Hadoop 运行模式之本地&伪分布式模式
作者：互联网
Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。
Hadoop官方网站：http://hadoop.apache.org/
一、本地运行模式
1、官方Grep案例
1、创建在hadoop-2.7.2文件下面创建一个input文件夹 [root@centos7 hadoop2.7]# mkdir input 2、将Hadoop的xml配置文件复制到input [root@centos7 hadoop2.7]# cp etc/hadoop/*.xml input 3、执行share目录下的MapReduce程序 [root@centos7 hadoop2.7]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+' 4、查看输出结果 [root@centos7 hadoop2.7]# cat output/*
2、官方WordCount案例
1、创建在hadoop-2.7.2文件下面创建一个wcinput文件夹 [root@centos7 hadoop2.7]# mkdir wcinput
2、在wcinput文件下创建一个wc.input文件 [root@centos7 hadoop2.7]# cd wcinput [root@centos7 wcinput]# touch wc.input
3、编辑wc.input文件 [root@centos7 wcinput]# vim wc.input
在文件中输入如下内容 hadoop yarn hadoop mapreduce atguigu atguigu 保存退出：：wq!
4、回到Hadoop目录/opt/module/hadoop-2.7.2 5、执行程序 [root@centos7 hadoop2.7]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput
6、查看结果 [root@centos7 hadoop2.7]# cat wcoutput/part-r-00000 atguigu 2 hadoop 2 mapreduce 1 yarn 1
二、伪分布式运行模式
1、启动HDFS并运行MapReduce程序
（1）配置集群
步骤一：配置：/opt/software/hadoop2.7/etc/hadoop/hadoop-env.sh
Linux系统中获取JDK的安装路径： [root@centos7 sbin]# echo $JAVA_HOME /opt/software/jdk1.8 修改 JAVA_HOME 路径： export JAVA_HOME=/opt/software/jdk1.8
步骤二：配置：core-site.xml
<!-- 指定HDFS中NameNode的地址 --> <property> <name>fs.defaultFS</name> <value>hdfs://localhost:9000</value> </property> <!-- 指定Hadoop运行时产生文件的存储目录 --> <property> <name>hadoop.tmp.dir</name> <value>/opt/software/hadoop2.7/data/tmp</value> </property>
步骤三：配置：hdfs-site.xml
<!-- 指定HDFS副本的数量 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
（2）启动集群
步骤一：格式化NameNode（第一次启动时格式化，以后就不要总格式化）
[root@centos7 hadoop2.7]# bin/hdfs namenode -format
步骤二：启动NameNode
[root@centos7 hadoop2.7]# sbin/hadoop-daemon.sh start namenode
步骤三：启动DataNode
[root@centos7 hadoop2.7]# sbin/hadoop-daemon.sh start datanode
（3）查看集群
（a）查看是否启动成功
[root@centos7 hadoop2.7]# jps 6967 DataNode 6905 NameNode 7004 Jps
注意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps
（b）web端查看HDFS文件系统
http://192.168.164.130:50070/dfshealth.html#tab-overview
注意：如果不能查看，看如下帖子处理
http://www.cnblogs.com/zlslch/p/6604189.html
（c）查看产生的Log日志
说明：在企业中遇到Bug时，经常根据日志提示信息去分析问题、解决Bug。
当前目录：/opt/software/hadoop2.7/logs
[root@centos7 logs]# ll 总用量 60 -rw-r--r--. 1 root root 23691 6月 28 15:45 hadoop-root-datanode-centos7.log -rw-r--r--. 1 root root 714 6月 28 15:42 hadoop-root-datanode-centos7.out -rw-r--r--. 1 root root 27312 6月 28 15:45 hadoop-root-namenode-centos7.log -rw-r--r--. 1 root root 714 6月 28 15:42 hadoop-root-namenode-centos7.out -rw-r--r--. 1 root root 0 6月 28 15:42 SecurityAuth-root.audit [root@centos7 logs]# cat hadoop-root-datanode-centos7.log
（d）思考：为什么不能一直格式化NameNode，格式化NameNode，要注意什么？
[root@centos7 hadoop2.7]# cd data/tmp/dfs/name/current/ [root@centos7 current]# cat VERSION #Mon Jun 28 15:41:51 CST 2021 namespaceID=1896073757 clusterID=CID-0eb6f1ed-95ef-4ec8-9aef-420af65a9426 cTime=0 storageType=NAME_NODE blockpoolID=BP-2145795146-192.168.164.130-1624866111307 layoutVersion=-63
注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。所以，格式NameNode时，一定要先删除data数据和log日志，然后再格式化NameNode。
（4）操作集群
（a）在HDFS文件系统上创建一个input文件夹 [root@centos7 hadoop2.7]# bin/hdfs dfs -mkdir -p /user/atguigu/input
（b）将测试文件内容上传到文件系统上 [root@centos7 hadoop2.7]# bin/hdfs dfs -put wcinput/wc.input /user/atguigu/input/
（c）查看上传的文件是否正确 [root@centos7 hadoop2.7]# bin/hdfs dfs -ls /user/atguigu/input/ Found 1 items -rw-r--r-- 1 root supergroup 45 2021-06-28 16:01 /user/atguigu/input/wc.input [root@centos7 hadoop2.7]# bin/hdfs dfs -cat /user/atguigu/input/wc.input hadoop yarn hadoop mapreduce atguigu atguigu [root@centos7 hadoop2.7]#
（d）运行MapReduce程序 [root@centos7 hadoop2.7]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/input/ /user/atguigu/output
（e）查看输出结果，命令行查看： [root@centos7 hadoop2.7]# bin/hdfs dfs -cat /user/atguigu/output/*
（f）将测试文件内容下载到本地 [root@centos7 hadoop2.7]# bin/hdfs dfs -get /user/atguigu/output/part-r-00000 ./wcoutput/ （g）删除输出结果 [root@centos7 hadoop2.7]# bin/hdfs dfs -rm -r /user/atguigu/output
2、启动YARN并运行MapReduce程序
（1）配置集群
步骤一：配置yarn-env.sh
步骤二：配置yarn-site.xml
<!-- Reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>localhost</value>
</property>
步骤三：配置mapred-env.sh
步骤四：配置mapred-site.xml (对mapred-site.xml.template重新命名为)
[root@centos7 hadoop]# mv mapred-site.xml.template mapred-site.xml
[root@centos7 hadoop]# vim mapred-site.xml
<!-- 指定MR运行在YARN上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
（2）启动集群
步骤一：启动前必须保证NameNode和DataNode已经启动
步骤二：启动ResourceManager
[root@centos7 hadoop2.7]# sbin/yarn-daemon.sh start resourcemanager
步骤三：启动NodeManager
[root@centos7 hadoop2.7]# sbin/yarn-daemon.sh start nodemanager
（3）集群操作
（a）YARN的浏览器页面查看，如下图所示 http://localhost:8088/cluster
（b）删除文件系统上的output文件 [root@centos7 hadoop2.7]# bin/hdfs dfs -rm -R /user/atguigu/output
（c）执行MapReduce程序 [root@centos7 hadoop2.7]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/input /user/atguigu/output
（d）查看运行结果，如下图所示 [root@centos7 hadoop2.7]# bin/hdfs dfs -cat /user/atguigu/output/*
3、配置历史服务器
为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：
步骤一：配置mapred-site.xml
[root@centos7 hadoop]# pwd
/opt/software/hadoop2.7/etc/hadoop
[root@centos7 hadoop]# vim mapred-site.xml
在该文件里面增加如下配置：
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>localhost:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>localhost:19888</value>
</property>
步骤二：启动历史服务器
[root@centos7 hadoop2.7]# sbin/mr-jobhistory-daemon.sh start historyserver
步骤三：查看历史服务器是否启动
[root@centos7 hadoop2.7]# jps
步骤四：查看JobHistory
http://localhost:19888/jobhistory/job/job_1624931819639_0001
4、配置日志的聚集
日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。
日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。
注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryManager。
步骤一：配置yarn-site.xml
[atguigu@hadoop101 hadoop]$ vi yarn-site.xml
在该文件里面增加如下配置。
<!-- 日志聚集功能使能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
步骤二：关闭NodeManager 、ResourceManager和HistoryManager
[root@centos7 hadoop2.7]# sbin/mr-jobhistory-daemon.sh stop historyserver [root@centos7 hadoop2.7]# sbin/yarn-daemon.sh stop nodemanager [root@centos7 hadoop2.7]# sbin/yarn-daemon.sh stop resourcemanager
步骤三：启动NodeManager 、ResourceManager和HistoryManager
[root@centos7 hadoop2.7]# sbin/yarn-daemon.sh start resourcemanager [root@centos7 hadoop2.7]# sbin/yarn-daemon.sh start nodemanager [root@centos7 hadoop2.7]# sbin/mr-jobhistory-daemon.sh start historyserver
测试：
删除HDFS上已经存在的输出文件 [root@centos7 hadoop2.7]# bin/hdfs dfs -rm -R /user/atguigu/output
执行WordCount程序 [root@centos7 hadoop2.7]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/input /user/atguigu/output
5、配置文件说明
Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。
（1）默认配置文件：
要获取的默认文件 文件存放在Hadoop的jar包中的位置 [core-default.xml] hadoop-common-2.7.2.jar/ core-default.xml [hdfs-default.xml] hadoop-hdfs-2.7.2.jar/ hdfs-default.xml [yarn-default.xml] hadoop-yarn-common-2.7.2.jar/ yarn-default.xml [mapred-default.xml] hadoop-mapreduce-client-core-2.7.2.jar/ mapred-default.xml
（2）自定义配置文件：
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。
标签：xml,hadoop,模式,Hadoop,centos7,atguigu,hadoop2.7,root,分布式 来源： https://www.cnblogs.com/jwen1994/p/14943830.html