MapReduce集群搭建

概述

MapReduce运行在Hadoop集群上。但MapReduce是通过另外一批进程来运行的。HDFS的进程名是NameNode、SecondaryNameNode和DataNode；而MapReduce的进程名（可以通过JPS命令查看）是：

ResourceManager：数据计算资源的总体管理者，地位相当于NameNode。

NodeManager：执行计算的节点，地位相当于DataNode。

注意：ResourceManager和NameNode可以不在同一个机器上。

 

MapReduce通过Yarn运行的，所以在执行MapReduce之前需要启动yarn。

 

设置yarn环境

如果安装JDK时正确设置了JAVA_HOME环境变量，则这一步可忽略。

/usr/local/hadoop/etc/hadoop在yarn-env.sh中，找到# export JAVA_HOME=…

将这一行开头的#注释符去掉

然后设置为正确的JAVA安装位置

本配置及以下配置都先在NameNode上配好，然后分发到各个节点上。

 

MapReduce配置

/usr/local/hadoop/etc/hadoop中

复制mapred-site.xml.template生成mapred-site.xml

cp mapred-site.xml.template mapred-site.xml

 

/usr/local/hadoop/etc/hadoop修改mapred-site.xml，添加以下3个配置项

<property>

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

       <value>yarn</value>

</property>

<property>

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

        <value>master:10020</value>

</property>

<property>

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

        <value>master:19888</value>

</property>

 

第1个配置指定让yarn管理mapreduce任务

第2、3个指定任务历史记录端口

yarn配置

在/usr/local/hadoop/etc/hadoop中打开yarn-site.xml，添加

<property>

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

        <value>master</value>

这里表示yarn存放在master，这里value中的值填什么yarn就在那里

</property>

<property>

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

        <value>mapreduce_shuffle</value>

</property>

 

第1个指定ResourceManager在哪个机器上

第2个指定shuffle服务

 

将etc/hadoop目录复制到各个节点

略（推荐使用hadoop-push.sh脚本）

启动

执行start-yarn.sh命令（在这之前确保HDFS已经启动，没有启动的先start-dfs.sh）。

执行成功后，通过JPS检查ResourceManager、NodeManager是否启动。

如果启动成功，通过master:8088可以打开MapReduce“应用”站点：

注意：需要配置本地Windows系统的hosts文件才能在本地使用主机名！