大数据Hadoop--3.1.3入门——伪分布式搭建学习

1 启动HDFS并运行MapReduce程序

（1）配置集群

（a）配置：hadoop-env.sh
首先查找文件位置

进入文件进行修改命令

Linux系统中获取JDK的安装路径：
echo $JAVA_HOME
/opt/module/jdk1.8.0_212
修改JAVA_HOME 路径：
export JAVA_HOME=/opt/module/jdk1.8.0_212

（b）配置：core-site.xml

添加如下配置：

<!-- 指定HDFS中NameNode的地址-->
  <property>
  <name>fs.defaultFS</name>
  <value>hdfs://hadoop100:9820</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-3.1.3/data/tmp</value>
  </property>
  

（c）配置：hdfs-site.xml
添加如下配置：

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

（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）
bin/hdfs namenode -format

（b）启动NameNode
sbin/hadoop-daemon.sh start namenode (已过时)
最新的命令行如下所示：
bin/hdfs --daemon start namenode

（c）启动DataNode
bin/hdfs –daemon start datanode

（3）查看集群
（a）查看是否启动成功
jps

意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps
（b）web端查看HDFS文件系统
http://hadoop100:9870

（4）操作集群

（a）在HDFS文件系统上创建一个input文件夹

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

（b）将测试文件内容上传到文件系统上

bin/hdfs dfs -put wcinput/wc.input /user/atguigu/input/

（c）查看上传的文件是否正确

bin/hdfs dfs -ls  /user/atguigu/input/

bin/hdfs dfs -cat  /user/atguigu/ input/wc.input

（d）运行MapReduce程序

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar
wordcount /user/atguigu/input/ /user/atguigu/output

（e）查看输出结果

命令行查看：

bin/hdfs dfs -cat /user/atguigu/output/*

（f）将测试文件内容下载到本地

 hdfs dfs -get /user/atguigu/output/part-r-00000 ./wcoutput/

（g）删除输出结果

hdfs dfs -rm -r /user/atguigu/output

2 格式化需要注意的问题

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

 cd data/tmp/dfs/name/current/

 cat VERSION

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

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。所以，格式NameNode时，一定要先删除data数据和logs日志，然后再格式化NameNode。

3 启动YARN并运行MapReduce程序

（1）配置集群

（a）配置yarn-site.xml

<!-- Reducer获取数据的方式-->

     yarn.nodemanager.aux-services</name>
     mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址-->

yarn.resourcemanager.hostname</name>
hadoop101</value>
</property>
        
yarn.nodemanager.env-whitelist</name>       
JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
 </property>

（b）配置mapred-site.xml
vi mapred-site.xml

<!-- 指定MR运行在YARN上 -->

     mapreduce.framework.name</name>
     yarn</value>
</property>

（2）启动集群
（a）启动前必须保证NameNode和DataNode已经启动

（b）启动ResourceManager
sbin/yarn-daemon.sh start resourcemanager (已过时)

sbin/yarn --daemon start resourcemanager

（c）启动NodeManager

 bin/yarn --daemon start nodemanager

（3）集群操作
（a）YARN的浏览器页面查看
http://hadoop100:8088
（b）执行MapReduce程序

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar
wordcount /user/atguigu/input  /user/atguigu/output

（c）查看运行结果

bin/hdfs dfs -cat /user/atguigu/output/*