hadoop

一、环境

1、centos

2、JDK

3、hadoop

二、单机版

1、下载hadoop，地址http://120.203.214.5/8c2/71233/8c262c70bcd6098df871f293e2f9337d3f571233/hadoop-2.7.3.tar.gz?n=hadoop-2.7.3.tar.gz

2、tar -zxf hadoop-2.7.3.tar.gz，解压

3、配置hadoop的环境变量，vim /etc/profile

4、复制hadoop-2.7.3/etc/hadoop为hadoop-2.7.3/etc/hadoop_conf。进入hadoop_conf，修改hadoop-env.sh和yarn-env.sh

hadoop-env.sh

yarn-env.sh

5、输入hadoop version显示版本信息

6、输入hadoop namenode -format格式化，再输入hadoop fs -ls /会显示根目录信息

三、伪分布式

1、单机、伪分布式、完全分布式一些属性的配置表

2、在hadoop-2.7.3下mkdir -p tmp dfs/name dfs/data,然后分别修改hadoop_conf下的core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml,将以下对应xml的代码拷贝到相应的xml文件中

<?xml version="1.0"?>
<!-- core-site.xml -->
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost/</value>
</property>

　<property>
　<name>hadoop.tmp.dir</name>
　<value>/usr/local/hadoop-2.7.3/tmp</value>
　</property>

　<property>
　<name>dfs.name.dir</name>
　<value>/usr/loal/hadoop-2.7.3/dfs/name</value>
　</property>

</configuration>
<?xml version="1.0"?>
<!-- hdfs-site.xml -->
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>

　<property>
　<name>dfs.data.dir</name>
　<value>/usr/local/hadoop-2.7.3/dfs/data</value>
　</property>

</configuration>
<?xml version="1.0"?>
<!-- mapred-site.xml -->
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
<?xml version="1.0"?>
<!-- yarn-site.xml -->
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>localhost</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>

比如mapred-site.xml

3、配置完成后，要配置ssh，查看是否安装了ssh，使用命令which ssh，若出现/usr/bin/ssh表示已安装。

4、输入命令ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa，它会在你的/home/xxx(当前登陆的用户文件夹)创建一个隐藏的文件夹./ssh，使用命令ls -al查看，产生的文件目录如下：

其中id_rsa为私密密钥，id_rsa.pub为公开密钥，这么做的目的是为了完全分布式时，多个hadoop之间的加密通信。私密密钥只能解密公密发过来的加密信息，公开密钥只能解密私密密钥发过来的加密信息。

5、输入命令cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys，也就是生成上图出现的authorized_keys文件，用于存储认证信息，第一登陆需要输入认证，第二次就可以直接登陆

6、登陆命令ssh localhost,第一次会出现确认信息，输入yes即可，下次登陆就没有这个步骤了，推出输入exit。

7、先格式化，hadoop namenode -format，再启动守护线程，先输入start-dfs.sh再输入start-yarn.sh最后输入（这个可以不启动）mr-jobhistory-daemon.sh start historyserver，或使用start-all.sh一键启动，不过官方已经不推荐这么用了。（注意：这样是启动不了的，因为前面我们修改了默认的配置的文件，我们真正进行了配置的文件是hadoop_conf）

（1）第一种方法给每个命令后面加上--config /home/hadoop-2.7.3/etc/hadoop_conf

（2）第二种配置环境变量 HADOOP_CONF_DIR，vim /etc/profile,增加HADOOP_CONF_DIR=/home/hadoop-2.7.3/etc/hadoop_conf

（3）第三种把原来的hadoop改个名字，再给hadoop_conf建立一个链接，ln -s hadoop_conf hadoop,当然如果你直接在hadoop上改东西的话，这一切将不会发生。

8、启动后输入hadoop fs -ls /你会发现是空的，此时你可以使用hadoop fs -mkdir /user/建立一个user文件夹，再次使用hadoop fs -ls / 就可以看到刚才建立的user文件夹。

四、完全分布式

1、再克隆3个虚拟机

2、打开全部虚拟机，修改每个虚拟机的主机名，vim /etc/sysconfig/network,vim /etc/hosts，并且添加本机和其他主机的ip和主机名，全部重启

network

hosts

3、此时可以在其中任何一台机器上访问其他的主机

4、我们以s0主机作为namenode，所以我们修改s0的配置文件，修改core-site.xml、yarn-site.xml，hdfs-site.xml,给hadoop_conf下的slaves添加s1,s2,s3，表示添加三个数据节点

如果还要设置一个secondaryNode，比如将s2同时设置成secondaryNode，那么修改masters文件输入s2保存即可。

5、其他的主机应当配置一个和s0主机一样的配置文件，由于直接改麻烦，我们可以用远程复制方式

依次使用命令scp -r hadoop_conf root@s1:/home/hadoop-2.7.3/etc/hadoop_conf，

scp -r hadoop_conf root@s1:/home/hadoop-2.7.3/etc/hadoop_conf，

scp -r hadoop_conf root@s2:/home/hadoop-2.7.3/etc/hadoop_conf，

scp -r hadoop_conf root@s3:/home/hadoop-2.7.3/etc/hadoop_conf

6、hadoop namenode -format ,start-all.sh启动

启动所有的服务后可在windows的浏览器中输入 http://s0:50070/来访问namenode。这个s0是nameNode的主机名，可以修改windows下的一个叫做hosts的文件,它的位置C:WindowsSystem32driversetc下。

添加类似以下内容即可：

192.168.243.128 s0