Hadoop伪分布式模式部署

Hadoop的安装有三种执行模式：

单机模式（Local (Standalone) Mode）：Hadoop的默认模式，0配置。Hadoop执行在一个Java进程中。使用本地文件系统。不使用HDFS，一般用于开发调试MapReduce程序的应用逻辑。
伪分布式模式（Pseudo-Distributed Mode）：需简单配置，相当于仅仅有一个节点的集群，Hadoop的全部守护进程执行在同一台机器上。该模式在单机模式之上添加了代码调试功能，同意你检查内存使用情况，HDFS输入输出。以及其它的守护进程交互。
全然分布式模式（Fully-Distributed Mode）：依据须要进行配置。多节点，一般用于生产环境。可觉得是由伪分布式模式的一个节点变为多个节点。

准备工作

这里的准备工作能够查看Hadoop单机模式部署准备工作。

总结一下就是：

Linux系统环境
安装JDK及其环境变量、ssh及ssh的免password登录
Hadoop安装包
环境变量的配置

环境搭建

改动core-site.xml

改动$HADOOP_HOME/etc/hadoop/core-site.xml文件。在默认情况下，这个文件为空。没有不论什么配置。这里须要指定NameNode的ip和port（默认port是8020）。

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://192.168.1.134:9000</value>
    </property>
</configuration>

192.168.1.134是我的本机地址。能够写localhost或127.0.0.1。可是假设须要Eclipse远程调用Hadoop的时候，须要些详细的ip地址。否则调不通。

改动hdfs-site.xml

HDFS是分布式文件系统。为了安全性考虑，会将上传至HDFS的文件的每一个分块复制到N个节点上，即复制N次（这里的N成为复制因子）。这里将复制因子改为1。

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

启动最小Hadoop伪分布式模式

经过上面的最小配置后，Hadoop已经能够启动伪分布式模式了。

格式化文件系统

第一次执行Hadoop的时候须要格式化其文件系统：

$ bin/hdfs namenode -format

假设成功，会打印：

。。。

14/10/14 19:09:05 INFO common.Storage: Storage directory /tmp/hadoop-lxh/dfs/name has been successfully formatted. 。

。。

启动NameNode守护进程和DataNode守护进程

直接通过Hadoop提供的脚本start-dfs.sh就可以：

$ sbin/start-dfs.sh

启动日志保存在$HADOOPLOGDIR文件夹中（默认是$HADOOP_HOME/logs）。

查看启动的进程

能够通过jps查看已经启动的进程：

31536 SecondaryNameNode
31381 DataNode
31254 NameNode
31643 Jps

说明DataNode、NameNode、SecondaryNameNode已经启动成功。

查看NameNode的web接口

通过默认的NameNode的web接口http://localhost:50070/，能够查看NameNode收集的信息。相当于关于Hadoop提供的一个信息查询系统。

Hello World

运行官网提供的验证程序。

$ hdfs dfs -mkdir /input
$ hdfs dfs -put $HADOOP_HOME/etc/hadoop/* /input
$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.4.1.jar grep /input /output 'dfs[a-z.]+'
$ hdfs dfs -cat /output/*

最后一条命令是显示最后的运行结果：

6   dfs.audit.logger
4   dfs.class
3   dfs.server.namenode.
2   dfs.period
2   dfs.audit.log.maxfilesize
2   dfs.audit.log.maxbackupindex
1   dfsmetrics.log
1   dfsadmin
1   dfs.servers
1   dfs.replication
1   dfs.file

停止进程

伪分布式模式中的第一个Hello World运行成功后，能够关闭进程了。

$ stop-dfs.sh

配置YARN

通过配置一些參数，并启动ResourceManager守护进程和NodeManager守护进程，能够在伪分布式模式中，在YARN上执行MapReduce任务。

上面的最小配置不变。

改动mapred-site.xml

在默认的Hadoop安装包中，没有mapred-site.xml文件，能够复制mapred-site.xml.template，并改动。指定在YARN中执行MapReduce任务：

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

改动yarn-site.xml

指明须要向MapReduce应用提供的Shuffle服务。

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

执行

能够通过start-yarn.sh启动ResourceManager守护进程和NodeManager守护进程，通过stop-yarn.sh停止。

补充配置

Hadoop默认将HDFS文件系统写在/tmp/hadoop-中。由于系统重新启动会清理/tmp文件夹。所以须要保证重新启动系统不丢失数据，须要改动默认数据保存位置。

core-site.xml

<property>
    <name>hadoop.tmp.dir</name>
    <value>file:/home/lxh/hadoop/tmp/hadoop</value>
</property>

hdfs-site.xml

<property>
    <name>dfs.namenode.name.dir</name>
    <value>file:/home/lxh/hadoop/hdfs/name</value>
</property>
<property>
    <name>dfs.datanode.data.dir</name>
    <value>file:/home/lxh/hadoop/hdfs/data</value>
</property>