Hadoop--设置单一节点集群

目的

这篇文档描述如何安装和配置一个单一节点的Hadoop，以便你可以快速使用hadoop mapreduce和Hadoop Distributed File System (HDFS)的一些简单操作。

先决条件

支持平台

• GNU/Linux 是受支持的开发和生成平台。Hadoop已经证明了2000各节点的GNU/Linux 集群。
• Windows也是受支持的平台，但是一下步骤只是用于Linux。要在Windows上安装，情况 wiki page。

所需软件

Linux平台所需软件包括：

1. Java。推荐的Java版本在 HadoopJavaVersions中描述。
2. ssh必须安装。推荐安装pdsh。

安装软件

如果你还没有安装这些软件：

  $ sudo apt-get install ssh
  $ sudo apt-get install pdsh

下载

获取最新的Hadoop发行版，从Apache Download Mirrors中选一个最新的稳定版下载。

准本开始Hadoop集群

解压下载的Hadoop，编辑etc/hadoop/hadoop-env.sh定义一些参数如下：

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

试下下面命令：

$ bin/hadoop

此处会显示hadoop脚本用法。
现在你已经准备好了，Hadoop集群支持三种模式之一：

• Local (Standalone) Mode（本地模式）
• Pseudo-Distributed Mode（为分布模式）
• Fully-Distributed Mode（全分布模式）

Standalone操作

默认情况下，Hadoop是以一个Java进程运行为非分布模式，有利于调试。
下面示例复制解压的conf文件夹作为输入，然后查找显示每个匹配正则表达式的项，输出结果写到到output文件夹。

  $ mkdir input
  $ cp etc/hadoop/*.xml input
  $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.0-alpha2.jar grep input output 'dfs[a-z.]+'
  $ cat output/*

Pseudo-Distributed 操作

Hadoop也可以伪分布的方式运行在一个节点中，每个Hadoop进程运行在单独的Java进程中。

配置

使用如下
etc/hadoop/core-site.xml:

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

etc/hadoop/hdfs-site.xml:

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

设置ssh密码

现在检查你是否可以不需要密码使用ssh登陆到本地。

 $ ssh localhost

如果ssh需要密码登陆，执行下面命令：

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

执行

下面的说明是在本地运行MapReduce作业。如果你想基于YARN运行作业，请看YARN on Single Node.

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守护进程日志写在$HADOOP_LOG_DIR文件夹中（默认是 $HADOOP_HOME/logs）。
3. 浏览NameNode的web接口；默认在：

NameNode - http://localhost:9870/

4. 为需要运行的MapReduce作业创建HDFS文件夹：

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

5. 把input文件复制到分布式文件夹中：

  $ bin/hdfs dfs -mkdir input
  $ bin/hdfs dfs -put etc/hadoop/*.xml input

6. 运行一些提供实例：

  $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.0-alpha2.jar grep input output 'dfs[a-z.]+'

7. 检查输出文件：把分布式文件系统中的输出文件拷贝到本地文件系统然后查看：

  $ bin/hdfs dfs -get output output
  $ cat output/*

或者
直接在分布式文件系统中浏览：

  $ bin/hdfs dfs -cat output/*

8. 完成后，关闭守护进程：

 $ sbin/stop-dfs.sh

YARN on a Single Node

你可以在伪分布模式上通过设置一些参数和启动ResourceManager和NodeManager 守护进程执行基于YARN的MapReduce作业。
以下说明假设你已经执行完上面1-4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>
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
    </property>
</configuration>

2. 启动ResourceManager和NodeManager守护进程：

  $ sbin/start-yarn.sh

3. 浏览ResourceManager的web接口，默认是：

ResourceManager - http://localhost:8088/

4. 运行一个MapReduce作业。
5. 当你完成后，关闭守护进程：

  $ sbin/stop-yarn.sh

全分布操作

对于安装全分布而不是测试的集群的信息，请看集群安装。