mkdir input
  $ cp etc/hadoop/*.xml input
  $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar grep input output 'dfs[a-z.]+'
  $ cat output/*

Pseudo-Distributed Operation 伪分布式操作

Hadoop也可以在伪分布式模式下在单节点上运行，其中每个Hadoop守护程序在单独的Java进程中运行。

Configuration

Use the following:

先在解压的hadoop-2.6.0目录下创建data/tmp文件夹

etc/hadoop/core-site.xml:

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/programs/hadoop-2.6.0/data/tmp</value>
</property>
</configuration>

etc/hadoop/hdfs-site.xml:

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

Execution

以下说明是在本地运行MapReduce作业。如果要在YARN上执行作业，请参阅单节点上的YARN 。

1.格式化文件系统：

  $ bin / hdfs namenode -format

2.启动NameNode守护程序和DataNode守护程序：

  $ sbin / start-dfs.sh

hadoop守护程序日志输出将写入$ HADOOP_LOG_DIR目录（默认为$ HADOOP_HOME / logs）。

3.浏览NameNode的Web界面; 默认情况下，它可用于：

NameNode - http：// localhost：50070 /

4.创建执行MapReduce作业所需的HDFS目录：

  $ bin / hdfs dfs -mkdir / user
  $ bin / hdfs dfs -mkdir / user / username

5.将输入文件复制到分布式文件系统中：

 $ bin/hdfs dfs -put etc/hadoop input

6.运行一些提供的示例：

  $ bin / hadoop jar share / hadoop / mapreduce / hadoop-mapreduce-examples-2.6.0.jar grep input output'dfs [az。] +'

7.检查输出文件：

将输出文件从分布式文件系统复制到本地文件系统并检查它们：

 $ bin/hdfs dfs -get output output
  $ cat output/*

要么

查看分布式文件系统上的输出文件：

   $ bin/hdfs dfs -cat output/*

8.完成后，停止守护进程：

  $ sbin / stop-dfs.sh

单节点上的YARN

您可以通过设置一些参数并运行ResourceManager守护程序和NodeManager守护程序，以伪分布式模式在YARN上运行MapReduce作业。

以下说明假设已执行上述指令的 1.~4步骤。

1.配置参数如下：

etc/ hadoop/ mapred-site.xml中：

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

etc/hadoop/yarn-site.xml中：

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

2.启动ResourceManager守护程序和NodeManager守护程序：

 $ sbin / start-yarn.sh

3.浏览ResourceManager的Web界面; 默认情况下，它可用于：

ResourceManager - http：// localhost：8088 /

运行MapReduce作业。

4.完成后，停止守护进程：

  $ sbin / stop-yarn.sh

Fully-Distributed Operation

请看下篇>>>全分布式模式配置