1)资料查询(官方网址) (1)官方网站: http://hadoop.apache.org/ (2)各个版本归档库地址 https://archive.apache.org/dist/hadoop/common/hadoop-2.7.7/ (3)hadoop2.7.6版本详情介绍 https://hadoop.apache.org/docs/r2.7.6/ 2)Hadoop运行模式 (1)本地模式(默认模式): 不需要启用单独进程,直接可以运行,测试和开发时使用。 (2)伪分布式模式: 等同于完全分布式,只有一个节点。 (3)完全分布式模式: 多个节点一起运行。
1.1 运行官方grep案例 1)创建在hadoop-2.7.7文件下面创建一个input文件夹 2)将hadoop的xml配置文件复制到input 3)执行share目录下的mapreduce程序 4)查看输出结果
代码示例:
[shaofei@hadoop128 hadoop-2.7.7]$ mkdir input [shaofei@hadoop128 hadoop-2.7.7]$ cp -r etc/hadoop/*.xml input/ [shaofei@hadoop128 hadoop-2.7.7]$ ll input/ [shaofei@hadoop128 hadoop-2.7.7]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar grep input/ output 'dfs[a-z.]+' [shaofei@hadoop128 hadoop-2.7.7]$ cat output/*
1.2 官方wordcount案例 1)创建在hadoop-2.7.7文件下面创建一个wcinput文件夹 2)在wcinput文件下创建一个wc.input文件 3)编辑wc.input文件 4)回到hadoop目录/opt/module/hadoop-2.7.7 5)执行程序: 6)查看结果:
代码示例:
[shaofei@hadoop128 hadoop-2.7.7]$ mkdir wcinput [shaofei@hadoop128 hadoop-2.7.7]$ vim wcinput/input.input
java java java hadoop hadoop python pyfysf upuptop java lll haha helloworld
:wq
[shaofei@hadoop128 hadoop-2.7.7]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount wcinput/ wcoutput
[shaofei@hadoop128 hadoop-2.7.7]$ cat wcoutput/*
hadoop 2 haha 1 helloworld 1 java 4 lll 1 pyfysf 1 python 1 upuptop 1
2.1 启动HDFS并运行MapReduce 程序 1)执行步骤 (1)配置集群 (a)配置:hadoop-env.sh Linux系统中获取jdk的安装路径: 修改JAVA_HOME 路径: (b)配置:core-site.xml (c)配置:hdfs-site.xml (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) (b)启动namenode (c)启动datanode (3)查看集群 (a)查看是否启动成功 (b)查看产生的log日志 (c)web端查看HDFS文件系统 (4)操作集群 (a)在hdfs文件系统上创建一个input文件夹 (b)将测试文件内容上传到文件系统上 (c)查看上传的文件是否正确 (d)运行mapreduce程序 (e)查看输出结果 命令行查看: 浏览器查看 浏览器查看.png (f)将测试文件内容下载到本地 (g)删除输出结果
代码示例
1)配置集群
配置hadoop-env 里面的JAVA_HOME[shaofei@hadoop128 hadoop-2.7.7]$ vim etc/hadoop/hadoop-env.sh
# The java implementation to use. export JAVA_HOME=/opt/module/jdk1.8.0_191
配置core-site.xml[shaofei@hadoop128 hadoop-2.7.7]$ vim etc/hadoop/core-site.xml
<configuration> <!-- 指定HDFS中NameNode的地址 --> <property> <name>fs.defaultFS</name> <value>hdfs://hadoop128:9000</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/module/hadoop-2.7.7/data/tmp</value> </property> </configuration>
配置hdfs-site.xml[shaofei@hadoop128 hadoop-2.7.7]$ vim etc/hadoop/hdfs-site.xml
<configuration>
<!-- 指定HDFS副本的数量 --> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration>
2)启动集群
格式化namenode[shaofei@hadoop128 hadoop-2.7.7]$ bin/hdfs namenode -format
启动namenode[shaofei@hadoop128 hadoop-2.7.7]$ sbin/hadoop-daemon.sh start namenode
确认是否开启成功[shaofei@hadoop128 hadoop-2.7.7]$ jps2323 NameNode2392 Jps
启动datanode[shaofei@hadoop128 hadoop-2.7.7]$ sbin/hadoop-daemon.sh start datanode
确认是否开启成功[shaofei@hadoop128 hadoop-2.7.7]$ jps2417 DataNode2323 NameNode2492 Jps
3)查看集群
查看生成的日志log[shaofei@hadoop128 hadoop-2.7.7]$ cat logs/hadoop-shaofei-datanode-hadoop128.log
在web端查看HDFS文件系统[ip 为linux服务器ip]http://hadoop128:50070http://ip:50070
http://hadoop128:50070/explorer.html#/
4)操作集群
在hdfs文件系统上创建一个wcinput文件夹[shaofei@hadoop128 hadoop-2.7.7]$ bin/hdfs dfs -mkdir -p /user/shaofei/wcinput
查看是否创建成功[shaofei@hadoop128 hadoop-2.7.7]$ bin/hdfs dfs -ls /user
复制本地的 wcinput/input.input 到 hdfs系统中的wcinput中 并查看是否上传成功
[shaofei@hadoop128 hadoop-2.7.7]$ bin/hdfs dfs -put wcinput/input.input /user/shaofei/wcinput
[shaofei@hadoop128 hadoop-2.7.7]$ bin/hdfs dfs -ls /user/shaofei/wcinput
执行MapReduce程序[shaofei@hadoop128 hadoop-2.7.7]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount /user/shaofei/wcinput/ /user/shaofei/wcoutput
将结果下载到本地查看[shaofei@hadoop128 hadoop-2.7.7]$ bin/hdfs dfs -get /user/shaofei/wcoutput[shaofei@hadoop128 hadoop-2.7.7]$ cat wcoutput/*
在web中查看hdfs系统
/user/shaofei/user/shaofei/wcinput/user/shaofei/wcoutput
2.2 YARN上运行MapReduce 程序 1)执行步骤 (1)配置集群 (a)配置yarn-env.sh 配置一下JAVA_HOME (b)配置yarn-site.xml (c)配置:mapred-env.sh 配置一下JAVA_HOME (d)配置: (对mapred-site.xml.template重新命名为) mapred-site.xml (2)启动集群 (a)启动前必须保证namenode和datanode已经启动 (b)启动resourcemanager (c)启动nodemanager (3)集群操作 (a)yarn的浏览器页面查看 http://192.168.1.101:8088/cluster (b)删除文件系统上的output文件 (c)执行mapreduce程序 (d)查看运行结果
代码示例
1)配置集群
配置yarn-evn.sh中的JAVA_HOME [shaofei@hadoop128 hadoop-2.7.7]$ vim etc/hadoop/yarn-env.sh # some Java parameters export JAVA_HOME=/opt/module/jdk1.8.0_191
配置yarn-site.xml [shaofei@hadoop128 hadoop-2.7.7]$ vim etc/hadoop/yarn-site.xml <configuration> <!-- Site specific YARN configuration properties --> <!-- 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>hadoop128</value> </property> </configuration>
配置mapred-env.sh中的JAVA_HOME [shaofei@hadoop128 hadoop-2.7.7]$ vim etc/hadoop/mapred-env.sh export JAVA_HOME=/opt/module/jdk1.8.0_191
对mapred-site.xml.template 重命名 [shaofei@hadoop128 hadoop-2.7.7]$ mv etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
配置mapred-site.xml [shaofei@hadoop128 hadoop-2.7.7]$ vim etc/hadoop/mapred-site.xml
<configuration> <!-- 指定mr运行在yarn上 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>
2)启动集群
启动yarn之前需要确定namenode和datanode是启动状态 [shaofei@hadoop128 hadoop-2.7.7]$ jps 3184 Jps 2417 DataNode 2323 NameNode
启动ResourceManager [shaofei@hadoop128 hadoop-2.7.7]$ sbin/yarn-daemon.sh start resourcemanager
启动NodeManager [shaofei@hadoop128 hadoop-2.7.7]$ sbin/yarn-daemon.sh start nodemanager
查看启动程序列表 [shaofei@hadoop128 hadoop-2.7.7]$ jps 2417 DataNode 3217 ResourceManager 3587 Jps 2323 NameNode 3465 NodeManager
在浏览器中查看 http://[ip]:8088/cluster
2)执行MapReduce
删除文件系统上的output文件 [shaofei@hadoop128 hadoop-2.7.7]$ bin/hdfs dfs -rm -r /user/shaofei/wcoutput
执行mapreduce程序 hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount /user/shaofei/wcinput /user/shaofei/wcoutput
查看运行结果 [shaofei@hadoop128 hadoop-2.7.7]$ hadoop fs -cat /user/shaofei/wcoutput/*
集群部署规划
-- | hadoop132 | hadoop133 | hadoop134 |
---|---|---|---|
HDFS | NameNode、DataNode | DataNode | SecondaryNameNode、DataNode |
YARN | NodeManager | ResourceManager、NodeManager | NodeManager |
配置文件 core-site.xml
<!-- 指定 HDFS 中 NameNode 的地址 --> <property> <name>fs.defaultFS</name> <value>hdfs://hadoop132:9000</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/module/hadoop-2.7.2/data/tmp</value> </property>
hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
hdfs-site.xml
<configuration> <property> <name>dfs.replication</name> <value>3</value> </property> <property> <name>dfs.namenode.secondary.http-address</name> <value>hadoop134:50090</value> </property></configuration>
slaves
hadoop132hadoop133hadoop134
yarn yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
yarn-site.xml
<configuration><!-- 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>hadoop133</value> </property></configuration>
mapreduce mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
mapred-site.xml
<configuration> <!-- 指定 mr 运行在 yarn 上 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property></configuration>
集群同步以上配置文件
启动集群
如果集群是第一次启动,需要格式化 namenode$ bin/hdfs namenode -format$ sbin/start-dfs.sh
第二台机器上启动yarn$ sbin/start-yarn.sh
注意:Namenode 和 ResourceManger 如果不是同一台机器,不能在 NameNode 上启动 yarn,应该在 ResouceManager 所在的机器上启动 yarn。