Hadoop大数据初入门----haddop伪分布式安装
一.hadoop解决了什么问题
hdfs 解决了海量数据的分布式存储，高可靠，易扩展，高吞吐量
mapreduce 解决了海量数据的分析处理，通用性强，易开发，健壮性
yarn 解决了资源管理调度
二.hadoop生态系统
分层次讲解----> 最底层平台 hdfs yarn mapreduce spark
---- > 应用层 hbase hive pig sparkSQL nutch
----> 工具类 zookeeper flume
三.版本
Apache： 官方版本
Cloudera ：使用下载最多的版本，稳定，有商业支持，在Apache的基础上打上了一些patch。推荐使用。
HDP(Hortonworks Data Platform) ： Hortonworks公司发行版本。
四、伪分布式安装与配置
1.新建app文件夹（mkdir app）用于存放
2.需要jdk环境，普通用户拥有sudo执行权限，关闭防火墙(service iptables stop)及自启(chkconfig iptables off)，修改主机名和IP的映射关系(vim /etc/hosts)
3.上传（hadoop-2.4.1.tar.gz）并解压hadoop包到app文件夹（tar -zxvf hadoop-2.4.1.tar.gz -C app/）
4.可以删除hadoop/share的doc文件夹（文档）节省体积（cd app/hadoop-2.4.1/share/ --> rm -rf doc）
5进入hadoop下的etc目录(cd ../etc/hadoop/)
6.修改（vim hadoop-env.sh ）将JAVA_HOME改成固定的（echo $JAVA_HOME命令可以获得javahome路径）
7.修改core-site（vim core-site.xml），在configuration中添加
<!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址，hdfs://后为主机名或者ip地址和端口号 --> <property> <name>fs.defaultFS</name> <value>hdfs://jokerq01:9000</value> </property> <!-- 指定hadoop运行时产生文件的存储目录,value为hadoopp下新建的用于存储的文件夹 --> <property> <name>hadoop.tmp.dir</name> <value>/root/app/hadoop-2.4.1/data</value> </property>
8.修改hdfs-site（vim hdfs-site.xml ），在configuration中添加
<!-- 指定HDFS副本的数量 --> <property> <name>dfs.replication</name> <value>1</value> </property>
9.修改mapred-site名称（mv mapred-site.xml.template mapred-site.xml）
10.修改mapred-site（vim mapred-site.xml），在configuration中添加
<!-- 指定mr运行在yarn上，使在集群上运行 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property>
11.修改yarn-site，（vim yarn-site.xml ），在configuration中添加
<!-- 指定YARN的老大（ResourceManager）的地址 --> <property> <name>yarn.resourcemanager.hostname</name> <value>jokerq01</value> </property> <!-- reducer获取数据的方式 --> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property>
12.将hadoop添加到环境变量（目的可以再任意路径下执行hadoop指令）（vim /etc/profile）(对应修改)(修改完成source /etc/profile)
export JAVA_HOME=/usr/lib/java/jdk1.7.0_55
export HADOOP_HOME=/root/app/hadoop-2.4.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
13.格式化namenode（是对namenode进行初始化）(hadoop namenode -format)
五、启动
1.进入sbin目录(cd ~/app/hadoop-2.4.1/sbin/)
2.启动HDFS(start-dfs.sh)( 可以修改 vim ~/app/hadoop-2.4.1/etc/hadoop/slaves 将localhost改为主机名)
3.启动YARN(start-yarn.sh)
4.使用jps命令验证是否启动成功(jps)
5.可以访问http://192.168.25.151:50070 （HDFS管理界面）(可以修改host文件将ip改为对应的linux机器名)
六、配置ssh免登陆
正常多个机器：
（1-3步骤假设为机器1，机器1中想通过 ssh jokerq01 命令直接连接到jokerq01机器而不需要登录密码的）
1.进入到目录（cd ~/.ssh）
2.执行（ssh-keygen -t rsa）命令 （四个回车，执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥））
3.将公钥拷贝到要免登陆的机器上（需要先修改host文件对应的ip与机器名）(例：scp id_rsa.pub jokerq01:/root)
4.（4-6步骤换到要免登录的机器(jokerq01)）（cd ~/.ssh）
5.新建authorized_keys文件（touch authorized_keys）并修改权限(chmod 600 authorized_keys)
6.将拷贝的公钥追加到后面(cat ../id_rsa.pub >> ./authorized_keys)
7.在机器1中通过 (ssh jokerq01) 命令直接登录
伪分布式：
1.（cd ~/.ssh）（ssh-keygen -t rsa）
2.直接追加(cat id_rsa.pub >> authorized_keys)
3.自己连接自己不需要密码(ssh jokerq01)
七、HDFS的JAVA客户端编写()
linux：
1.将linux改为图形界面(内存调大)用来运行eclipse（startx）(失败参考https://blog.csdn.net/baidu_19473529/article/details/54235030)
2.安装eclipse
2.1上传压缩包(eclipse-jee-photon-R-linux-gtk.tar.gz),并解压（可以命令，也可以右键Extract Here）
3.运行文件夹的eclipse(图标不适应可以修改图标)，并新建java项目（java project）
4.导入jar包(在hadoop-2.4.1\share\hadoop\hdfs下的hadoop-hdfs-2.4.1.jar，还有hadoop-2.4.1\share\hadoop\hdfs\lib下的所有jar包，hadoop-2.4.1\share\hadoop\common下的hadoop-common-2.4.1.jar，hadoop-2.4.1\share\hadoop\common\lib下的所有jar包)
5.编写测试代码
windows：
1.建项目，导jar包，写代码
2.直接JUnit Test报错，运行需要用户名修改为拥有linux文件可操作权限的用户(右键，run as，run configurations，Arguments，添加-DHADOOP_USER_NAME=root)
也可以FileSystem.get()方法指定用户
FileSystem fs = null; @Before public void init() throws Exception{ //读取classpath下的xxx-site.xml 配置文件，并解析其内容，封装到conf对象中 Configuration conf = new Configuration(); //也可以在代码中对conf中的配置信息进行手动设置，会覆盖掉配置文件中的读取的值 conf.set("fs.defaultFS", "hdfs://jokerq01:9000/"); //根据配置信息，去获取一个具体文件系统的客户端操作实例对象 fs = FileSystem.get(new URI("hdfs://jokerq01:9000/"),conf,"root"); }
