Hadoop运行模式-本地式、伪分布式

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：点击前往Hadoop官方网站

2.本地运行模式

2.1 官方Grep案例

**注意：执行案例之前需要先配置hadoop-env.sh中的Java环境变量，详情见第3.1.1小节。

• (1) 创建在hadoop-3.2.1文件下面创建一个input文件夹

[xqzhao@hadoop100 hadoop-3.2.1]$ mkdir input

• (2) 将Hadoop的xml配置文件复制到input

[xqzhao@hadoop100 hadoop-3.2.1]$ cp etc/hadoop/*.xml input

• (3) 执行share目录下的MapReduce程序

[xqzhao@hadoop100 hadoop-3.2.1]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar grep input output 'dfs[a-z.]+'
# 注: output必须是一个不存在的文件夹

• (4) 查看输出结果

[xqzhao@hadoop100 hadoop-3.2.1]$ cat output/*

2.2 官方WordCount案例

• (1) 创建在hadoop-3.2.1文件下面创建一个wcinput文件夹

[xqzhao@hadoop100 hadoop-3.2.1]$ mkdir wcinput

• (2) 在wcinput文件下创建一个wc.input文件

[xqzhao@hadoop100 hadoop-3.2.1]$ cd wcinput
[xqzhao@hadoop100 wcinput]$ touch wc.input

• (3) 编辑wc.input文件

[xqzhao@hadoop100 wcinput]$ vi wc.input

# 在文件中输入如下内容
hadoop yarn
hadoop mapreduce
xqzhao
xqzhao

• (4) 回到Hadoop目录/opt/module/hadoop-3.2.1
• (5) 执行程序

[xqzhao@hadoop100 hadoop-3.2.1]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar wordcount wcinput wcoutput

• (6) 查看结果

[xqzhao@hadoop100 hadoop-3.2.1]$ cat wcoutput/part-r-00000
xqzhao2
hadoop  2
mapreduce       1
yarn    1

3 伪分布式运行模式 (仅用于测试)

3.1 启动HDFS并运行MapReduce程序

3.1.1 配置集群

• (1) 配置: hadoop-env.sh
  Linux系统中获取JDK的安装路径：

[xqzhao@ hadoop100 ~]$ echo $JAVA_HOME
/opt/module/jdk1.8.0_144

# 编辑hadoop-env.sh文件
[xqzhao@ hadoop100 ~]$ vim etc/hadoop/hadoop-env.sh

#修改JAVA_HOME 路径：
export JAVA_HOME=/opt/module/jdk1.8.0_144

• (2) 配置: core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
<property>
	<name>fs.defaultFS</name>
    <value>hdfs://hadoop100:8020</value>
    <!-- <value>hdfs://hadoop100:8020</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/module/hadoop-3.2.1/data/tmp</value>
</property>

--------------------------------------------------------------

<!-- 注1：将上述配置添加在下列标签中间 -->
<configuration>
	...
</configuration>
<!-- 注2：core-site.xml 文件与 hadoop-env.sh 文件在同一目录下-->

• (3) 配置：hdfs-site.xml

<!-- 指定HDFS副本的数量 -->
<property>
	<name>dfs.replication</name>
	<value>1</value>
</property>

3.1.2 启动集群

• (1) 格式化NameNode（第一次启动时格式化，以后就不要总格式化）

[xqzhao@hadoop100 hadoop-3.2.1]$ hdfs namenode -format

• (2) 启动NameNode

[xqzhao@hadoop100 hadoop-3.2.1]$ hadoop-daemon.sh start namenode

• (3) 启动DataNode

[xqzhao@hadoop100 hadoop-3.2.1]$ hadoop-daemon.sh start datanode

3.1.3 查看集群

• (1) 查看是否启动成功

[xqzhao@hadoop100 hadoop-3.2.1]$ jps
13586 NameNode
13668 DataNode
13786 Jps
注意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps

• (2) web端查看HDFS文件系统
  http://hadoop100:50070/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
• 注意：需要在windows的host配置文件里设置IP和主机名映射关系

• (3) 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/module/hadoop-3.2.1/logs

[xqzhao@hadoop100 logs]$ ls
hadoop-atguigu-datanode-hadoop.atguigu.com.log
hadoop-atguigu-datanode-hadoop.atguigu.com.out
hadoop-atguigu-namenode-hadoop.atguigu.com.log
hadoop-atguigu-namenode-hadoop.atguigu.com.out
SecurityAuth-root.audit

[xqzhao@hadoop101 logs]$ cat hadoop-atguigu-datanode-hadoop101.log

• (4) 思考：为什么不能一直格式化NameNode，格式化NameNode，要注意什么？

[xqzhao@hadoop100 hadoop-3.2.1]$ cd data/tmp/dfs/name/current/
[xqzhao@hadoop100 current]$ cat VERSION
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

[xqzhao@hadoop100 hadoop-3.2.1]$ cd data/tmp/dfs/data/current/
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

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。
解决办法：格式NameNode时，一定要先删除data数据和log日志，然后再格式化NameNode。 格式化后，系统会自动生成心得 data 和 logs目录。

3.1.4 操作集群

• (1) 将本地的wcinput文件夹上传到HDFS文件系统中

[xqzhao@hadoop100 hadoop-3.2.1]$ hdfs dfs -mkdir -p /wcinput

• (2) 将测试文件内容上传到文件系统上

[xqzhao@hadoop100 hadoop-3.2.1]$ hdfs dfs -put wcinput/wc.input /wcinput

• (3) 查看上传的文件是否正确

[xqzhao@hadoop100 hadoop-3.2.1]$ hdfs dfs -ls  wcinput/
[xqzhao@hadoop100 hadoop-3.2.1]$ hdfs dfs -cat  wcinput/wc.input

• (4) 运行MapReduce程序

[xqzhao@hadoop100 hadoop-3.2.1]$ hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar wordcount /wcinput/ /wcoutput

• (5) 查看输出结果
  命令行查看：

[xqzhao@hadoop100 hadoop-3.2.1]$ hdfs dfs -cat /wcoutput/*

• (6) 将测试文件内容下载到本地

[xqzhao@hadoop100 hadoop-3.2.1]$ hdfs dfs -get /wcoutput/part-r-00000 ./wcoutput/

（g）删除输出结果

[xqzhao@hadoop100 hadoop-3.2.1]$ hdfs dfs -rm -r /wcoutput

3.2 启动YARN并运行MapReduce程序

3.2.1 配置集群

• (1) 配置yarn-env.sh

# 配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

• (2) 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>hadoop101</value>
</property>

• (3) 配置：mapred-env.sh

# 配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

• (4) 配置： (对mapred-site.xml.template重新命名为) mapred-site.xml

[xqzhao@hadoop100 hadoop]$ mv mapred-site.xml.template mapred-site.xml
[xqzhao@hadoop100 hadoop]$ vi mapred-site.xml

<!-- 指定MR运行在YARN上 -->
<property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
</property>

3.2.2 启动集群

• (1) 启动前必须保证NameNode和DataNode已经启动
• (2) 启动ResourceManager

[xqzhao@hadoop100 hadoop-3.2.1]$ yarn-daemon.sh start resourcemanager

• (3) 启动NodeManager

[xqzhao@hadoop100 hadoop-3.2.1]$ yarn-daemon.sh start nodemanager

3.2.3 集群操作

• (1) YARN的浏览器页面查看，如图2-35所示
  http://hadoop101:8088/cluster
  
• (2) 将本地的wcinput文件上传至HDFS上

[xqzhao@hadoop100 hadoop-3.2.1]$ hadoop fs -put wcinput /

• (3) 执行MapReduce程序

[xqzhao@hadoop100 hadoop-3.2.1]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar wordcount /user/atguigu/input  /user/atguigu/output

• (4) 查看运行结果，如图2-36所示

[atguigu@hadoop100 hadoop-3.2.1]$ bin/hdfs dfs -cat /user/atguigu/output/*

3.3 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：

• 1.配置mapred-site.xml

[xqzhao@hadoop100 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>hadoop102:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop102:19888</value>
</property>

# 注：一零几都可以，随便找一台服务器作为历史服务器即可

• 2.启动历史服务器

[xqzhao@hadoop102 hadoop-3.2.1]$ sbin/mr-jobhistory-daemon.sh start historyserver

• 3.查看历史服务器是否启动

[xqzhao@hadoop102 hadoop-3.2.1]$ jps

• 4.查看JobHistory
  http://hadoop102:19888/jobhistory

3.4 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。
开启日志聚集功能具体步骤如下：

• (1) 配置yarn-site.xml

[xqzhao@hadoop100 hadoop]$ vim 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>

• (2) 关闭NodeManager 、ResourceManager和HistoryServer

[xqzhao@hadoop100 hadoop-3.2.1]$ sbin/yarn-daemon.sh stop resourcemanager
[xqzhao@hadoop100 hadoop-3.2.1]$ sbin/yarn-daemon.sh stop nodemanager
[xqzhao@hadoop100 hadoop-3.2.1]$ sbin/mr-jobhistory-daemon.sh stop historyserver

• (3) 启动NodeManager 、ResourceManager和HistoryServer

[xqzhao@hadoop100 hadoop-3.2.1]$ sbin/yarn-daemon.sh start resourcemanager
[xqzhao@hadoop100 hadoop-3.2.1]$ sbin/yarn-daemon.sh start nodemanager
[xqzhao@hadoop100 hadoop-3.2.1]$ sbin/mr-jobhistory-daemon.sh start historyserver

• (4) 删除HDFS上已经存在的输出文件

[xqzhao@hadoop100 hadoop-3.2.1]$ bin/hdfs dfs -rm -R /user/atguigu/output

• (5) 执行WordCount程序

[xqzhao@hadoop100 hadoop-3.2.1]$ hadoop jar
 share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar wordcount /user/atguigu/input /user/atguigu/output

• (6) 查看日志，如图2-37，2-38，2-39所示
  http://hadoop100:19888/jobhistory

3.5 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：
  

• (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。

声明：本文是学习时记录的笔记，如有侵权请告知删除！
原视频地址:https://www.bilibili.com/video/BV1Me411W7PV