Hadoop2.x伪分布式环境搭建(一)

1、安装hadoop环境，以hadoop-2.5.0版本为例，搭建伪分布式环境，所需要工具包提供网盘下载：http://pan.baidu.com/s/1o8HR0Qu

2、上传所需要的工具包到linux相对就应的目录中

3、接上篇(Linux基础环境的各项配置(三)中最后一部分，需卸载系统自带的jdk，以免后续安装的jdk产生冲突)，卸载jdk完成后，安装jdk-7u67-linux-x64.tar.gz版本，上述工具包可下载

(1)、解压JDK

tar -zxf jdk-7u67-linux-x64.tar.gz -C ../model/

(2)、配置环境变量，在/etc/profile配置文件末尾加入如下内容（需要管理员权限才能操作此文件）

##JAVA_HOME
export JAVA_HOME=/opt/model/jdk1.7.0_67
export PATH=$PATH:$JAVA_HOME/bin

(3)、让文件生效执行如下命令

source /etc/profile

(4)、执行java -version命令，出现如下图所示则jdk配置成功

4、hadoop-2.5.0安装与配置

(1)、解压下载好的hadoop-2.5.0.tar.gz包

tar -zxf hadoop-2.5.0.tar.gz -C ../model/

(2)、进入hadoop-2.5.0目录，在当前路径的share目录下，有个doc目录，此目录存放的都是官方英文说明文档，基本没用且占用空间及大，建议删除此目录，为后续发送集群节点节省时间

rm -rf share/doc

(3)、修改/opt/model/hadoop-2.5.0/etc/hadoop目录下hadoop-env.sh、mapred-env.sh、yarn-env.sh这三个配置文件，设置JAVA_HOME安装目录，如下所示

export JAVA_HOME=/opt/model/jdk1.7.0_67

(4)、修改core-site.xml配置文件，内容如下

<configuration>
    <!--指定namenode主节点所在的位置以及交互端口号-->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop-senior01.dinghong.com:8020</value>
    </property>
    <!--更改hadoop.tmp.dir的默认临时目录路径-->
    <!-- /opt/model/hadoop-2.5.0/data/tmp 这个路径需自己先行创建 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/model/hadoop-2.5.0/data/tmp</value>
    </property>
</configuration>

(5)、修改slaves配置文件，内容修改如下

#定义datanode从节点所在哪台机器，由于此次笔记是伪分布式安装，所有主从节点都在一台机器上，所以主机名都是一样
hadoop-senior01.dinghong.com  

(6)、修改hdfs-site.xml配置文件，内容如下

<configuration>
    <!--指定副本个数，默认值是3个-->
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

(7)、修改yarn-site.xml配置文件，内容如下

<configuration>
    <!-- 指定yarn上运行的是mapreduce程序 -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <!--指定ResourceManager的位置-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop-senior01.dinghong.com</value>
    </property>
</configuration>

(8)、将mapred-site.xml.template文件重命名为mapred-site.xml，并修改其内容如下

<configuration>
    <!--指定MapReduce运行在YARN上-->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

(9)、对于NameNode进行格式化操作，命令如下（只需要一次格式化，多次格式化会出错）：

 bin/hdfs namenode -format

出现如下图所示，表示格式化成功，若格式化出现错误，则需要仔细查找日志信息，查找出错原因，再次格式之前，一定把/opt/model/hadoop-2.5.0/data/tmp目录下的文件删除干净

5、hadoop-2.5.0上述步骤操作完毕后，即可启动相关进程

sbin/hadoop-daemon.sh start namenode
sbin/hadoop-daemon.sh start datanode
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager

在web页面访问hdfs以及yarn信息页面，说明启动成功了，如下图所示

6、继续开启自带历史服务器和日志聚集功能

(1)、修改mapred-site.xml配置文件，配置历史服务器，添加如下内容

<!-- 指定历史服务器的所在机器 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>hadoop-senior01.ibeifeng.com:10020</value>
 </property>
<!-- 指定历史服务器外部访问地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop-senior01.ibeifeng.com:19888</value>
</property>

(2)、修改yarn-site.xml配置文件，开启日志聚集功能，添加如下内容

<!-- 指定是否开启日志聚集功能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<!-- 设置日志在HDFS上保留的时间期限 -->
<property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>106800</value>
</property>

7、HDFS文件权限的修改

(1)、修改hdfs-site.xml配置文件，设置不检查文件权限，添加如下内容

<!--设置不启用HDFS文件系统的权限检查-->
<property>
    <name>dfs.permissions.enabled</name>
    <value>false</value>
</property>

(2)、修改core-site.xml配置文件，设置不检查文件权限，添加如下内容

<!--指定修改Hadoop静态用户名,建议设为hadoop启动用户-->
<property>
    <name>hadoop.http.staticuser.user</name>
    <value>dhong</value>
</property>

8、重启上述6、7步修改过配置文件的相关进程，并运行程序测试，修改是否正确

总结：

　　以上步骤是hadoop环境的基本配置，可以在上面跑wordcount程序了，由于是用伪分布式搭建的环境，配置比较简单，仅供搭建实验环境参考，在真实的工作当中，hadoop要配置的信息远不止这些，也为自己学习大数据记录一些简单的笔记