本文源碼：GitHub·點這里 || GitEE·點這里

一、基礎環境

1、環境版本

環境：centos7 hadoop版本：2.7.2 jdk版本：1.8

2、Hadoop目錄結構

• bin目錄：存放對Hadoop的HDFS,YARN服務進行操作的腳本
• etc目錄：Hadoop的相關配置文件目錄
• lib目錄：存放Hadoop的本地庫，提供數據壓縮解壓縮能力
• sbin目錄：存放啟動或停止Hadoop相關服務的腳本
• share目錄：存放Hadoop的依賴jar包、文檔、和相關案例

3、配置加載

vim /etc/profile # 添加環境 export JAVA_HOME=/opt/jdk1.8 export PATH=$PATH:$JAVA_HOME/bin export HADOOP_HOME=/opt/hadoop2.7 export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin# 退出刷新配置 source /etc/profile

二、偽集群配置

以下配置文件所在路徑：/opt/hadoop2.7/etc/hadoop，這里是Linux環境，腳本配置sh格式。

1、配置hadoop-env

root# vim hadoop-env.sh # 修改前 export JAVA_HOME= # 修改后 export JAVA_HOME=/opt/jdk1.8

2、配置core-site

文件結構概覽

<?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> </configuration>

NameNode的地址

<property><name>fs.defaultFS</name><value>hdfs://127.0.0.1:9000</value> </property>

數據存放目錄：Hadoop運行時產生文件的存儲目錄。

<property><name>hadoop.tmp.dir</name><value>/opt/hadoop2.7/data/tmp</value> </property>

3、配置hdfs-site

文件結構和上述一樣，配置hdfs副本個數，這里偽環境，配置1個即可。

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

4、配置yarn-env

export JAVA_HOME=/opt/jdk1.8

5、配置yarn-site

指定YARN的ResourceManager的地址

<property><name>yarn.resourcemanager.hostname</name><value>192.168.72.132</value> </property>

指定map產生的中間結果傳遞給reduce采用的機制是shuffle

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

6、配置mapred-env

export JAVA_HOME=/opt/jdk1.8

7、配置mapred-site

將mapred-site.xml.template重新命名為mapred-site.xml。

指定MapReduce程序資源調在度集群上運行。如果不指定為yarn，那么MapReduce程序就只會在本地運行而非在整個集群中運行。

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

三、環境啟動測試

1、測試文件系統

Hdfs相關

格式化NameNode

第一次啟動時執行該操作。

[hadoop2.7]# bin/hdfs namenode -format

格式化NameNode，會產生新的clusterID,導致NameNode和DataNode的集群id不一致，集群找不到已往數據。所以，格式NameNode時，一定要停止相關進程，刪除data數據和log日志，然后再格式化NameNode。clusterID在如下目錄中的VERSION文件里，可自行查看對比。

/opt/hadoop2.7/data/tmp/dfs/name/current /opt/hadoop2.7/data/tmp/dfs/data/current

啟動NameNode

[hadoop2.7]# sbin/hadoop-daemon.sh start namenode

啟動DataNode

[hadoop2.7]# sbin/hadoop-daemon.sh start datanode

jps查看狀態

[root@localhost hadoop2.7]# jps 2450 Jps 2276 NameNode 2379 DataNode

Web界面查看

需要Linux關閉防火墻和相關安全增強控制（這里很重要）。

IP地址:50070

Yarn相關

啟動ResourceManager

[hadoop2.7]# sbin/yarn-daemon.sh start resourcemanager

啟動NodeManager

[hadoop2.7]# sbin/yarn-daemon.sh start nodemanager

Web界面查看

IP地址:8088/cluster

MapReduce相關

文件操作測試

創建一個測試文件目錄

[root@localhost inputfile]# pwd /opt/inputfile [root@localhost inputfile]# echo "hello word hadoop" > word.txt

HDFS文件系統上創建文件夾

[hadoop2.7] bin/hdfs dfs -mkdir -p /opt/upfile/input

上傳文件

[hadoop2.7]# bin/hdfs dfs -put /opt/inputfile/word.txt /opt/upfile/input

查看文件

[hadoop2.7]# bin/hdfs dfs -ls /opt/upfile/input

2、Web端查看文件

執行文件分析

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /opt/upfile/input /opt/upfile/output

查看分析結果

bin/hdfs dfs -cat /opt/upfile/output/*

結果：每個單詞各自出現一次。

刪除分析結果

bin/hdfs dfs -rm -r /opt/upfile/output

四、歷史服務器

MapReduce的JobHistoryServer，這是一個獨立的服務，可通過 web UI 展示歷史作業日志。

1、修改mapred-site

<!-- 服務器端地址 --> <property> <name>mapreduce.jobhistory.address</name> <value>192.168.72.132:10020</value> </property><!-- 服務器web端地址 --> <property><name>mapreduce.jobhistory.webapp.address</name><value>192.168.72.132:19888</value> </property>

2、啟動服務

[hadoop2.7]# sbin/mr-jobhistory-daemon.sh start historyserver

3、Web端查看

IP地址:19888

4、配置日志的聚集

日志聚集概念：應用服務運行完成以后，將運行日志信息上傳到HDFS系統上。方便的查看到程序運行詳情，方便開發調試。

開啟日志聚集功能之后，需要重新啟動NodeManager 、ResourceManager和HistoryManager。

關閉上述服務

[hadoop2.7]# sbin/yarn-daemon.sh stop resourcemanager [hadoop2.7]# sbin/yarn-daemon.sh stop nodemanager [hadoop2.7]# sbin/mr-jobhistory-daemon.sh stop historyserver

修改yarn-site

<!-- 日志聚集功開啟 --> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property><!-- 日志保留時間7天 --> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property>

修改完之后再次啟動上述服務器。再次執行文件分析任務。

查看Web端

五、源代碼地址

GitHub·地址 https://github.com/cicadasmile/big-data-parent GitEE·地址 https://gitee.com/cicadasmile/big-data-parent

總結

以上是生活随笔為你收集整理的Hadoop框架：单服务下伪分布式集群搭建的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。