Hadoop伪分布模式配置部署

清风听雨

相关配置文件修改

1).修改core-site.xml:
　　

$ sudo vim /usr/local/hadoop/etc/hadoop/core-site.xml　　

　　

<?xml version="1.0"?>　　
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
　　

　　
<!-- Put site-specific property overrides in this file. -->
　　

　　
<configuration>
　　<property>
　　<name>fs.defaultFS</name>
　　<value>hdfs://localhost:9000</value>
　　</property>
　　<property>
　　<name>hadoop.tmp.dir</name>
　　<value>/home/hadoop/tmp</value>
　　</property>
　　
</configuration>
　　

　　

　　常用配置项说明：

• fs.default.name这是一个描述集群中NameNode结点的URI(包括协议、主机名称、端口号)，集群里面的每一台机器都需要知道NameNode的地址。DataNode结点会先在NameNode上注册，这样它们的数据才可以被使用。独立的客户端程序通过这个URI跟DataNode交互，以取得文件的块列表。
  
• hadoop.tmp.dir 是hadoop文件系统依赖的基础配置，很多路径都依赖它。如果hdfs-site.xml中不配置namenode和datanode的存放位置，默认就放在/tmp/hadoop-${user.name}这个路径中
  

　　更多说明请参考core-default.xml，包含配置文件所有配置项的说明和默认值。

2).修改hdfs-site.xml:
　　

$ sudo vim /usr/local/hadoop/etc/hadoop/hdfs-site.xml　　

　　

<?xml version="1.0"?>　　
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
　　

　　
<!-- Put site-specific property overrides in this file. -->
　　

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

　　

　　常用配置项说明：

• dfs.replication它决定着系统里面的文件块的数据备份个数。对于一个实际的应用，它应该被设为3（这个数字并没有上限，但更多的备份可能并没有作用，而且会占用更多的空间）。少于三个的备份，可能会影响到数据的可靠性(系统故障时，也许会造成数据丢失)
  
• dfs.data.dir这是DataNode结点被指定要存储数据的本地文件系统路径。DataNode结点上的这个路径没有必要完全相同，因为每台机器的环境很可能是不一样的。但如果每台机器上的这个路径都是统一配置的话，会使工作变得简单一些。默认的情况下，它的值为file://${hadoop.tmp.dir}/dfs/data这个路径只能用于测试的目的，因为它很可能会丢失掉一些数据。所以这个值最好还是被覆盖。
  
• dfs.name.dir这是NameNode结点存储hadoop文件系统信息的本地系统路径。这个值只对NameNode有效，DataNode并不需要使用到它。上面对于/temp类型的警告，同样也适用于这里。在实际应用中，它最好被覆盖掉。
  

　　更多说明请参考hdfs-default.xml，包含配置文件所有配置项的说明和默认值。

3).修改mapred-site.xml:
　　

$ sudo cp /usr/local/hadoop/etc/hadoop/mapred-site.xml.template /usr/local/hadoop/etc/hadoop/mapred-site.xml　　
$ sudo vim /usr/local/hadoop/etc/hadoop/mapred-site.xml
　　

　　

<?xml version="1.0"?>　　
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
　　

　　
<!-- Put site-specific property overrides in this file. -->
　　

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

　　

　　常用配置项说明：

• mapred.job.trackerJobTracker的主机（或者IP）和端口。
  

　　更多说明请参考mapred-default.xml，包含配置文件所有配置项的说明和默认值

4).修改yarn-site.xml:
　　

$ sudo vim /usr/local/hadoop/etc/hadoop/yarn-site.xml　　

　　

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

　　
</configuration>
　　

　　

　　常用配置项说明：

• yarn.nodemanager.aux-services通过该配置，用户可以自定义一些服务
  

　　更多说明请参考yarn-default.xml，包含配置文件所有配置项的说明和默认值

5). 修改 hadoop-env.sh:
　　

$ sudo vim /usr/local/hadoop/etc/hadoop/hadoop-env.sh　　

　　

　　修改 JAVA_HOME 如下：

　　这样简单的伪分布式模式就配置好了。
　　***********************************************************

格式化HDFS文件系统
　　在使用hadoop前，必须格式化一个全新的HDFS安装，通过创建存储目录和NameNode持久化数据结构的初始版本，格式化过程创建了一个空的文件系统。由于NameNode管理文件系统的元数据，而DataNode可以动态的加入或离开集群，因此这个格式化过程并不涉及DataNode。同理，用户也无需关注文件系统的规模。集群中DataNode的数量决定着文件系统的规模。DataNode可以在文件系统格式化之后的很长一段时间内按需增加。

格式化HDFS文件系统
　　

$ hadoop namenode -format　　

　　

　　会输出如下信息，则表格式化HDFS成功：
　　

DEPRECATED: Use of this script to execute hdfs command is deprecated.　　
Instead use the hdfs command for it.
　　

　　
INFO namenode.NameNode: STARTUP_MSG:
　　
/************************************************************
　　
STARTUP_MSG: Starting NameNode
　　
STARTUP_MSG:   host = [你的主机名]/[你的ip]
　　
STARTUP_MSG:   args = [-format]
　　
STARTUP_MSG:   version = 2.6.0
　　
...
　　
...
　　
INFO util.GSet: Computing capacity for map NameNodeRetryCache
　　
INFO util.GSet: VM type       = 64-bit
　　
INFO util.GSet: 0.029999999329447746% max memory 889 MB = 273.1 KB
　　
INFO util.GSet: capacity      = 2^15 = 32768 entries
　　
INFO namenode.NNConf: ACLs enabled? false
　　
INFO namenode.NNConf: XAttrs enabled? true

　　
INFO namenode.NNConf: Maximum>　　
INFO namenode.FSImage: Allocated new BlockPoolId: BP-549895748-192.168.42.3-1489569976471
　　
INFO common.Storage: Storage directory /home/hadoop/hadop2.6-tmp/dfs/name has been successfully formatted.
　　
INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
　　
NFO util.ExitUtil: Exiting with status 0
　　
INFO namenode.NameNode: SHUTDOWN_MSG:
　　
/************************************************************
　　
SHUTDOWN_MSG: Shutting down NameNode at [你的主机名]//[你的ip]
　　
************************************************************/
　　
hadoop@c81af9a07ade:/opt/hadoop-2.6.0/bin$ jps
　　

Hadoop集群启动

1. 启动hdfs守护进程，分别启动NameNode和DataNode
　　

$ start-dfs.sh　　

　　

　　输出如下（可以看出分别启动了namenode, datanode, secondarynamenode，因为我们没有配置secondarynamenode，所以地址为0.0.0.0）：
　　

Starting namenodes on []　　
hadoop@localhost's password:
　　
localhost: starting namenode, logging to /usr/local/hadoop/logs/hadoop-hadoop-namenode-G470.out
　　
hadoop@localhost's password:
　　
localhost: starting datanode, logging to /usr/local/hadoop/logs/hadoop-hadoop-datanode-G470.out
　　
localhost: OpenJDK 64-Bit Server VM warning: You have loaded library /usr/local/hadoop/lib/native/libhadoop.so.1.0.0 which might have disabled stack guard. The VM will try to fix the stack guard now.
　　
localhost: It's highly recommended that you fix the library with 'execstack -c <libfile>', or link it with '-z noexecstack'.
　　
Starting secondary namenodes [0.0.0.0]
　　
hadoop@0.0.0.0's password:
　　
0.0.0.0: starting secondarynamenode, logging to /usr/local/hadoop/logs/hadoop-hadoop-secondarynamenode-G470.out
　　

　　

2. 启动yarn,使用如下命令启ResourceManager和NodeManager:
　　

$ start-yarn.sh　　

　　

3. 检查是否运行成功
　　打开浏览器

• 输入：http://localhost:8088进入ResourceManager管理页面
  
• 输入：http://localhost:50070进入HDFS页面
  

可能出现的问题及调试方法：
　　启动伪分布后，如果活跃节点显示为零，说明伪分布没有真正的启动。原因是有的时候数据结构出现问题会造成无法启动datanode。如果使用hadoop namenode -format重新格式化仍然无法正常启动，原因是/tmp中的文件没有清除，则需要先清除/tmp/hadoop/*再执行格式化，即可解决hadoop datanode无法启动的问题。具体步骤如下所示：
　　

# 删除hadoop:/tmp　　
$ hadoop fs -rmr /tmp
　　
# 停止hadoop
　　
$ stop-all.sh
　　
# 删除/tmp/hadoop*
　　
$ rm -rf /tmp/hadoop*
　　
# 格式化
　　
$ hadoop namenode -format
　　
# 启动hadoop
　　
$ start-all.sh
　　

测试验证
　　测试验证还是使用上一节的 WordCount。
　　不同的是，这次是伪分布模式，使用到了 hdfs，因此我们需要把文件拷贝到 hdfs 上去。
　　首先创建相关文件夹（要一步一步的创建）：
　　

$ hadoop dfs -mkdir /user　　
$ hadoop dfs -mkdir /user/hadoop
　　
$ hadoop dfs -mkdir /user/hadoop/input
　　

　　

1. 创建输入的数据，采用/etc/protocols文件作为测试
　　先将文件拷贝到 hdfs 上：
　　

$ hadoop dfs -put /etc/protocols /user/hadoop/input　　

　　

2. 执行Hadoop WordCount应用（词频统计）
　　

# 如果存在上一次测试生成的output，由于hadoop的安全机制，直接运行可能会报错，所以请手动删除上一次生成的output文件夹　　
$ bin/hadoop jar share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.6.0-sources.jar org.apache.hadoop.examples.WordCount /user/hadoop/input output
　　

3. 查看生成的单词统计数据
　　

$ hadoop dfs -cat /user/hadoop/output/*　　

关闭服务
　　

$ stop-dfs.sh　　
$ stop-yarn.sh