Linux环境Hadoop伪分布模式安装详解

http://www.cnblogs.com/zhangwenjing/p/3583350.html

伪分布式模式下，Hadoop将所有进程运行于同一台主机上，但此时Hadoop将使用分布式文件系统，而且各jobs也是由JobTracker服务管理的独立进程。同时，由于伪分布式的Hadoop集群只有一个节点，因此HDFS的块复制将限制为单个副本，其secondary-master和slave也都将运行于本地主机。此种模式除了并非真正意义的分布式之外，其程序执行逻辑完全类似于完全分布式，因此，常用于开发人员测试程序执行。

hadoop的配置共有四种级别：集群、进程、作业和单独操作，前两类由集群管理员负责配置，后面的两类则属于程序员的工作范畴。

hadoop的配置文件位于conf目录中，其中的core-site.xml、mapred-site.xml和hdfs-site.xml三个配置文件最为关键。core-site.xml用于配置hadoop集群的特性，它作用于全部进程及客户端，mapred-site.xml配置mapreduce集群的工作属性，hdfs-site.xml配置hdfs集群的工作属性。

另外还有三个配置文件需要留意。hadoop-env.sh是Hadoop的多个脚本执行时source的配置信息，其用于为Hadoop指定运行时使用的JDK、各进程的JDK属性、PID文件及日志文件的保存目录等。masters则用于指定辅助名称节点(SecondaryNameNode)的主机名或主机地址，slaves用于指定各从服务器(TaskTracker或DataNode)的主机名或主机地址。对伪分布式的Hadoop集群来讲，这些节点均为本机。

一、JDK安装与配置

      详情请见：http://www.cnblogs.com/zhangwenjing/p/3580726.html

二、Hadoop安装与配置

     1、Hadoop下载与安装

     　　地址：http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-2.3.0/hadoop-2.3.0.tar.gz

 　　　 使用wget命令下载：wget http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-2.3.0/hadoop-2.3.0.tar.gz

　　     解压缩：tar -zxvf hadoop-2.3.0.tar.gz

 　　　 重命名：mv hadoop-2.3.0 hadoop

          #vi ect/profile

          HADOOP_PREFIX=/opt/hadoop 

          PATH=$HADOOP_PREFIX/bin:$PATH 

          export HADOOP_PREFIX PATH 

         执行环境配置：source /etc/profile

         验证：hadoop -version

     2、Hadoop配置

         Hadoop配置在hadoop/etc/hadoop下，作如下修改：

　　　 hadoop-env.sh

         export JAVA_HOME=/usr/local/java/jdk1.7.0_51（JDK安装目录）

         修改内存大小：export HADOOP_CLIENT_OPTS="-Xmx512m $HADOOP_CLIENT_OPTS"

  　　 core-site.xml，做如下配置：

         <configuration>

　　　　  <!--NameNode的IP地址和端口--> 
        　　<property> 
           　　<name>fs.defaultFS</name> 
           　　<value>hdfs://localhost:9000</value> 
        　　</property> 
        　　<property> 
            　　<name>hadoop.tmp.dir</name> 
            　　<value>/tmp/hadoop/hadoop-${user.name}</value>
        　　</property> 
     　  </configuration>

          hdfs-site.xml，做如下配置（系统默认文件保存3份，因伪分布模式，故改为1份）：

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

　　　　  <property>
                    <name>dfs.namenode.name.dir</name>
                    <value>/hadoop/namenode</value>
              </property>
              <property>
                    <name>dfs.datanode.data.dir</name>
                    <value>/hadoop/datanode</value>
              </property>
          </configuration>

　　    mapred-site.xml，做如下配置：

　　　 <configuration> 

          　　<property> 
               　　<name>mapreduce.jobtracker.address</name> 
              　　 <value>localhost:9001</value> 
          　　</property> 

         </configuration>

　　   hadoop2.0有了yarn所以原来的mapred配置都转向yarn-site.xml文件中了，这里也就指定yarn。

　　   yarn-site.xml，为方便，未进行配置。

         core-site.xml配置参考：http://hadoop.apache.org/docs/r2.3.0/hadoop-project-dist/hadoop-common/core-default.xml

　　　 hdfs-site.xml配置参考：http://hadoop.apache.org/docs/r2.3.0/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml

　　　 mapred-site.xml配置参考：http://hadoop.apache.org/docs/r2.3.0/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml

         yarn-site.xml配置参考：http://hadoop.apache.org/docs/r2.3.0/hadoop-yarn/hadoop-yarn-common/yarn-default.xml

         执行hadoop环境配置：source /opt/hadoop/etc/hadoop/hadoop-env.sh 

　　　由于启动hadoop需一遍遍输入密码，不方便，故设置ssh免密登陆本机

         ssh-keygen -t rsa -P "" 输入这个命令后一直回车就可以了

         cat /root/.ssh/id_rsa.pub >> /root/.ssh/authorized_keys

         切换到安装目录

         格式化namenode：./bin/hadoop namenode –format

 　　　启动hadoop：./sbin/start-all.sh设置ssh免密登陆本机

         检查进程是否启动：jps

         

          有以上内容说明已经启动

　　    hadoop资源管理页面:http://localhost:8088

　　　 namenode节点信息：http://localhost:50070