Hadoop实践（二）---Hadoop单机模式，

1.目的

本文档介绍如何设置和配置单节点Hadoop安装，以便您可以使用Hadoop MapReduce和Hadoop分布式文件系统（HDFS）快速执行简单操作。

2.前期准备

2.1支持的平台

• 支持GNU / Linux作为开发和生产平台。 Hadoop已经在具有2000个节点的GNU / Linux集群上演示。
• Windows也是一个受支持的平台，但以下步骤仅适用于Linux。要在Windows上设置Hadoop，请参阅wiki页面。

2.2所需软件

Linux所需的软件包括：

2.3安装软件

如果您的集群没有必需的软件，您将需要安装它。

例如在Ubuntu Linux上：

$ sudo apt-get install ssh
$ sudo apt-get install rsync

3.下载

要获取Hadoop发行版，请从Apache下载镜像之一下载最新的稳定版本

4.准备启动Hadoop集群

解压下载的Hadoop发行版。在分发中，编辑文件etc / hadoop / hadoop-env.sh以定义一些参数，如下所示：

# set to the root of your Java installation
export JAVA_HOME=/usr/java/latest

尝试以下命令：

$ bin/hadoop

这将显示hadoop脚本的使用文档。

现在您已准备好以三种受支持的模式之一启动Hadoop群集：

• 本地（独立）模式
• 伪分布模式
• 全分布模式

5.独立模式

默认情况下，Hadoop配置为作为单个Java进程在非分布式模式下运行。这对于调试非常有用。

以下示例复制解压缩的conf目录以用作输入，然后查找并显示给定正则表达式的每个匹配项。输出写入给定的输出目录。

  $ mkdir input
  $ cp etc/hadoop/*.xml input
  $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar grep input output 'dfs[a-z.]+'
  $ cat output/*

6.伪分布式操作

Hadoop也可以在伪分布式模式下在单节点上运行，其中每个Hadoop守护程序在单独的Java进程中运行。

6.1配置

使用以下内容：

etc/hadoop/core-site.xml:

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

etc/hadoop/hdfs-site.xml:

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

6.2设置passphraseless ssh

现在检查你可以ssh到localhost没有密码：

  $ ssh localhost

如果您不能ssh到localhost没有密码，请执行以下命令：

 $ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
 $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
 $ chmod 0600 ~/.ssh/authorized_keys

6.3执行

以下说明是在本地运行MapReduce作业。如果要在YARN上执行作业，请参阅单节点上的YARN。

1.格式化文件系统：

 $ bin/hdfs namenode -format

2.启动NameNode守护程序和DataNode守护程序：

 $ sbin/start-dfs.sh

Hadoop守护程序日志输出将写入$ HADOOP_LOG_DIR目录（默认为$ HADOOP_HOME / logs）。

3.浏览NameNode的Web界面;默认情况下它在以下位置可用：

NameNode - http://localhost:50070/

4.创建执行MapReduce作业所需的HDFS目录：

  $ bin/hdfs dfs -mkdir /user
  $ bin/hdfs dfs -mkdir /user/<username>

5.将输入文件复制到分布式文件系统中：

 $ bin/hdfs dfs -put etc/hadoop input

6.运行一些提供的示例：

 $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar grep input output 'dfs[a-z.]+'

7.检查输出文件：

7.1将输出文件从分布式文件系统复制到本地文件系统并检查它们：

  $ bin/hdfs dfs -get output output
  $ cat output/*

7.2查看分布式文件系统上的输出文件：

 $ bin/hdfs dfs -cat output/*

8.当你完成后，停止守护进程：

 $ sbin/stop-dfs.sh

7.YARN在单个节点上

您可以通过设置一些参数并运行ResourceManager守护程序和NodeManager守护程序，在伪分布式模式下在YARN上运行MapReduce作业。

以下说明假定上述指令的1.〜4.步骤已经执行。

1.配置参数如下：etc / hadoop / mapred-site.xml：

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

etc/hadoop/yarn-site.xml:

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

2.启动ResourceManager守护程序和NodeManager守护程序：

 $ sbin/start-yarn.sh

3.浏览ResourceManager的Web界面;默认情况下它在以下位置可用：

ResourceManager - http://localhost:8088/

4.运行MapReduce作业。

5.当你完成后，停止守护进程：

  $ sbin/stop-yarn.sh

8.全分布式操作

有关设置完全分布式，非平凡群集的信息，请参阅群集设置。