Ubuntu下Hadoop伪分布搭建

Hadoop的三种集群环境

1、单机版环境

　-默认模式。

　　-不对配置文件进行修改。

　　-使用本地文件系统，而不是分布式文件系统。

　　-Hadoop不会启动NameNode、DataNode、ResourceManager、NodeManager等守护进程，Map()和Reduce()任务作为同一个进程的不同部分来执行的。

　　-用于对MapReduce程序的逻辑进行调试，确保程序的正确。

2、伪分布式环境

-在一台主机模拟多主机。

　　-Hadoop启动NameNode、DataNode、ResourceManager、NodeManager这些守护进程都在同一台机器上运行，是相互独立的Java进程。

　　-在这种模式下，Hadoop使用的是分布式文件系统，各个作业也是由ResourceManager服务，来管理的独立进程。在单机模式之上增加了代码调试功能，允许检查内存使用情况，HDFS输入输出，以及其他的守护进程交互。类似于完全分布式模式，因此，这种模式常用来开发测试Hadoop程序的执行是否正确。

　　-修改5个配置文件：core-site.xml（Hadoop集群的特性，作用于全部进程及客户端）、hdfs-site.xml（配置HDFS集群的工作属性）、mapred-site.xml（配置MapReduce集群的属性）、yarn-site.xml（简单配置MapReduce）、hadoop-env.sh（配置java环境变量）

　　-格式化文件系统

3、完全式环境

-Hadoop的守护进程运行在由多台主机搭建的集群上，是真正的生产环境。

　　-在所有的主机上安装JDK和Hadoop，组成相互连通的网络。

　　-在主机间设置SSH免密码登录，把各从节点生成的公钥添加到主节点的信任列表。

　　-修改7个配置文件：core-site.xml、hdfs-site.xml、mapred-site.xml，yarn-site.xml、hadoop-env.sh、yarn-env.sh指定NameNode和ResourceManager的位置和端口，设置文件的副本等参数

　　-格式化文件系统

安装前环境准备

1、我使用的是Ubuntu16.04的版本

2、使用远程连接工具上传Hadoop-2.4.1的tar以及jdk-7u65的Linux的tar包

3、Ubuntu可以正常连接外网

设置ssh免密登录

sudo apt-get install openssh-server   #安装SSH server
ssh localhost                         #登陆SSH，第一次登陆输入yes
exit                                  #退出登录的ssh localhost
cd ~/.ssh/                            #如果没法进入该目录，执行一次ssh localhost
ssh-keygen -t rsa                     #使用指令后需要连续三次回车

cat ./id_rsa.pub >> ./authorized_keys #加入授权
ssh localhost                         #此时已不需密码即可登录localhost，如果失败则可以搜索SSH免密码登录来寻求答案

安装java、Hadoop，配置环境变量

在上传安装包的当前目录下解压到指定目录

tar -zxvf jdk-(Tab键补齐) -C /opt/software        #-C后面跟上解压的指定目录
tar -axvf hadoop0-(Tab键补齐) -C /opt/software    #如果Tab不了，可以切换到root权限试试

#在software目录下
mv jdk------ jdk          #将安装解压后jdk重命名，方便配置环境变量时不用写一大串
mv hadoop--- hadoop       #重命名Hadoop

我是在系统变量/etc/profile中进行配置，也可以在用户变量环境中进行配置,使用vi进行编辑（使用不了可以使用apt-get isntall vim下载）

vi /etx/profile

在最底部进行配置

#java env
export JAVA_HOME=/opt/software/jdk                                      #路径是你解压后的位置
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
#hadoop env
export HADOOP_HOME=/opt/software/hadoop                                 #路径是你加压后的位置 
export CLASSPATH=$($HADOOP_HOME/bin/hadoop classpath):$CLASSPATH      
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

修改Hadoop的配置文件

Hadoop可修改的配置文件有7个，但伪分布修改3个（Hadoop-env.sh、core-site.xml、hdfs-site.xml）即可

#修改hadoop-env.sh的环境变量
export JAVA_HOME={XXXX}     #将{xxxx}写成java加压后的绝对路径  

#修改 core-site.xml 
		<property>
			<name>fs.defaultFS</name>
			<value>hdfs://localhost:9000</value>
		</property>
		<property>
			<name>hadoop.tmp.dir</name>
			<value>file:/opt/software/hadoop/tmp</value>
		</property>
#xxxx代表你当前的主机名，伪分布可用localhost  0000代表临时文件的路径，只需写出Hadoop的解压路径后的/tmp

#修改hdfs-site.xml
        <property>
             <name>dfs.replication</name>
             <value>1</value>
        </property>
        <property>
             <name>dfs.namenode.name.dir</name>
             <value>file:/opt/software/hadoop/tmp/dfs/name</value>
        </property>
        <property>
             <name>dfs.datanode.data.dir</name>
             <value>file:/opt/software/hadoop/tmp/dfs/data</value>
        </property>
#上面的数字代表你部署的节点，伪分布一个。xxxx是指Hadoop的解压路径

#添加mapred-site.xml (注意移除.template)
<configuration>
		<property>
			<name>mapreduce.framework.name</name>
			<value>yarn</value>
		</property>
</configuration>

#修改yarn-site.xml
		<property>
			<name>yarn.resourcemanager.hostname</name>
			<value>localhost</value>
		</property>
#xxxx代表当前主机名，伪分布可以是localhost

格式化文件，启动集群

格式化文件

 ./bin/hdfs namenode -format  

启动所有集群，Hadoop的bin目录下

start-all.sh
jps                          #查看守护进程
http://localhost:50070       #网址访问hdfs监控界面
http://localhost:8088        #网址访问yarn监控界面
#如果访问不了可以查看防火墙是否关闭，或者使用ip地址＋端口进行访问

关闭所有集群

stop-all.sh