安装hadoop伪分布式模式(SingleNodeCluster)-创新互联
目的
本文档介绍如何去安装单节点hadoop集群，以便你可以的了解和使用hadoop的HDFS和MapReduce.
环境：
os: CentOS release 6.5 (Final)
ip: 172.16.101.58
user：root
hadoop-2.9.0.tar.gz
SSH无密码登录配置
因为本文档使用root用户安装，所以需要配置好root用户ssh无密码登录本地节点
[root@sht-sgmhadoopdn-01 ~]#ssh-keygen -t rsa
[root@sht-sgmhadoopdn-01 .ssh]#cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
[root@sht-sgmhadoopdn-01 ~]# ssh localhost
Java安装和配置
[root@sht-sgmhadoopdn-01 ~]# cd /usr/java
[root@sht-sgmhadoopdn-01 java]# tar xf jdk-8u111-linux-x64.tar.gz
[root@sht-sgmhadoopdn-01 java]# chown -R root:root jdk1.8.0_111/
[root@sht-sgmhadoopdn-01 bin]# /usr/java/jdk1.8.0_111/bin/java -version
java version "1.8.0_111"
[root@sht-sgmhadoopdn-01 ~]# vim ~/.bash_profile
export HADOOP_HOME=/opt/cloudera/parcels/CDH/lib/hadoop
export JAVA_HOME=/usr/java/jdk1.8.0_111
export PATH=$JAVA_HOME/bin:$PATH:$HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export LD_LIBRARY_PATH=/home/bduser/hadoop/hadoop-2.7.3/lib/native/:$LD_LIBRARY_PATH
[root@sht-sgmhadoopdn-01 ~]# source .bash_profile
[root@sht-sgmhadoopdn-01 ~]# which java
/usr/java/jdk1.8.0_111/bin/java
下载和解压hadoop
[root@sht-sgmhadoopdn-01 local]# wget http://www-us.apache.org/dist/hadoop/common/hadoop-2.9.0/hadoop-2.9.0.tar.gz
[root@sht-sgmhadoopdn-01 local]# tar xf hadoop-2.9.0.tar.gz
[root@sht-sgmhadoopdn-01 ~]#vim .bash_profile
export HADOOP_HOME=/usr/local/hadoop-2.9.0
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$JAVA_HOME/bin:$PATH
[root@sht-sgmhadoopdn-01 ~]# source .bash_profile
[root@sht-sgmhadoopdn-01 ~]# which hadoop
/usr/local/hadoop-2.9.0/bin/hadoop
[root@sht-sgmhadoopdn-01 local]# hadoop version
Hadoop 2.9.0
......
hadoop jar命令解析
jar
将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中:
正则表达式：
[a-z]表示匹配包含在a-z之中的任意一个字符
+ 表示匹配之前的项1次或者多次
[root@sht-sgmhadoopdn-01 ~]# cd /usr/local/hadoop-2.9.0
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# cp etc/hadoop/*.xml input/
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.0.jar grep input output 'dfs[a-z.]+'
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# cat output/*
1dfsadmin
Hadoop配置文件说明
(1)Hadoop 的运行方式是由配置文件决定的（运行 Hadoop时会读取配置文件），因此如果需要从伪分布式模式切换回非分布式模式，需要删除 core-site.xml 中的配置项。
(2)伪分布式虽然只需要配置 fs.defaultFS 和 dfs.replication 就可以运行（官方教程如此），不过若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行 format 才行。所以我们进行了设置，同时也指定 dfs.namenode.name.dir 和 dfs.datanode.data.dir，否则在接下来的步骤中可能会出错
修改配置文件
Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 守护进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件。
Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。
[root@sht-sgmhadoopdn-01 hadoop]#cat /usr/local/hadoop-2.9.0/etc/hadoop/core-site.xml
[root@sht-sgmhadoopdn-01 hadoop]#cat /usr/local/hadoop-2.9.0/etc/hadoop/hdfs-site.xml
[root@sht-sgmhadoopdn-01 hadoop]# vim /usr/local/hadoop-2.9.0/etc/hadoop/hadoop-env.sh
#export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/usr/java/jdk1.8.0_111
启动hadoop集群
#NameNode 的格式化:
[root@sht-sgmhadoopdn-01 hadoop]# hdfs namenode -format
#开启NameNode 和DataNode 守护进程，(这一步会启动三个进程，分别是namenode,datanode,secondarynamenode)
[root@sht-sgmhadoopdn-01 hadoop]# /usr/local/hadoop-2.9.0/sbin/start-dfs.sh
#通过jps命令查看进程号和进程名称
[root@sht-sgmhadoopdn-01 logs]# jps
12704 DataNode
14273 Jps
12580 NameNode
27988 -- process information unavailable
13015 SecondaryNameNode
27832 -- process information unavailable
#也可以通过stop-dfs.sh停止守护进程，（下次启动hadoop时，无需进行NameNode的初始化，只需要运行start-dfs.sh就可以）
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# /usr/local/hadoop-2.9.0/sbin/stop-dfs.sh
成功启动进程后可以通过浏览器访问，查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件：
NameNode http://172.16.101.58:50070
运行hadoop伪分布实例MapReduce Job
#创建hdfs目录/user/root/input，并把本地的文件拷贝到hdfs上
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hdfs dfs -mkdir -p /user/root/input
[root@sht-sgmhadoopdn-01 ~]# hdfs dfs -ls
drwxr-xr-x - root supergroup 0 2017-12-24 15:20 input
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hdfs dfs -put /usr/local/hadoop-2.9.0/etc/hadoop/*.xml /user/root/input
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hdfs dfs -ls /user/root/input
Found 8 items
-rw-r--r-- 1 root supergroup 7861 2017-12-24 15:20 /user/root/input/capacity-scheduler.xml
-rw-r--r-- 1 root supergroup 1040 2017-12-24 15:20 /user/root/input/core-site.xml
-rw-r--r-- 1 root supergroup 10206 2017-12-24 15:20 /user/root/input/hadoop-policy.xml
-rw-r--r-- 1 root supergroup 1091 2017-12-24 15:20 /user/root/input/hdfs-site.xml
-rw-r--r-- 1 root supergroup 620 2017-12-24 15:20 /user/root/input/httpfs-site.xml
-rw-r--r-- 1 root supergroup 3518 2017-12-24 15:20 /user/root/input/kms-acls.xml
-rw-r--r-- 1 root supergroup 5939 2017-12-24 15:20 /user/root/input/kms-site.xml
-rw-r--r-- 1 root supergroup 690 2017-12-24 15:20 /user/root/input/yarn-site.xml
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hadoop jar /usr/local/hadoop-2.9.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.0.jar grep input output 'dfs[a-z]+'
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hdfs dfs -cat output/*
1dfsadmin
#默认不会覆盖结果文件，因此再次运行上面实例会提示出错：hdfs://localhost:9000/user/root/output already exists，需要先将output 删除。
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hdfs dfs -rm -r /user/root/output
Deleted /user/root/output
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hadoop jar /usr/local/hadoop-2.9.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.0.jar grep input output 'dfs[a-z.]+'
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hdfs dfs -cat output/*
1dfsadmin
1dfs.replication
1dfs.namenode.name.dir
1dfs.datanode.data.dir
#也可以从hdfs上拷贝文件到本地
[root@sht-sgmhadoopdn-01 hadoop-2.9.0]# hdfs dfs -get /user/root/output /usr/local/hadoop-2.9.0/
运行YARN在单节点上
（1）新版的 Hadoop 使用了新的 MapReduce 框架（MapReduce V2，也称为 YARN，Yet Another Resource Negotiator）。
（2）YARN 是从 MapReduce 中分离出来的，负责资源管理与任务调度。YARN 运行于 MapReduce 之上，提供了高可用性、高扩展性，
上述通过 ./sbin/start-dfs.sh 启动 Hadoop，仅仅是启动了 MapReduce 环境，我们可以启动 YARN ，让 YARN 来负责资源管理与任务调度。
（3）如果不想启动 YARN，务必把配置文件 mapred-site.xml 重命名，改成 mapred-site.xml.template，需要用时改回来就行。否则在该配置文件存在，而未开启 YARN 的情况下，运行程序会提示 “Retrying connect to server: 0.0.0.0/0.0.0.0:8032” 的错误，这也是为何该配置文件初始文件名为 mapred-site.xml.template。
（4）但 YARN 主要是为集群提供更好的资源管理与任务调度，然而这在单机上体现不出价值，反而会使程序跑得稍慢些。因此在单机上是否开启 YARN 就看实际情况了
[root@sht-sgmhadoopdn-01 hadoop]# mv /usr/local/hadoop-2.9.0/etc/hadoop/mapred-site.xml.template mapred-site.xml
[root@sht-sgmhadoopdn-01 hadoop]# cat mapred-site.xml
[root@sht-sgmhadoopdn-01 hadoop]# cat yarn-site.xml
[root@sht-sgmhadoopdn-01 hadoop]# jps
27988 -- process information unavailable
30341 DataNode
32663 Jps
27832 -- process information unavailable
30188 NameNode
30525 SecondaryNameNode
#前提是已经使用start-dfs.sh脚本启动过
[root@sht-sgmhadoopdn-01 hadoop]# /usr/local/hadoop-2.9.0/sbin/start-yarn.sh
#相比使用MapReduce多了ResourceManager和NodeManager这两个进程
[root@sht-sgmhadoopdn-01 hadoop]# jps
27988 -- process information unavailable
30341 DataNode
32758 ResourceManager
855 Jps
27832 -- process information unavailable
411 NodeManager
30188 NameNode
30525 SecondaryNameNode
#启动后可以通过浏览器访问：
ResourceManager - http://172.16.101.58:8088
停止hadoop集群
[root@sht-sgmhadoopdn-01 hadoop]# /usr/local/hadoop-2.9.0/sbin/stop-yarn.sh
[root@sht-sgmhadoopdn-01 hadoop]#/usr/local/hadoop-2.9.0/sbin/stop-dfs.sh
[root@sht-sgmhadoopdn-01 hadoop]# /usr/local/hadoop-2.9.0/sbin/mr-jobhistory-daemon.sh stop historyserver
no historyserver to stop
参考链接：
http://www.powerxing.com/install-hadoop/
http://hadoop.apache.org/docs/r2.9.0/hadoop-project-dist/hadoop-common/SingleCluster.html
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
新闻标题：安装hadoop伪分布式模式(SingleNodeCluster)-创新互联
分享链接：http://scyanting.com/article/cddgoe.html
