Hadoop 伪集群

翻译： http://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/SingleCluster.html
版本： 2.9.0

• 目标
• 先决条件
  • 支持的平台
  • 所需软件
  • 安装软件
• 下载
• 准备启动Hadoop集群
• 独立模式
• 伪分布式
  • 配置
  • 设置passphraseless ssh
  • 执行
  • 单个节点YARN
• 全分布式

目的

本文档介绍如何搭建单节点Hadoop，以便您可以使用Hadoop MapReduce和Hadoop分布式文件系统（HDFS）快速执行简单的操作。

先决条件

支持的平台

• 支持GNU / Linux作为开发和生产平台。Hadoop已经在具有2000个节点的GNU / Linux集群上进行了演示。

• Windows也是一个支持的平台，但以下步骤仅适用于Linux。要在Windows上设置Hadoop，请参阅Wiki页面。

所需软件

所需的Linux软件包括：

1. Java™必须安装。推荐的Java版本在HadoopJavaVersions中描述。

2. 必须安装ssh，并且必须运行sshd，才能使用Hadoop脚本管理远程Hadoop守护程序。

安装软件

如果你的集群没有必要的软件，你需要安装它。

例如在Ubuntu Linux上：

  $ sudo apt-get install ssh
  $ sudo apt-get install rsync

下载

要获得Hadoop发行版，请从其中一个Apache下载镜像下载最新的稳定版本。

准备启动Hadoop集群

解压下载的Hadoop发行版。在发行版中，编辑文件 etc/hadoop/hadoop-env.sh 来定义一些参数，如下所示：

  # set to the root of your Java installation
  export JAVA_HOME=/usr/java/latest

尝试以下命令：

 $ bin/hadoop

这将显示hadoop脚本的使用文档。

现在可以以三种支持模式之一启动Hadoop集群：

• 本地（独立）模式
• 伪分布式模式
• 完全分布式模式

独立模式下的操作

默认情况下，Hadoop被配置为以非分布模式运行，作为单个Java进程。这对调试很有用。

以下示例将解压后的conf目录复制为输入，然后查找并显示给定正则表达式的每个匹配项。输出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-2.9.0.jar grep input output 'dfs[a-z.]+'
  $ cat output/*

伪分布式操作

Hadoop也可以在单节点上以伪分布模式运行，其中每个Hadoop守护进程都在单独的Java进程中运行。

配置

在etc/hadoop/core-site.xml 中配置以下内容：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

在etc/hadoop/hdfs-site.xml中配置 ：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

设置passphraseless ssh

现在检查是否可以在没有密码的情况下ssh到本地主机：

  $ ssh localhost

如果您不能在没有密码的情况下ssh到本地主机，请执行以下命令：

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

执行

以下说明是在本地运行MapReduce作业。如果要在YARN上执行作业，请参阅单节点上的YARN 。

1. 格式化文件系统：

  $ bin/hdfs namenode -format

2. 启动NameNode守护进程和DataNode守护进程：

  $ sbin/start-dfs.sh

hadoop守护进程日志输出被写入 $HADOOP_LOG_DIR 目录（默认为 $HADOOP_HOME/logs）。

3. 浏览NameNode的Web界面; 默认情况下它可用于：

   • NameNode - http://localhost:50070/

4. 制作执行MapReduce作业所需的HDFS目录：

  $ bin/hdfs dfs -mkdir /user
  $ bin/hdfs dfs -mkdir /user/<username>

5. 将输入文件复制到分布式文件系统中：

  $ bin/hdfs dfs -put etc/hadoop input

6. 运行一些提供的例子：

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

7. 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/*

或者 查看分布式文件系统上的输出文件：

  $ bin/hdfs dfs -cat output/*

8. 当你完成后，停止守护进程：

  $ sbin/stop-dfs.sh

YARN在单个节点上

在伪分布模式下，可以在YARN上运行MapReduce作业 ，只需要配置几个参数并运行ResourceManager守护进程和NodeManager守护进程。

在已经执行了上述指令的情况下，执行如下 1〜4个步骤。

1. 配置参数如下：etc/hadoop/mapred-site.xml:

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

etc/hadoop/yarn-site.xml:

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

2. 启动ResourceManager守护进程和NodeManager守护进程：

  $ sbin/start-yarn.sh

3. 浏览ResourceManager的Web界面; 默认情况下它可用于：

   • ResourceManager - http://localhost:8088/

4. 运行MapReduce作业。

5. 当你完成后，停止守护进程：

  $ sbin/stop-yarn.sh

全分布式操作

有关设置完全分布式集群的信息，请参阅集群设置。