大数据应用——Hadoop运行模式（伪分布式运行）

Posted 肉肉肉肉肉肉~丸子

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了大数据应用——Hadoop运行模式（伪分布式运行）相关的知识，希望对你有一定的参考价值。

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、查没有改（多台机子麻烦）

（3）执行WordCount案例

2. 执行步骤

（1）配置集群

（a）配置：hadoop-env.sh

【路径：/opt/module/hadoop-2.7.1/etc/hadoop】

Linux系统中获取JDK的安装路径：sudo vi ~/.bashrc

[hadoop@hadoop101 ~]# echo $JAVA_HOME

/opt/module/jdk1.8.0_162

修改JAVA_HOME 路径：

在export JAVA_HOME=添加以下路径

export JAVA_HOME=/opt/module/jdk1.8.0_162

（b）配置：core-site.xml

<!-- 指定HDFS中NameNode的地址 -->

<property>

<name>fs.defaultFS</name>

<value>hdfs://hadoop01:9000</value> # @后面的主机名

</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-2.7.1/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>

（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）

执行命令会产生临时文件cd /opt/module/hadoop-2.7.1/data下删除tmp临时文件即可

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfs namenode -format

（b）启动NameNode

[hadoop@hadoop101 hadoop-2.7.1]$sbin/hadoop-daemon.sh start namenode

（c）启动DataNode

[hadoop@hadoop101 hadoop-2.7.1]$sbin/hadoop-daemon.sh start datanode

（3）查看集群

（a）查看是否启动成功

[hadoop@hadoop101 hadoop-2.7.2]$ jps

13586 NameNode

13668 DataNode

13786 Jps

注意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps

查看web端之前先查看防火墙的状态并关闭

（b）web端查看HDFS文件系统

http://192.168.2.122:50070/

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

注意：格式化时产生data文件夹

[hadoop@hadoop101 hadoop-2.7.2]$ cd data/tmp/dfs/name/current/

[hadoop@hadoop101 current]$ cat VERSION

clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

[hadoop@hadoop101 hadoop-2.7.2]$ cd data/tmp/dfs/data/current/

[hadoop@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数据和log日志，然后再格式化NameNode。（先关闭namenode和datanode进程）

（4）操作集群

（a）在HDFS文件系统上创建一个input文件夹

[hadoop@hadoop101 hadoop-2.7.1]$

bin/hdfs dfs -mkdir -p /user/hadoop/input

（b）将测试文件内容上传到文件系统上

[hadoop@hadoop101 hadoop-2.7.1]$bin/hdfs dfs -put wcinput/wc.txt /user/hadoop/input/

（c）查看上传的文件是否正确

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfs dfs -ls /user/hadoop/input/

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfs dfs -cat /user/hadoop/ input/wc.txt

（d）运行MapReduce程序

[hadoop@hadoop101 hadoop-2.7.1]$

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /user/hadoop/input/ /user/hadoop/output

（e）查看输出结果

命令行查看：

[hadoop@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -cat /user/hadoop/output/*

浏览器查看

查看output文件

（f）将测试文件内容下载到本地

[hadoop@hadoop101 hadoop-2.7.2]$ hdfs dfs -get /user/hadoop/output/part-r-00000./wcoutput/

（g）删除输出结果

[hadoop@hadoop101 hadoop-2.7.2]$ hdfs dfs -rm -r /user/hadoop/output

4.2.2 启动YARN并运行MapReduce程序

1. 分析

（1）配置集群在YARN上运行MR

（2）启动、测试集群增、删、查

（3）在YARN上执行WordCount案例

2. 执行步骤

（1）配置集群opt/module/hadoop-2.7.1/etc/hadoop

（a）配置yarn-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_162

（b）配置yarn-site.xml

<!-- 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.hadoop01</name>

<value>hadoop</value>

</property>

（c）配置：mapred-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_162

（d）配置： (对mapred-site.xml.template重新命名为) mapred-site.xml

[hadoop@hadoop101 hadoop]$ mv mapred-site.xml.template mapred-site.xml

[hadoop@hadoop101 hadoop]$ sudo vi mapred-site.xml

<!-- 指定MR运行在YARN上 -->

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

（2）启动集群

（a）启动前必须保证NameNode和DataNode已经启动

（b）启动ResourceManager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/yarn-daemon.sh start resourcemanager

（c）启动NodeManager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/yarn-daemon.sh start nodemanager

（3）集群操作

（a）YARN的浏览器页面查看

http://192.168.2.122:8088/cluster

hadoop101的yarn的浏览器页面

（b）删除文件系统上的output文件

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfsdfs -rm -R /user/hadoop/output

（c）执行MapReduce程序

[hadoop@hadoop101 hadoop-2.7.1]$

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jarwordcount /user/hadoop/input /user/hadoop/output

（d）查看运行结果，如图2-36所示

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfsdfs -cat /user/hadoop/output/*

查看运行结果

4.2.3 配置历史服务器

为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：

1. 配置mapred-site.xml

[hadoop@hadoop101hadoop]$ vi mapred-site.xml

在该文件里面增加如下配置。

<!-- 历史服务器端地址-->

<property>

<name>mapreduce.jobhistory.address</name>

<value>hadoop101:10020</value>

</property>

<!-- 历史服务器web端地址-->

<property>

<name>mapreduce.jobhistory.webapp.address</name>

<value>hadoop101:19888</value>

</property>

2. 启动历史服务器

[hadoop@hadoop101 hadoop-2.7.1]$sbin/mr-jobhistory-daemon.sh start historyserver

3. 查看历史服务器是否启动

[hadoop@hadoop101 hadoop-2.7.1]$ jps

4. 查看JobHistory

http://192.168.2.122:19888/jobhistory

4.2.4 配置日志的聚集

日志聚集概念：应用运行完成以后，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详情，方便开发调试。

注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryManager。

开启日志聚集功能具体步骤如下：

  1. 配置yarn-site.xml

[hadoop@hadoop101 hadoop]$ sudo vi yarn-site.xml

在该文件里面增加如下配置。

<!--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>

  1. 关闭NodeManager 、ResourceManager和HistoryManager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/yarn-daemon.sh stop resourcemanager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/yarn-daemon.sh stop nodemanager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/mr-jobhistory-daemon.sh stop historyserver

  1. 启动NodeManager 、ResourceManager和HistoryManager

[hadoop@hadoop01 hadoop-2.7.1]$sbin/yarn-daemon.sh start resourcemanager

[hadoop@hadoop01 hadoop-2.7.1]$sbin/yarn-daemon.sh start nodemanager

[hadoop@hadoop01 hadoop-2.7.1]$ sbin/mr-jobhistory-daemon.shstart historyserver

  1. 删除HDFS上已经存在的输出文件

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfs dfs -rm -R /user/hadoop/output

  1. 执行WordCount程序

[hadoop@hadoop101 hadoop-2.7.1]$

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /user/hadoop/input /user/hadoop/output

  1. 查看日志

http://192.168.2.122:19888/jobhistory

4.2.5 配置文件说明

Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。

（1）默认配置文件：

要获取的默认文件

文件存放在Hadoop的jar包中的位置

[core-default.xml]

hadoop-common-2.7.2.jar/ core-default.xml

[hdfs-default.xml]

hadoop-hdfs-2.7.2.jar/ hdfs-default.xml

[yarn-default.xml]

hadoop-yarn-common-2.7.2.jar/ yarn-default.xml

[mapred-default.xml]

hadoop-mapreduce-client-core-2.7.2.jar/ mapred-default.xml

（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$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。

大数据分析技术：hadoop伪分布模式安装

hadoop伪分布模式安装

1 配置核心组件文件

Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件。

通常情况下，Hadoop集群中需要配置的文件主要包括四个，分别是core-site.xml、hdfs-site.xml、mapred-site.xml和yarn-site.xml，这四个文件分别是对不同组件的配置参数。

序号

配置文件名

配置对象

主要内容

1

core-site.xml

集群全局参数

用于定义系统级别的参数，如HDFS URL、Hadoop的临时目录等。

2

hdfs-site.xml

HDFS参数

名称节点和数据节点的存放位置、文件副本的个数、文件读取权限等。

3

mapred-site.xml

Mapreduce参数

包括JobHistory Server和应用程序参数两部分，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。

4

yarn-site.xml

集群资源管理系统参数

配置 ResourceManager，NodeManager 的通信端口，web监控端口等。

(1)配置Hadoop 的核心组件文件是 core-site.xml

Hadoop配置文件的根元素configuration，一般只包含子元素property。每一个property元素就是一个配置项，配置文件不支持分层或分级。

每个配置项一般包括配置属性名称name、值value和一个关于配置项的描述description。元素final和Java中的关键字final类似，意味着这个配置项是“固定不变的”。final一般不出现，但在合并资源的时候，可以防止配置项的值被覆盖。

在configuration中每个属性都是String类型的，值类型可能是以下多种类型包括Java中的基本类型，如Boolean、Int、Long、Float也可以是其他类型，如String、File、数组等。以上面的配置文件为例，定义了三个集群的参数，分别是集群主机和端口、临时文件存放位置，两个配置项是字符串型。

<configuration>

<!-- 指定hadoop数据的存储目录 -->

<property>

<name>hadoop.tmp.dir</name>

<value>/opt/module/hadoop/data</value>

</property>

<!-- 指定NameNode的地址 -->

<property>

<name>fs.defaultFS</name>

<value>hdfs://hadoop01:9000</value>

</property>

</configuration>

(2) Hadoop 的文件系统配置文件 hdfs-site.xml

<configuration>

<!-- 设置HDFS中的副本数量为1-->   <property>

        <name>dfs.replication</name>

        <value>1</value>

</property>

</configuration>

(3)配置Yarn的站点配置文件yarn-site.xml

<configuration>

<!-- 指定ResourceManager的地址-->

        <property>

                <name>yarn.resourcemanager.hostname</name>

                <value>hadoop01</value>

        </property>

<!-- 指定MR走shuffle -->

        <property>

                <name>yarn.nodemanager.aux-services</name>

                <value>mapreduce_shuffle</value>

        </property>

</configuration>

（4）配置MapReduce配置文件mapred-site.xml

<configuration>

<!-- 指定MapReduce程序运行在Yarn上 -->

    <property>

        <name>mapreduce.framework.name</name>

        <value>yarn</value>

    </property>

</configuration>

2 在环境变量中添加下面的配置

vi /etc/profile

然后向里面加入如下的内容

export HDFS_NAMENODE_USER=root

export HDFS_DATANODE_USER=root

export HDFS_SECONDARYNAMENODE_USER=root

export YARN_RESOURCEMANAGER_USER=root

export YARN_NODEMANAGER_USER=root

输入如下命令使改动生效

source /etc/profile

3 配置hadoop-env.sh

修改JAVA_HOME的路径

export JAVA_HOME=/opt/module/jdk1.8.0_212

4配置完成后，执行 NameNode 的格式化:

hdfs namenode -format

成功的话，会看到 “successfully formatted” 的提示

以上是关于大数据应用——Hadoop运行模式（伪分布式运行）的主要内容，如果未能解决你的问题，请参考以下文章

大数据3.1hadoop本地运行

大数据分析技术：hadoop伪分布模式安装

用于日志分析的 Map Reduce 作业未在 Hadoop 2.7.3 伪分布式模式下运行

大数据测试之hadoop单机环境搭建(超级详细版)

大数据测试之hadoop单机环境搭建(超级详细版)

湿货|大数据测试之hadoop单机环境搭建(超级详细版)