hadoop单机部署,用来测试

叁歲伎倆 2022-05-17 12:18 197阅读 0赞

# 转载自[ee900222的博客][ee900222] #

### 2. Hadoop安装 ###

*  2.1 安装java
    
    Hadoop是使用JAVA写的，所以需要先安装JAVA环境。
    
    本次安装的是hadoop-2.7.0，需要JDK 7以上版本。

yum install java-1.7.0-openjdk
     yum install java-1.7.0-openjdk-devel

安装后确认

java –version

*  2.2 需要ssh和rsync
    
    Linux系统一般都已经默认安装了，如果没有，yum安装。
 *  2.3 下载Hadoop
    
    从官网下载Hadoop最新版2.7.0

wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.7.0/hadoop-2.7.0.tar.gz

将hadoop解压到/usr/local/下

cd /usr/local/
     tar zxvf /root/hadoop-2.7.0.tar.gz

*  2.4 设置环境变量
    
    设置JAVA的环境变量，JAVA\_HOME是JDK的位置

vi /etc/profile
    export PATH=/usr/local/hadoop-2.7.0/bin:$PATH
    export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.91-2.6.2.3.el7.x86_64

让设置生效

source /etc/profile

设置Hadoop的JAVA_HOME

cd hadoop-2.7.0/
    vi etc/hadoop/hadoop-env.sh
    export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.91-2.6.2.3.el7.x86_64

到此，Hadoop的安装就算完成了，接下来进行部署和使用。

### 3. 单机部署 ###

Hadoop部署方式分三种，Standalone mode、Pseudo-Distributed mode、Cluster mode，其中前两种都是在单机部署。

*  3.1 standalone mode（本地单独模式）
    
    这种模式，仅1个节点运行1个java进程，主要用于调试。
    
     *  3.1.1 在Hadoop的安装目录下，创建input目录

mkdir input

*  3.1.2 拷贝input文件到input目录下

cp etc/hadoop/*.xml input

*  3.1.3 执行Hadoop job

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.0.jar grep input output 'dfs[a-z.]+'

上面的job是使用hadoop自带的样例，在input中统计含有dfs的字符串。

*  3.1.4 确认执行结果

cat output/*

*  3.1.5 问题点

WARN io.ReadaheadPool: Failed readahead on ifile
    EBADF: Bad file descriptor

如果出现上面的警告，是因为快速读取文件的时候，文件被关闭引起，也可能是其他bug导致，此处忽略。

*  3.2 pseudo-distributed mode（伪分布模式）
    
    这种模式是，1个节点上运行，HDFS daemon的 NameNode 和 DataNode、YARN daemon的 ResourceManger 和 NodeManager，分别启动单独的java进程，主要用于调试。
 *  3.2.1 修改设定文件

vi etc/hadoop/core-site.xml
    <configuration>
        <property>
            <name>fs.defaultFS</name>
            <value>hdfs://localhost:9000</value>
        </property>
    </configuration>

# vi etc/hadoop/hdfs-site.xml
    <configuration>
        <property>
            <name>dfs.replication</name>
            <value>1</value>
        </property>
    </configuration>

*  3.2.2 设定本机的无密码ssh登陆

# ssh-keygen -t rsa
    # cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

*  3.2.3 执行Hadoop job
    
    MapReduce v2 叫做YARN，下面分别操作一下这两种job
 *  3.2.4 执行MapReduce job
 *  3.2.4.1 格式化文件系统

# hdfs namenode -format

*  3.2.4.2 启动名称节点和数据节点后台进程

# sbin/start-dfs.sh

在localhost启动一个1个NameNode和1个DataNode，在0.0.0.0启动第二个NameNode

*  3.2.4.3 确认

# jps

*  3.2.4.4 访问NameNode的web页面

http://localhost:50070/

*  3.2.4.5 创建HDFS

# hdfs dfs -mkdir /user
    # hdfs dfs -mkdir /user/test

*  3.2.4.6 拷贝input文件到HDFS目录下

# hdfs dfs -put etc/hadoop /user/test/input

确认，查看

# hadoop fs -ls /user/test/input

*  3.2.4.7 执行Hadoop job

# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.0.jar grep /user/test/input output 'dfs[a-z.]+'

*  3.2.4.8 确认执行结果

# hdfs dfs -cat output/*

或者从HDFS拷贝到本地查看

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

*  3.2.4.9 停止daemon

# sbin/stop-dfs.sh

*  3.2.5 执行YARN job
    
    MapReduce V2框架叫YARN
 *  3.2.5.1 修改设定文件

cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
     vi etc/hadoop/mapred-site.xml
    <configuration>
        <property>
            <name>mapreduce.framework.name</name>
            <value>yarn</value>
        </property>
    </configuration>

vi etc/hadoop/yarn-site.xml
    <configuration>
        <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
        </property>
    </configuration>

*  3.2.5.2 启动ResourceManger和NodeManager后台进程

sbin/start-yarn.sh

*  3.2.5.3 确认

# jps

*  3.2.5.4 访问ResourceManger的web页面

http://localhost:8088/

*  3.2.5.5 执行hadoop job

# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.0.jar grep /user/test/input output 'dfs[a-z.]+'

*  3.2.5.6 确认执行结果

# hdfs dfs -cat output/*

执行结果和MapReduce job相同

*  3.2.5.7 停止daemon

# sbin/stop-yarn.sh

*  3.2.5.8 问题点
    
    1.  单节点测试情况下，同样的input，时间上YARN比MapReduce好像慢很多，查看日志发现DataNode上GC发生频率较高，可能是测试用VM配置比较低有关。
    2.  出现下面警告，是因为没有启动job history server

java.io.IOException: java.net.ConnectException: Call From test166/10.86.255.166 to 0.0.0.0:10020 failed on connection exception: java.net.ConnectException: Connection refused;

启动jobhistory daemon

sbin/mr-jobhistory-daemon.sh start historyserver

# jps

访问Job History Server的web页面

http://localhost:19888/

3. 出现下面警告，DataNode日志中有错误，重启服务后恢复

java.io.IOException: java.io.IOException: Unknown Job job_1451384977088_0005

*  3.3 启动/停止
    
    也可以用下面的启动/停止命令，等同于start/stop-dfs.sh + start/stop-yarn.sh

# sbin/start-all.sh
    
    # sbin/stop-all.sh

*  3.4 日志
    
    日志在Hadoop安装路径下的logs目录下

[ee900222]: https://www.cnblogs.com/ee900222/p/hadoop_1.html