hadoop-2.8.0 伪分布式运行模式

概述

　　伪分布式模式下，hadoop将所有进程运行于同一台主机上，但此时hadoop将使用分布式文件系统，而且各jobs也是由JobTracker服务管理的独立进程。同时，由于伪分布式的hadoop集群只有一个节点，因此HDFS的块复制将限制为单个副本，器master和slave也都将运行于本地主机。此种模式除了并非真正意义的分布式以外，其程序执行逻辑完全类似于完成分布式，因此，常用于开发人员测试程序执行。

1.启动HDFS并运行MapReduce程序

　　1.1 配置hadoop-env.sh文件

vim hadoop/etc/hadoop/hadoop-env.sh

　　　　修改内容如下：

# The java implementation to use.
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.242.b08-0.el7_7.x86_64

　　1.2 配置core-site.xml文件

<configuration>
     <!--NameNode的IP地址和端口-->
     <property>
          <name>fs.defaultFS</name>
          <value>hdfs://192.168.138.55:9000</value>
    　</property>
      <!--指定hadoop运行时产生文件的存储目录-->
      <property>
           <name>hadoop.tmp.dir</name>
           <value>/opt/module/hadoop/data/temp</value>
      </property>
</configuration>

　　1.3 配置hdfs-site.xml文件

<configuration>
     <!--指定HDFS副本的数量-->
     <property> 
         <name>dfs.replication</name>    
   　　  <value>1</value> 
     </property>
</configuration>

　　1.4 启动集群

　　　　1.4.1 格式化NameNode(第一次启动时格式化，以后就不要总格式化)

bin/hdfs namenode -format

　　　　　　

　　　　1.4.2 启动NameNode

hadoop-daemon.sh start namenode

　　　　　　

　　　　　　可以使用【jps】命令查看是否成功启动namenode

　　　　　　

　　　　1.4.3 启动DataNode

hadoop-daemon.sh start datanode

　　　　　　

 　　　　　　使用【jps】命令查看是否成功启动DataNode

　　　　　　　

　　1.5 访问网页

　　　　地址：http://192.168.138.55:50070/

　　　　

　　1.6 为什么不能一直格式化namenode，格式化NameNode，需要注意什么？

　　　　格式NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到以往的数据。所以，格式NameNode时，一定要先删除data数据和log日志，然后在格式化NameNode

2.启动yarn并运行MapReduce程序

　　2.1 配置yarn-env.sh文件

# some Java parameters
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.242.b08-0.el7_7.x86_64

　　2.2 配置yarn-site.xml文件

<configuration>

<!-- Site specific YARN configuration properties -->
     <!-- Reducer获取数据的方式 -->
     <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
     </property>
     <!-- 指定YARN的ResourceManager的地址 -->
     <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>192.168.138.55</value>
     </property>

</configuration>

　　2.3 配置mapred-env.sh文件

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.242.b08-0.el7_7.x86_64

　　2.4 配置mapred-site.xml文件

　　　　2.4.1 将mapred.site.xml.template文件改为mapred-site.xml文件

cp mapred-site.xml.template mapred-site.xml

　　　　2.4.2 配置文件内容如下：

<configuration>
<!-- 指定MR运行在YARN上 -->
     <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
     </property>
</configuration>

　　2.5启动集群

　　　　2.5.1 启动前必须保证NameNode和DataNode已经启动；

　　　　2.5.2 启动ResourceManager

yarn-daemon.sh start resourcemanager

　　　　2.5.6 启动NodeManager

yarn-daemon.sh start nodemanager

　　2.6 访问网页

　　　　地址：http://192.168.138.55:8088/cluster

　　　　

　　2.7 集群操作

　　　　2.7.1 上传wcinput文件夹到HDFS上

 hadoop fs -put wcinput /

　　　　　　

 　　　　2.7.2 执行MapReduce程序

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.0.jar wordcount /wcinput /wcoutput

　　　　　　

 　　　　2.7.3 查看运行结果

hadoop fs -cat /wcoutput/*

　　　　　　

3.配置历史服务器

　　为了查看程序的历史运行情况，需要配置一个历史服务器；

　　3.1 配置mapred-site.xml

<!-- 历史服务器端地址 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>192.168.138.55:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>192.168.138.55:19888</value>
</property>

　　3.2 启动历史服务器

sbin/mr-jobhistory-daemon.sh start historyserver

　　3.3 使用【jps】查看历史服务器是否启动

　　　　　　

　　3.4 查看JobHistory

　　　　地址：http://192.168.138.55:19888

　　　　

4.配置日志的聚集

　　日志聚集概念：应用运行完成之后，将程序运行日志信息上传到HDFS系统上；

　　日志聚集功能好处：可以方便的查看到程序运行情况，方便开发调试；

　　注意：开启日志聚集功能，需要启动NodeManager,ResourceManager和HistoryManager；

　　4.1 配置yarn-site.xml文件

<!-- 日志聚集功能使能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>

<!-- 日志保留时间设置7天 -->
<property>    
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
</property>

　　4.2 关闭NodeManager,ResourceManager和HistoryManager

sbin/yarn-daemon.sh stop resourcemanager

sbin/yarn-daemon.sh stop nodemanager

sbin/mr-jobhistory-daemon.sh stop historyserver

　　4.3 启动NodeManager,ResourceManager和HistoryManager

sbin/yarn-daemon.sh start resourcemanager

sbin/yarn-daemon.sh start nodemanager

sbin/mr-jobhistory-daemon.sh start historyserver

　　4.4 删除HDFS上已经存在的输出文件

bin/hdfs dfs -rm -R /wcoutput

　　4.5 执行WordCount程序

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.0.jar wordcount /wcinput /wcoutput

　　4.6 查看日志

　　　　地址：http://192.168.138.55:19888

　　　　

 　　　　　　

　　　　　　点击logs即可查看日志

　　　　　　

5.配置文件说明

　　hadoop配置文件分两类：默认胚子文件个自定义配置文件，只有用户像修改某一默认配置值时，才需要修改自定义配置文件，更改响应属性值；

　　5.1 默认配置文件

　　　　

 　 5.2 自定义配置文件

　　　　core-site.xml，hdfs-site.xml，yarn-site.xml，mapred-site.xml四个配置文件存放在/etc/hadoop这个路径上，用户可以根据项目需求进行修改配置；