CentOS中Hadoop单机伪分布式配置

5 Hadoop单机配置

首先我们需要为我们的主机名增加IP映射，那么我们需要知道我们的主机名是什么，执行下面命令查看主机名

vi /etc/sysconfig/network

查看一下HOSTNAME的值，你可以修改这个值，也可以直接将这个值拷贝出来



执行下面命令，增加IP映射

sudo vi /etc/hosts

在最后一行增加一行，输入主机的ip，以及上面的HOSTNAME的值



接下来运行一个实例来验证hadoop配置成功

cd /home/hadoop/hadoop-2.9.0
mkdir ./input
cp ./etc/hadoop/*.xml ./input
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.0.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/*

最后运行结果如下



如果出现错误

INFO metrics.MetricsUtil: Unable to obtain hostName

，说明你ip映射没有成功，需要重新验证你的ip跟主机名是否正确



重复运行上面的实例需注意，hadoop不会覆盖结果文件，重复运行需先删除原先的结果文件

rm -r ./output

6 Hadoop伪分布式配置

我们首先需要设置Hadoop环境变量

vi ~/.bashrc

在最后增加如下内容

export HADOOP_HOME=/home/hadoop/hadoop-2.9.0
export HADOOP_INSTALL=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HAD
4000
OOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

保存退出后，source一下配置

source ~/.bashrc

我们还需要修改两个配置文件

core-site.xml

和

hdfs-site.xml

先修改

core-site.xml

，

vi ./etc/hadoop/core-site.xml

在

<configuration></configuration>

之间增加如下内容

<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/hadoop/hadoop-2.9.0/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>

然后修改

hdfs-site.xml

,

vi ./etc/hadoop/hdfs-site.xml

在

<configuration></configuration>

之间增加如下内容

<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/hadoop-2.9.0/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/hadoop/hadoop-2.9.0/tmp/dfs/data</value>
</property>
</configuration>

修改完成后，执行NameNode的格式化

./bin/hdfs namenode -format

成功的话，可以看到

successfully formatted

接下来开启NameNode和DataNode守护进程

./sbin/start-dfs.sh

如果出现

Are you sure you want to continue connecting

，输入yes



启动完成后，可以通过命令

jps

来判断是否成功，如果出现了

NameNode

、

DataNode

和

SecondaryNameNode

，则说明成功启动，如果

SecondaryNameNode

没有启动，运行

sbin/stop-dfs.sh

关闭进程，然后重新尝试启动，如果没有

NameNode

和

DataNode

，那就是配置不成功，需要仔细检查之间的步骤，或者查看启动日志

/home/hadoop/hadoop-2.9.0/logs/hadoop-hadoop-namenode-dblab.log

排查原因。



成功启动后，可以访问web界面

ip:50070

查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

7 运行Hadoop伪分布式实例

hadoop单机模式中的实例读取的本地数据，伪分布式读取的是HDFS上的数据，为了使用HDFS，我们需要先在HDFS中创建用户目录，然后再创建input文件夹，并将本地的文件上传至HDFS的`/user/hadoop/input文件夹中

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

中间如果报错，可忽略



查看一下HDFS中input的文件列表

./bin/hdfs dfs -ls input

文件列表如下



接下来运行实例

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.0.jar grep input output 'dfs[a-z.]+'

查看一下HDFS上的结果

./bin/hdfs dfs -cat output/*

这里我们的input文件更多一些，所以结果也不一样



最后，如果想关闭Hadoop，运行下面命令

./sbin/stop-dfs.sh

8 启动YARN

YARN是从MapReduce中分离出来的，负责资源管理与任务调度，我们在这里启动YARN，首先修改配置文件

mapred-site.xml

，先进行重命名

mv ./etc/hadoop/mapred-site.xml.template ./etc/hadoop/mapred-site.xml

然后修改

mapred-site.xml

，

vi ./etc/hadoop/mapred-site.xml

在

<configuration></configuration>

增加如下内容

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

接着修改

yarn-site.xml

，

vi ./etc/hadoop/yarn-site.xml

在

<configuration></configuration>

增加如下内容

<configuration>
<!-- Site specific YARN configuration properties -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>

最后启动YARN

./sbin/start-dfs.sh
./sbin/start-yarn.sh

开启历史服务器，方便在web中查看任务运行情况

./sbin/mr-jobhistory-daemon.sh start historyserver

在浏览器中打开

ip:8088/cluster

运行命令

jps

，额可以查看到多了NodeManager和ResourceManager两个后台进程



如果需要关闭，可以执行下面的命令

./sbin/stop-yarn.sh
./sbin/mr-jobhistory-daemon.sh stop historyserver