By

总阅读797次

文章目录
  1. 1. 之前遇到的问题
  2. 2. 伪分布式模式配置
  3. 3. 启动
  4. 4. 伪分布式模式测试
  5. 5. WordCount测试
  6. 6. 下一步的工作

本文承接上文，Linux Ubuntu 16.04安装Hadoop全过程（一），前文实践了单机模式的配置，此文实现伪分布式模式的配置（非YARN）。

之前遇到的问题

先说一下遇到的一个问题。

1.之前添加hadoop用户失败了，/home目录下没有hadoop目录，但是由于并没用到hadoop而是继续用自己的账户，所以没有发觉，后来转换到hadoop去登录，输入正确的账号密码后，黑下屏马上就回到了原来登录前的界面，也就是出现了循环登录的问题，查看了网上的一些解决方案，大致是要需要找到/home/user(user指的是用户名)下的.xsession-errors文件，但是此时问题来了，突然发现/home下没有hadoop目录，所以找到解决方法。一个原因是添加用户的姿势不对，Linux各发行版会有差异，比如上篇文章那样添加则可以成功，这个问题需要好好研究一下。
hadoop-9hadoop-9

伪分布式模式配置

上一篇文章讲述了在Ubuntu下安装Hadoop的过程，以及单机模式的配置和测试，最终测试成功。

上篇文章的配置沿用下来，再修改两个文件：
1./usr/local/hadoop/etc/hadoop/core-site.xml

原本此文件中只有如下内容：

1
2
<configuration>
</configuration>

添加内容使成为：

1
2
3
4
5
6
7
8
9
10
11
<configuration>
        <property>
             <name>hadoop.tmp.dir</name>
             <value>file:/usr/local/hadoop/tmp</value>
             <description>Abase for other temporary directories.</description>
        </property>
        <property>
             <name>fs.defaultFS</name>
             <value>hdfs://localhost:9000</value>
        </property>
</configuration>

2./usr/local/hadoop/etc/hadoop/hdfs-site.xml

原本也是空的，添加内容使成为：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/data</value>
    </property>
</configuration>

即可。

注意，如果要变回单机模式，清空<configuration>标签中的内容即可。
且如果不是以YARN模式启动的话，无需配置mapred-site.xml。

启动

1.格式化namenode
在/usr/local/hadoop下以用户hadoop的身份执行：

1
$ ./bin/hdfs namenode -format

hadoop-7hadoop-7
看到如上的提示说明格式化namenode成功了。

2.启动服务
如上，执行

1
$ ./sbin/start-dfs.sh

可看到：
hadoop-7hadoop-7

然后用jps命令来判断是否启动成功，结果只显示：

1
2
hadoop@ubuntu:/usr/local/hadoop$ jps
3757 Jps

没有Datanode和Namenode，说明配置不成功。
针对这种情况，依次运行如下命令，最后启动成功：

1
2
3
4
$ ./sbin/stop-dfs.sh    # 关闭dfs
$ rm -r ./tmp     # 删除 tmp 文件，注意这会删除 HDFS 中原有的所有数据
$ ./bin/hdfs namenode -format    # 重新格式化 NameNode
$ ./sbin/start-dfs.sh            # 重启dfs

hadoop-11hadoop-11

3.注： jps命令’command not found’的错误解决：
jps命令是jdk自带的，找不到命令说明极有可能是环境变量出了问题，用echo $PATH查看环境变量，果然什么都没有，说明.bashrc中可能没有配置，果然发现，之前配置的.bashrc是root用户的配置文件，在hadoop用户的根目录还需要配置一遍。即打开.bashrc文件，在最后加入如下几行：

1
2
3
4
export JAVA_HOME=/usr/jdk/jdk1.8.0_101
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

然后source .bashrc保存即可。
此时jps命令启动正常。

4.启动成功后可打开http://localhost:50070查看namenode和datanode或者DFS的信息。
hadoop-12hadoop-12

伪分布式模式测试

单机模式直接读取的是本地文件，如input目录和output目录，而伪分布式模式需要读取分布式文件系统HDFS中的文件，所以还得先建立HDFS。

1
2
3
$ ./bin/hdfs dfs -mkdir -p /user/hadoop  # 在HDFS中创建用户目录
$ ./bin/hdfs dfs -mkdir input  # 在用户目录下创建input目录
$ ./bin/hdfs dfs -put ./etc/hadoop/*.xml input  # 将一些测试文件移入input目录，就移配置xml文件作为输入

注意，我们创建了/user/hadoop用户目录，又使用的是hadoop用户，所以直接用相对路径input即可表示/user/hadoop/input。

然后执行一个筛出dfs开头的单词的程序：
其中./bin/hadoop jar向集群提交作业
grep是Hadoop提供的一个示例程序。
hadoop提供的示例程序如下：（0.19版本）
hadoop-17hadoop-17

1
$ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

hadoop-13hadoop-13

然后查看输出，此时输出仍在HDFS中。

1
$ ./bin/hdfs dfs -cat output/*

hadoop-14hadoop-14

可以将HDFS中的文件拷到本地

1
$ ./bin/hdfs dfs -get output ./output

hadoop-15hadoop-15
注意第二次运行的时候需要删除HDFS中的output，否则会报错，因为此中有防止覆盖的机制，不会让你在不知情的情况下就覆盖掉上一个output，所以需要移走或者删除上一个output。
最后所有程序运行结束后运行./sbin/stop-dfs.sh停止守护进程即可。

WordCount测试

下面还是进行一下WordCount单词统计程序的测试。
先删除HDFS中的output目录：

1
$ ./bin/hdfs dfs -rm -r output

然后如同单机模式中运行WordCount程序一样，运行：

1
$ bin/hadoop jar share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.7.3-sources.jar org.apache.hadoop.examples.WordCount input output

最后查看结果如下：
hadoop-16hadoop-16
移入的几个xml中（并非全部），总共有302个“单词”，每个单词的词频统计都在文件中汇总。

至此运行成功，伪分布式系统配置完毕。

下一步的工作

1.探索YARN模式
2.MapReduce程序的设计与实现（WordCount）

大数据 | Big Data
Hadoop