大数据技术之_03_Hadoop学习_02_入门_Hadoop运行模式+本地运行模式+伪分布式运行模式+完全分布式运行模式(开发重点)+Hadoop编译源码(面试重点)+常见错误及解决方案(示例代(代

Posted 2021-02-07 haha

第4章 Hadoop运行模式4.1 本地运行模式4.1.1 官方Grep案例4.1.2 官方WordCount案例4.2 伪分布式运行模式4.2.1 启动HDFS并运行MapReduce程序4.2.2 启动YARN并运行MapReduce程序4.2.3 配置历史服务器4.2.4 配置日志的聚集4.2.5 配置文件说明4.3 完全分布式运行模式（开发重点）4.3.1 虚拟机准备4.3.2 编写集群分发脚本xsync4.3.3 集群配置4.3.4 集群单点启动4.3.5 SSH无密登录配置4.3.6 群起集群4.3.7 集群启动/停止方式总结4.3.8 集群时间同步第5章 Hadoop编译源码（面试重点）5.1 前期准备工作5.2 jar包安装5.3 编译源码第6章 常见错误及解决方案

---

第4章 Hadoop运行模式

  Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。
  Hadoop官方网站：http://hadoop.apache.org/

4.1 本地运行模式

4.1.1 官方Grep案例

1、创建在hadoop-2.7.2文件下面创建一个input文件夹

[atguigu@hadoop101 hadoop-2.7.2]$ mkdir input

2、将Hadoop的xml配置文件复制到input

[atguigu@hadoop101 hadoop-2.7.2]$ cp etc/hadoop/*.xml input/

3、执行share目录下的MapReduce程序

[atguigu@hadoop101 hadoop-2.7.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input/ output/ \'dfs[a-z.]+\'

4、查看输出结果

[atguigu@hadoop101 hadoop-2.7.2]$ cat output/*

注意1：在大数据案例中，所有代码必须有输入路径和输出路径。
注意2：output目录不能先存在，否则会报“文件夹已存在”异常。如下图所示：

4.1.2 官方WordCount案例

1、创建在hadoop-2.7.2文件下面创建一个wcinput文件夹

[atguigu@hadoop101 hadoop-2.7.2]$ mkdir wcinput

2、在wcinput文件下创建一个wc.input文件

[atguigu@hadoop101 hadoop-2.7.2]$ cd wcinput
[atguigu@hadoop101 wcinput]$ touch wc.input

3、编辑wc.input文件

[atguigu@hadoop101 wcinput]$ vim wc.input

在文件中输入如下内容

hadoop yarn
hadoop mapreduce
atguigu
atguigu
保存退出 :wq

4、回到Hadoop目录/opt/module/hadoop-2.7.2
5、执行程序

[atguigu@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput/ wcoutput/

6、查看结果

[atguigu@hadoop101 hadoop-2.7.2]$ cat wcoutput/part-r-00000
atguigu    2
doop    1
hadoop    1
mapreduce    1
yarn    1

4.2 伪分布式运行模式

4.2.1 启动HDFS并运行MapReduce程序

1、分析
  （1）配置集群
  （2）启动、测试集群增、删、查
  （3）执行WordCount案例

2、执行步骤
（1）配置集群
（a）配置：hadoop-env.sh
先Linux系统中获取JDK的安装路径：

[atguigu@ hadoop101 ~]# echo $JAVA_HOME
/opt/module/jdk1.8.0_144

修改JAVA_HOME路径：

export JAVA_HOME=/opt/module/jdk1.8.0_144

（b）配置：core-site.xml

[atguigu@hadoop101 hadoop]$ pwd
/opt/module/hadoop-2.7.2/etc/hadoop
[atguigu@hadoop101 hadoop]$ vim core-site.xml

修改如下：

<!-- 指定HDFS中NameNode的地址 -->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://hadoop101:9000</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-2.7.2/data/tmp</value>
</property>

（c）配置：hdfs-site.xml

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

注意：默认是3个HDFS副本（3台服务器各备份1份，不是1台服务器备份3份）。

（2）启动集群
（a）格式化NameNode（第一次启动时格式化，以后就不要总格式化！）

[atguigu@hadoop101 hadoop-2.7.2]$ bin/hdfs namenode -format

（b）启动NameNode

[atguigu@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode

（c）启动DataNode

[atguigu@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode

（3）查看集群
（a）查看是否启动成功

[atguigu@hadoop101 hadoop-2.7.2]$ jps
3090 DataNode
2995 NameNode
3161 Jps

注意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps。
（b）web端查看HDFS文件系统
  http://hadoop101:50070/dfshealth.html#tab-overview
注意：如果不能查看，看如下帖子处理：
  http://www.cnblogs.com/zlslch/p/6604189.html
（c）查看产生的logs日志
说明：在企业中遇到Bug时，经常根据日志提示信息去分析问题、解决Bug。
当前目录：/opt/module/hadoop-2.7.2/logs

[atguigu@hadoop101 logs]$ ls
hadoop-atguigu-datanode-hadoop.atguigu.com.log
hadoop-atguigu-datanode-hadoop.atguigu.com.out
hadoop-atguigu-namenode-hadoop.atguigu.com.log
hadoop-atguigu-namenode-hadoop.atguigu.com.out
SecurityAuth-root.audit
[atguigu@hadoop101 logs]# cat hadoop-atguigu-datanode-hadoop101.log

（d）思考：为什么不能一直格式化NameNode，格式化NameNode，要注意什么？

[atguigu@hadoop101 hadoop-2.7.2]$ cd data/tmp/dfs/name/current/
[atguigu@hadoop101 current]$ cat VERSION
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

[atguigu@hadoop101 hadoop-2.7.2]$ cd data/tmp/dfs/data/current/
[atguigu@hadoop101 current]$ cat VERSION
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。所以，格式NameNode时，一定要先删除data数据目录和logs日志目录，然后再格式化NameNode。

（4）操作集群
（a）在HDFS文件系统上创建一个input文件夹

[atguigu@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -mkdir -p /user/atguigu/input/

（b）将测试文件内容上传到文件系统上

[atguigu@hadoop101 hadoop-2.7大数据技术之_04_Hadoop学习_02_HDFS_DataNode(面试开发重点)+HDFS 2.X新特性

 大数据技术之_05_Hadoop学习_02_MapReduce_MapReduce框架原理+InputFormat数据输入+MapReduce工作流程(面试重点)+Shuffle机制(面试重点)(示例
 大数据技术之_05_Hadoop学习_04_MapReduce_Hadoop企业优化(重中之重)+HDFS小文件优化方法+MapReduce扩展案例+倒排索引案例(多job串联)+TopN案例+找博客
 hadoop_学习_01_入门准备
 大数据技术之_08_Hive学习_01_Hive入门+Hive安装配置和使用+Hive数据类型
 大数据技术之_19_Spark学习_02_Spark Core 应用解析小结