Hadoop伪分布模式配置

本作品由Man_华创作，采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
基于http://www.cnblogs.com/manhua/上的作品创作。

请先按照上一篇文章Hadoop单机模式配置安装好java和hadoop后再进行伪分布模式的配置。

Hadoop伪分布模式:一台机器，每个Hadoop守护进程都是一个独立的JVM进程

安装ssh服务

sudo apt-get install openssh-server

(如果没有安装ssh服务，将会出现如下情况：

manhua@manhua-Aspire-4741 ~/.ssh $ ssh localhost
ssh: connect to host localhost port 22: Connection refused
)

如果中途因为时间过长您中断了更新（Ctrl+z），当您再次更新时，会更新不了，报错为：“Ubuntu无法锁定管理目录（/var/lib/dpkg/），是否有其他进程占用它？“需要如下操作
sudo rm /var/lib/dpkg/lock
sudo rm /var/cache/apt/archives/lock

建立ssh无密码登录本机

ssh-keygen [三次Enter]
ssh-copy-id user@localhost

登录localhost

ssh localhost

首次连接需要输入yes确认
退出ssh输入exit / ctrl+D即可

配置hadoop

进入Hadoop配置文件目录

cd ~/hadoop/hadoop/etc/hadoop

core-site.xml

sudo gedit core-site.xml

<property>
    <name>hadoop.tmp.dir</name>
    <value>/home/kevin/hadoop</value>
    <description>temporary directories.</description>
</property>
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://localhost:9000</value>
</property>

hdfs-site.xml

sudo gedit hdfs-site.xml

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

yarn-site.xml

sudo gedit yarn-site.xml

<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
    </property>
<property>
    <name>yarn.nodemanager.aux-services.mapreduce_shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
    <name>yarn.resourcemanager.address</name>
    <value>127.0.0.1:</value>
</property>
<property>
    <name>yarn.resourcemanager.scheduler.address</name>
    <value>127.0.0.1:</value>
</property>
<property>
    <name>yarn.resourcemanager.resource-tracker.address</name>
    <value>127.0.0.1:</value>
</property>

mapred-site.xml  （默认不存在此文件，需要创建）

sudo cp mapred-site.xml.template mapred-site.xml
sudo gedit mapred-site.xml

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

创建slaves文件，填入

localhost

测试

格式化NameNode

hdfs namenode -format

看到倒数10行内有common.Storage: Storage directory /opt/hadoop/hadoop_tmp/dfs/name has been successfully formatted.即成功

启动

start-all.sh

查看所有JAVA进程

jps

此时可以看到如下：
jps
ResourceManager
NodeManager
DataNode
NameNode
SecondaryNameNode

并且可以访问以下站点

http://localhost:8088/cluster
http://localhost:50070/dfshealth.jsp

在用户文件夹建立test文件夹，新建几个文本文档，输入一些文字

hdfs dfs -copyFromLocal ~/setupEnv/Test1-WordCount/in /in
hdfs dfs -ls /in
hadoop jar ~/hadoop/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2..jar wordcount /in /out

上传时指定block大小： hadoop fs -D fs.local.block.size=134217728 -put local_name remote_location

查看结果

hadoop fs -cat /out/part-r-00000
或

hdfs dfs -cat /out/part-r-00000

停止

stop-all.sh

=====================

Extra 测试二 compile &jar

cd ~/setupEnv/Test2-Dedup
javac -cp /opt/hadoop-2.2./share/hadoop/common/hadoop-common-2.2..jar:/opt/hadoop-2.2./share/hadoop/mapreduce/hadoop-mapreduce-client-core-2.2..jar:/opt/hadoop-2.2./share/hadoop/common/lib/* Dedup.java
jar -cvf Dedup.jar ./*.class

再次执行前要删除输出文件夹

hadoop fs -rm -r /out
hadoop dfs -copyFromLocal ~/setupEnv/Test2-Dedup/in2 /in
hadoop fs -ls /in
hadoop jar ~/setupEnv/Test2-Dedup/Dedup.jar Dedup /in /out

---

异常处理

如果发生任何启动异常，关闭进程后，需要清空数据：

rm -rf ~/hadoop/tmp

然后重新执行格式化：

hdfs namenode -format