大数据应用——Hadoop运行模式(伪分布式运行)

时间:2020-12-26 01:06:30

4.2 伪分布式运行模式

4.2.1 启动HDFS并运行MapReduce程序

1. 分析

(1)配置集群

(2)启动、测试集群增、删、查没有改(多台机子麻烦)

(3)执行WordCount案例

2. 执行步骤

(1)配置集群

(a)配置:hadoop-env.sh

【路径:/opt/module/hadoop-2.7.1/etc/hadoop】

Linux系统中获取JDK的安装路径:sudo vi ~/.bashrc

[hadoop@hadoop101 ~]# echo $JAVA_HOME

/opt/module/jdk1.8.0_162

修改JAVA_HOME 路径:

在export JAVA_HOME={}添加以下路径

export JAVA_HOME=/opt/module/jdk1.8.0_162

大数据应用——Hadoop运行模式(伪分布式运行)

(b)配置:core-site.xml

<!-- 指定HDFS中NameNode的地址 -->

<property>

<name>fs.defaultFS</name>

<value>hdfs://hadoop01:9000</value> # @后面的主机名

</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-2.7.1/data/tmp</value>

</property>

大数据应用——Hadoop运行模式(伪分布式运行)

(c)配置:hdfs-site.xml

<!-- 指定HDFS副本的数量 -->

<property>

<name>dfs.replication</name>

<value>1</value>

</property>

大数据应用——Hadoop运行模式(伪分布式运行)

(2)启动集群

(a)格式化NameNode(第一次启动时格式化,以后就不要总格式化)

执行命令会产生临时文件cd /opt/module/hadoop-2.7.1/data下删除tmp临时文件即可

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfs namenode -format

大数据应用——Hadoop运行模式(伪分布式运行)

(b)启动NameNode

[hadoop@hadoop101 hadoop-2.7.1]$sbin/hadoop-daemon.sh start namenode

(c)启动DataNode

[hadoop@hadoop101 hadoop-2.7.1]$sbin/hadoop-daemon.sh start datanode

(3)查看集群

(a)查看是否启动成功

[hadoop@hadoop101 hadoop-2.7.2]$ jps

13586 NameNode

13668 DataNode

13786 Jps

大数据应用——Hadoop运行模式(伪分布式运行)

注意:jps是JDK中的命令,不是Linux命令。不安装JDK不能使用jps

查看web端之前先查看防火墙的状态并关闭

大数据应用——Hadoop运行模式(伪分布式运行)

(b)web端查看HDFS文件系统

http://192.168.2.122:50070/

大数据应用——Hadoop运行模式(伪分布式运行)

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

注意:格式化时产生data文件夹

[hadoop@hadoop101 hadoop-2.7.2]$ cd data/tmp/dfs/name/current/

[hadoop@hadoop101 current]$ cat VERSION

clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

[hadoop@hadoop101 hadoop-2.7.2]$ cd data/tmp/dfs/data/current/

[hadoop@hadoop101 current]$ cat VERSION

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。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。(先关闭namenode和datanode进程)

(4)操作集群

(a)在HDFS文件系统上创建一个input文件夹

[hadoop@hadoop101 hadoop-2.7.1]$

bin/hdfs dfs -mkdir -p /user/hadoop/input

(b)将测试文件内容上传到文件系统上

[hadoop@hadoop101 hadoop-2.7.1]$bin/hdfs dfs -put wcinput/wc.txt /user/hadoop/input/

(c)查看上传的文件是否正确

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfs dfs -ls /user/hadoop/input/

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfs dfs -cat /user/hadoop/ input/wc.txt

大数据应用——Hadoop运行模式(伪分布式运行)

(d)运行MapReduce程序

[hadoop@hadoop101 hadoop-2.7.1]$

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /user/hadoop/input/ /user/hadoop/output

大数据应用——Hadoop运行模式(伪分布式运行)

(e)查看输出结果

命令行查看:

[hadoop@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -cat /user/hadoop/output/*

大数据应用——Hadoop运行模式(伪分布式运行)

浏览器查看

大数据应用——Hadoop运行模式(伪分布式运行)

查看output文件

(f)将测试文件内容下载到本地

[hadoop@hadoop101 hadoop-2.7.2]$ hdfs dfs -get /user/hadoop/output/part-r-00000./wcoutput/

(g)删除输出结果

[hadoop@hadoop101 hadoop-2.7.2]$ hdfs dfs -rm -r /user/hadoop/output

大数据应用——Hadoop运行模式(伪分布式运行)

4.2.2 启动YARN并运行MapReduce程序

1. 分析

(1)配置集群在YARN上运行MR

(2)启动、测试集群增、删、查

(3)在YARN上执行WordCount案例

2. 执行步骤

(1)配置集群opt/module/hadoop-2.7.1/etc/hadoop

(a)配置yarn-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_162

大数据应用——Hadoop运行模式(伪分布式运行)

(b)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.hadoop01</name>

<value>hadoop</value>

</property>

大数据应用——Hadoop运行模式(伪分布式运行)

(c)配置:mapred-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_162

大数据应用——Hadoop运行模式(伪分布式运行)

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

[hadoop@hadoop101 hadoop]$ mv mapred-site.xml.template mapred-site.xml

[hadoop@hadoop101 hadoop]$ sudo vi mapred-site.xml

<!-- 指定MR运行在YARN上 -->

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

大数据应用——Hadoop运行模式(伪分布式运行)

(2)启动集群

(a)启动前必须保证NameNode和DataNode已经启动

(b)启动ResourceManager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/yarn-daemon.sh start resourcemanager

(c)启动NodeManager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/yarn-daemon.sh start nodemanager

大数据应用——Hadoop运行模式(伪分布式运行)
大数据应用——Hadoop运行模式(伪分布式运行)

(3)集群操作

(a)YARN的浏览器页面查看

http://192.168.2.122:8088/cluster

hadoop101的yarn的浏览器页面

大数据应用——Hadoop运行模式(伪分布式运行)

(b)删除文件系统上的output文件

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfsdfs -rm -R /user/hadoop/output

(c)执行MapReduce程序

[hadoop@hadoop101 hadoop-2.7.1]$

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jarwordcount /user/hadoop/input /user/hadoop/output

(d)查看运行结果,如图2-36所示

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfsdfs -cat /user/hadoop/output/*

大数据应用——Hadoop运行模式(伪分布式运行)

查看运行结果

4.2.3 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

[hadoop@hadoop101hadoop]$ vi 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>hadoop101:10020</value>

</property>

<!-- 历史服务器web端地址-->

<property>

<name>mapreduce.jobhistory.webapp.address</name>

<value>hadoop101:19888</value>

</property>

大数据应用——Hadoop运行模式(伪分布式运行)

2. 启动历史服务器

[hadoop@hadoop101 hadoop-2.7.1]$sbin/mr-jobhistory-daemon.sh start historyserver

3. 查看历史服务器是否启动

[hadoop@hadoop101 hadoop-2.7.1]$ jps

4. 查看JobHistory

http://192.168.2.122:19888/jobhistory

4.2.4 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

[hadoop@hadoop101 hadoop]$ sudo 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>

  1. 关闭NodeManager 、ResourceManager和HistoryManager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/yarn-daemon.sh stop resourcemanager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/yarn-daemon.sh stop nodemanager

[hadoop@hadoop101 hadoop-2.7.1]$sbin/mr-jobhistory-daemon.sh stop historyserver

  1. 启动NodeManager 、ResourceManager和HistoryManager

[hadoop@hadoop01 hadoop-2.7.1]$sbin/yarn-daemon.sh start resourcemanager

[hadoop@hadoop01 hadoop-2.7.1]$sbin/yarn-daemon.sh start nodemanager

[hadoop@hadoop01 hadoop-2.7.1]$ sbin/mr-jobhistory-daemon.shstart historyserver

  1. 删除HDFS上已经存在的输出文件

[hadoop@hadoop101 hadoop-2.7.1]$ bin/hdfs dfs -rm -R /user/hadoop/output

  1. 执行WordCount程序

[hadoop@hadoop101 hadoop-2.7.1]$

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /user/hadoop/input /user/hadoop/output

  1. 查看日志

http://192.168.2.122:19888/jobhistory

大数据应用——Hadoop运行模式(伪分布式运行)
大数据应用——Hadoop运行模式(伪分布式运行)
大数据应用——Hadoop运行模式(伪分布式运行)

4.2.5 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。