Hadoop伪分布式和完全分布式配置

Hadoop的三种模式:

本地模式：本地模拟实现，不使用分布式文件系统

伪分布式模式：5个进程在一台主机上启动，一般开发人员调试hadoop程序使用

完全分布式模式：至少3个结点，JobTracker和NameNode在同一台主机上，secondaryNameNode一台主机，DataNode和Tasktracker一台主机

本次试验环境：

CentOS2.6.32-358.el6.x86_64

jdk-7u21-linux-x64.rpm

hadoop-0.20.2-cdh3u6.tar.gz

一、hadoop伪分布式模式的配置
[root@localhost ~]# rpm -ivh jdk-7u21-linux-x64.rpm
[root@localhost ~]# vim /etc/profile.d/java.sh
JAVA_HOME=/usr/java/latest
PATH=$JAVA_HOME/bin:$PATH
export JAVA_HOME PATH         
[root@localhost ~]# tar xf hadoop-0.20.2-cdh3u6.tar.gz -C /usr/local/
[root@localhost ~]# cd /usr/local/
[root@localhost local]# ln -sv hadoop-0.20.2-cdh3u6/ hadoop 
[root@localhost ~]# vim /etc/profile.d/hadoop.sh
HADOOP_HOME=/usr/local/hadoop
PATH=$HADOOP_HOME/bin:$PATH
export HADOOP_HOME PATH

测试jdk和hadoop是否正确安装
[root@localhost ~]# java -version
[root@localhost ~]# hadoop version
创建用户并修改hadoop文件权限
[root@localhost ~]# useradd hduser
[root@localhost ~]# passwd hduser
[root@localhost ~]# chown -R hduser.hduser /usr/local/hadoop/
创建hadoop临时数据保存目录
[root@localhost ~]# mkdir /hadoop/temp -pv
[root@localhost ~]# chown -R hduser.hduser /hadoop/

主要脚本功能：
/usr/local/hadoop/bin/start-dfs.sh        启动namenode datanode secondarynamenode进程
/usr/local/hadoop/bin/start-mapred.sh    启动jobtracker tasktracker
/usr/local/hadoop/bin/hadoop-daemon.sh    单独启动某个进程
/usr/local/hadoop/bin/start-all.sh        启动全部进程
/usr/local/hadoop/bin/stop-all.sh        停止全部进程
主要配置文件：
/usr/local/hadoop/conf/masters    保存第二名称节点的位置（secondaryNameNode）
/usr/local/hadoop/conf/slaves        保存从节点的位置（所有运行tasktracker和datanode的结点）
/usr/local/hadoop/conf/core-site.xml    用于定义系统级别的参数
/usr/local/hadoop/conf/hdfs-site.xml    HDFS的相关设定
/usr/local/hadoop/conf/mapred-site.xml    HDFS的相关设定，如reduce任务的默认个数、任务所能够使用内存的默认上下限等
/usr/local/hadoop/conf/hadoop-env.sh    定义hadoop运行环境相关的配置信息

让hadoop启动起来，只需修改一下配置文件即可
[root@localhost conf]# vim core-site.xml

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl" href=\'#\'"  Put site-specific property overrides in this file. -->

<configuration>

  <property>

      <name>hadoop.tmp.dir</name>

          <value>/hadoop/temp</value>

            </property>

  <property>

      <name>fs.default.name</name>

          <value>hdfs://localhost:8020</value>

  </property>

</configuration>

[root@localhost conf]# vim mapred-site.xml

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl" href=\'#\'"  Put site-specific property overrides in this file. -->

<configuration>

  <property>

      <name>mapred.job.tracker</name>

      <value>localhost:8021</value>

  </property>

</configuration>

[root@localhost conf]# vim hdfs-site.xml

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl" href=\'#\'"  Put site-specific property overrides in this file. -->

<configuration>

  <property>

      <name>dfs.replication</name>

      <value>1</value>

  </property>

</configuration>

配置hduser通过ssh不需要密码访问本机
[hduser@localhost ~]$ ssh-keygen -t rsa -P ''
[hduser@localhost .ssh]$ ssh-copy-id -i id_rsa.pub hduser@localhost

[hduser@localhost ~]$ hadoop namenode -format    格式化名称结点[hduser@localhost ~]$ start-all.sh 启动服务
[hduser@localhost ~]$ jps    查看进程
NameNode
DataNode
JobTracker
TaskTracker
secondaryNameNode
如果以上5个进程启动起来，说明hadoop配置成功

hadoop常用命令：
[hduser@localhost ~]$ hadoop    查看帮助
[hduser@localhost ~]$ hadoop fs
[hduser@localhost ~]$ hadoop fs -mkdir test    在HDFS上创建目录
[hduser@localhost ~]$ hadoop fs -ls    查看文件或目录
[hduser@localhost ~]$ hadoop fs -put test.txt test    上传本地文件到HDFS

用hadoop自带的任务模型测试hadoop可用性：
[hduser@localhost ~]$ hadoop jar /usr/local/hadoop/hadoop-examples-0.20.2-cdh3u6.jar    读取jar文件
[hduser@localhost ~]$ hadoop jar /usr/local/hadoop/hadoop-examples-0.20.2-cdh3u6.jar wordcount    查看wordcount的语法格式
Usage: wordcount <in> <out>
                in读取文件位置        out保存结果位置（HDFS上，目录不能事先存在）

[hduser@localhost ~]$ hadoop jar /usr/local/hadoop/hadoop-examples-0.20.2-cdh3u6.jar wordcount test wordcount-out
[hduser@localhost ~]$ hadoop job -list all    查看执行过的作业
[hduser@localhost ~]$ hadoop fs -ls wordcount-out    查看任务输出结果
[hduser@localhost ~]$ hadoop fs -cat wordcount-out/part-r-00000

hadoop提供的web任务进程查看界面：（访问需关闭防火墙）
    JobTracker的HTTP服务器地址和端口，默认为0.0.0.0:50030；
    TaskTracker的HTTP服务器地址和端口，默认为0.0.0.0:50060；
    NameNode的HTTP服务器地址和端口，默认为0.0.0.0:50070；
    DataNode的HTTP服务器地址和端口，默认为0.0.0.0:50075；
    SecondaryNameNode的HTTP服务器地址和端口，默认为0.0.0.0:50090；