hadoop 伪分布式 hadoop伪分布式搭建实验报告

      刚入门hadoop网上有好多搭建hadoop伪分布式的资料，而且相互之间都有区别，弄得小编有点糊涂，终于搞定了，做个记录方便以后查看，也希望其他新手少走弯路，若有表述不准确大虾还望见谅！
      小编以wordcount为例，在yarn上以伪分布式模式运行mapreduce任务：

一、相关软件路径和测试文本内容

      1、JDK安装路径：/home/lyy/modules/jdk1.8.0_131

      2、hadoop安装路径：/home/lyy/modules/hadoop-2.6.0

      Java与hadoop的环境变量自己配置，小编不在此赘述

      3、测试文本名字：mr.input

      4、测试文本内容：（如下所示）

      测试文本随便放一个路径就可以了，但必须记住，小编放在了home下，如图所示

二、相关文件配置

      配置文件位置如下图所示：

      1、hadoop-env.sh：这个文件中只配置

JAVA_HOME=/home/lyy/modules/jdk1.8.0_131，如下图所示：

      2、core-site.xml: 这个属性作用是告诉操作系统当前任务使用分布式文件系统，而不是本地文件系统。有人也许会问，什么是本地文件系统，什么是分布式文件系统(HDFS)？本地文件系统就是我们平时在Ubuntu的终端里操作的cd、ls 、mkdir等等进去一个目录，找个文件、创建啊 删除什么的，这就是本地文件系统。HDFS是一个与本地文件系统独立的文件系统，哪里也可以存放文件，它也有进入、创建、查看、删除，上传、下载等命令，先这么记着，具体操作下面再说，配置如下图所示：

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

      3、hdfs-site.xml: 这个属性用来设置节点的个数，默认是3，因为是伪分布式只有一台机器，所以改成1。属性放在configuration之间，如上图所示，下面的也一样，就不一张张贴图了。

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

      4、yarn-site.xml: 这个属性的作用是让mapreduce任务跑在yarn上，yarn可以理解为一个操作系统一样的东西，上面可以跑各种计算框架，mapreduce只是hadoop计算框架的一种。如果不配置，则mapreduce任务就跑在本地上。

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

      5、yarn-site.xml：这个属性是对服务器命名的一个限制，记住就好了。

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

三、启动HDFS和YARN

刚开始建议在这个目录下输入下列命令：

      第一次启动hdfs需要先格式化一下,namenode，以后就不需要了，命令如下：

bin/hdfs namenode -format

      启动namenode:

sbin/hadoop-daemon.sh start namenode

      启动datanode:

sbin/hadoop-daemon.sh start datanode

      启动yarn:

sbin/start-yarn.sh

      输入jps查看启动是否成功:

四、运行wordcount程序

      安装好hadoop后，里面自带了wordcount的demo，在这里可以找见：

      还记得在core-site.xml这个文件中配置了属性，让mapreduce任务使用分布式文件系统么，但是我们的测试文本mr.input放在本地文件系统的home目录下面，所以我们得把mr.input上传到hdfs中，在上传之前，还得先在hdfs中建立一个目录用来存放mr.input。
      创建目录，命令如下：

hdfs dfs -mkdir -p /user/lyy/input

      上传mr.input，命令如下：

hdfs dfs -put ~/wc.input /user/lyy/input

      hadoop提供了以web的方式来查询hdfs，在浏览器中输入：

http://192.168.174.128:50070

      其中，192.168.174.128是虚拟机的IP，50070是分布式文件系统的端口，会出现如下界面：

      选择浏览文件系统，红圈所示。

      就能看到刚才创建的目录和上穿的文件。

      文件上传好了，运行wordcount程序，命令如下：

hadoop jar ~/modules/hadoop-2.6.0/share/hadoop/mapreduce2/hadoop-mapreduce-examples-2.6.0-cdh5.11.0.jar wordcount /user/lyy/intput/mr.input /user/lyy/output

      回车，上述命令详解，见这个链接：
      

      出现如下界面则表示成功：

      计算结果存放在output中：

      查询计算结果，命令如下：

hdfs dfs -cat /user/lyy/output/part*

      计算结果如下图所示：