Hadoop的安装与配置——设置单节点群集

本篇博客将主要介绍如何设置和配置单节点Hadoop安装，以便我们可以使用Hadoop 的MapReduce与HDFS快速执行简单的操作。

零、先决条件

1、本系列以Ubuntu Linux作为开发和生产平台
2、Linux所需的软件包括：

JAVA：必须安装Java，配置好JDK环境变量；
SSH：如果要使用可选的启动和停止脚本，则必须安装ssh并且必须运行sshd才能使用管理远程Hadoop守护程序的Hadoop脚本；
pdsh：安装pdsh以便更好地进行ssh资源管理。

如果群集中没有必需的软件，则需要安装它。在Ubuntu Linux上：

  $ sudo apt-get install ssh$ sudo apt-get install pdsh

一、下载

可以从 Apache Download Mirrors下载获得最稳定的发行版
下载后，使用 : tar -zxvf tar包名，解压到指定位置！

编辑文件etc/ hadoop / hadoop-env.sh以定义一些参数

  # set to the root of your Java installationexport JAVA_HOME=/usr/local/java/jdk1.8export HADOOP_CONF_DIR=/usr/local/apps/hadoop-3.2.1/etc/hadoop

尝试以下命令：

  $ bin / hadoop

二、准备启动Hadoop集群

这将显示hadoop脚本的用法文档
现在，我们可以以三种支持的模式之一启动Hadoop集群：

本地（独立）模式
伪分布式模式
全分布式模式

2.1、独立模式运行

默认情况下，Hadoop被配置为在非分布式模式下作为单个Java进程运行。这对于调试很有用。
下面的示例复制解压缩的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。输出被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-3.2.1.jar grep input output 'dfs[a-z.]+'$ cat output/*

2.2、伪分布式操作模式运行

Hadoop也可以以伪分布式模式在单节点上运行，其中每个Hadoop守护程序都在单独的Java进程中运行。
在以下配置文件中进行修改或添加内容

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>

设置无密码SSH
现在检查您是否可以在不使用密码的情况下SSH到本地主机：

 $ ssh localhost

如果没有密码就无法SSH到本地主机，就执行以下命令：

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

以下说明是在本地运行MapReduce作业：

格式化文件系统：

  $ bin/hdfs namenode -format

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）。

浏览Web界面的NameNode；默认情况下，它在以下位置可用：
NameNode - http://localhost:9870/
设置执行MapReduce作业所需的HDFS目录：

  $ bin/hdfs dfs -mkdir /user$ bin/hdfs dfs -mkdir /user/root

将输入文件复制到分布式文件系统中：

  $ bin/hdfs dfs -mkdir input$ bin/hdfs dfs -put etc/hadoop/*.xml input

运行提供的一些示例：

 $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar grep input output 'dfs[a-z.]+'

检查输出文件：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/*

完成后，使用以下命令停止守护进程：

  $ sbin / stop-dfs.sh

以伪分布式模式在YARN上运行MapReduce作业:
以下指令假定上述本地运行MapReduce作业指令的1.〜4. 步骤已经执行。

如下配置参数：

etc / hadoop / mapred-site.xml：

<configuration> <property> <name> mapreduce.framework.name </ name> <value> yarn </ value> </ property> <property> <name> mapreduce.application.classpath </ name> <value> $ HADOOP_MAPRED_HOME / share / hadoop / mapreduce / *：$ HADOOP_MAPRED_HOME / share / hadoop / mapreduce / lib / * </ value> </ property>
</ configuration>

etc / hadoop / yarn-site.xml：

<configuration> <property> <name> yarn.nodemanager.aux-services </ name> <value> mapreduce_shuffle </ value> </ property> <property> <name> yarn.nodemanager.env-whitelist </ name> <value> JAVA_HOME，HADOOP_COMMON_HOME，HADOOP_HDFS_HOME，HADOOP_CONF_DIR，CLASSPATH_PREPEND_DISTCACHE，HADOOP_YARN_HOME，HADOOP_MAPRED_HOME </ value> </ property>
</ configuration>

启动ResourceManager守护程序和NodeManager守护程序：

  $ sbin/start-yarn.sh

浏览Web界面以找到ResourceManager；默认情况下，它在以下位置可用：

ResourceManager- http：// localhost：8088 /
运行MapReduce作业。

完成后，使用以下命令停止守护进程：

  $ sbin/stop-yarn.sh

2.3、全分布式运行

有关设置完全分布式的非重要集群的信息，将在以后进行介绍！