hadoop伪分布式模式部署

1.hadoop的部署模式

hadoop可以使用不同的模式部署，适用于不同的场景。

单机模式：无需任何守护进程，所有的程序都运行在同一个JVM上执行，一般用于调试MapReduce程序时使用（多用在Windows环境下）。
伪分布式模式：守护进程运行在本地机器上，模拟一个小规模的集群，只有一个NameNode和一个DataNode实例，数据都存放在同一个节点上。“伪”体现在如何本节点出现故障，则数据丢失，而完全分布式可以使用副本机制保证一个节点故障时数据正常访问。伪分布模式也多用在程序调试中。
完全分布式模式：守护进程运行在一个集群上，有一个NameNode和多个DataNode，利用副本机制可以保证当其中一个DataNode节点故障时数据还能正常访问。利用SecondaryNameNode和高可用机制，还可保证整个集群不间断地提供服务。企业应用中hadoop的部署必然是完全分布式模式。

伪分布模式的优势

(1)节省硬件资源：使用一个节点就可以完成集群的搭建。
(2)便于调试：在程序调试阶段可以省去很多服务维护工作，专注于业务研发。

2.伪分布模式安装部署

2.1安装环境

Linux：CentOS 7.2（如果没有实体机可使用虚拟机代替）
JDK：1.8（openjdk或oracle jdk均可，能运行java命令即可）

java -version命令输出如下：

[root@node1 hadoop]# java -version
openjdk version "1.8.0_191"
OpenJDK Runtime Environment (build 1.8.0_191-b12)
OpenJDK 64-Bit Server VM (build 25.191-b12, mixed mode)

2.2配置节点名称

设置节点名称为node1
hostnamectl set-hostname node1
在/etc/hosts文件中写入节点名称和ip的对应信息
192.168.21.20 node1
hostname命令执行结果为node1

2.3关闭防火墙

systemctl stop firewalld
setenforce 0
# 等效于手动修改/etc/sysconfig/selinux，将其中的SELINUX=enforcing改成SELINUX=disabled
sed 's/SELINUX=enforcing/SELINUX=disabled/g' /etc/sysconfig/selinux

2.4配置免密登录

配置免密的目的是让Hadoop的NameNode和DataNode能在没有密码的情况下互相通信。

# 有提示的地方一路按回车
ssh-keygen -t rsa
# 提示输入root用户密码
ssh-copy-id node1

测试：如果执行ssh node1不需要密码，即为成功。

2.5安装包下载

记住apache软件统一下载地址，apache系列所有软件、所有版本再也不用在百度上搜了！
https://archive.apache.org/dist/
根据项目需要下载相应的版本，本文以2.7.3版本作为示例。下载地址：
https://archive.apache.org/dist/hadoop/core/hadoop-2.7.3/hadoop-2.7.3.tar.gz

2.6安装包上传并解压

将hadoop安装包通过远程传输工具（如xftp），上传至linux的/root目录。
进入/root目录，并解压tar.gz，解压后将hadoop-2.7.3目录移动到/usr/local/目录下（不绝对，也有人喜欢放在/opt目录下，但最好不要放在/root目录下，因为容易被误删）

cd /root
tar -zxvf hadoop-2.7.3.tar.gz
mv hadoop-2.7.3 /usr/local/

推荐移动至/usr/local/目录的理由：
/usr/local/目录下存放的是linux的本地链接库、运行命令等，一是将hadoop也作为linux的本地程序维护，二是防止被其他用户误删。

2.7 配置环境变量

修改/etc/profile文件，在末尾写入

# java的路径根据实际路径填写
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.191.b12-1.el7_6.x86_64/jre
export HADOOP_HOME=/usr/local/hadoop-2.7.3
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

测试，如果执行hadoop version，出现以下结果则为成功。

hadoop version
Hadoop 2.7.3
Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r baa91f7c6bc9cb92be5982de4719c1c8af91ccff
Compiled by root on 2016-08-18T01:41Z
Compiled with protoc 2.5.0
From source with checksum 2e4ce5f957ea4db193bce3734ff29ff4
This command was run using /usr/local/hadoop-2.7.3/share/hadoop/common/hadoop-common-2.7.3.jar

2.8配置hadoop

进入到/usr/local/hadoop/etc/hadoop进行hadoop配置文件修改

2.8.1hadoop-env.sh文件

配置java的路径，根据实际修改。

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.191.b12-1.el7_6.x86_64/jre

2.8.2core-site.xml

配置NameNode访问地址、临时目录、访问代理等（用于权限认证）。

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://node1:8020</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/tmp/hadoop</value>
    </property>
    <property>
       <name>hadoop.proxyuser.root.hosts</name>
       <value>*</value>
    </property>
    <property>
       <name>hadoop.proxyuser.root.groups</name>
       <value>*</value>
    </property>
</configuration>

2.8.3 hdfs-site.xml

配置DataNode的数据目录、NameNode的数据目录、副本数、是否开启dfs认证权限等。

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/var/lib/hadoop/datanode</value>
    </property>
    <property>
         <name>dfs.namenode.name.dir</name>
         <value>/var/lib/hadoop/namenode</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.permissions.enabled</name>
        <value>false</value>
    </property>
</configuration>

2.8.4slaves

配置DataNode节点的名称。

node1

2.9启动DFS

使用以下命名开启DFS服务

start-dfs.sh

如果成功，则正常输出

Starting namenodes on [node1]
node1: starting namenode, logging to /usr/local/hadoop-2.7.3/logs/hadoop-root-namenode-node1.out
node1: starting datanode, logging to /usr/local/hadoop-2.7.3/logs/hadoop-root-datanode-node1.out
Starting secondary namenodes [0.0.0.0]
0.0.0.0: starting secondarynamenode, logging to /usr/local/hadoop-2.7.3/logs/hadoop-root-secondarynamenode-node1.out

2.10测试

hdfs dfs -ls /
hdfs dfs -mkdir /input
hdfs dfs -put /usr/local/hadoop-2.7.3/etc/hadoop/* /input/
hdfs dfs -ls /input

如果成功，应输出图中内容。