hadoop2.6.0版本搭建伪分布式环境

由于个人需要在自己的笔记本上搭建hadoop伪分布环境，为了方便自己使用，如想看机器也看之前的一篇博客：hadoop2.6.0版本集群环境搭建

一台虚拟机，配置信息如下：

内存：1G，cpu：一个core,硬盘：15G

1、修改下主机名为master

sudo vi /etc/sysconfig/network

修改结果后：

重启电脑后再查看结果：

修改主机名成功

2、修改hosts中的主机名：

修改后：

3、配置SSH

进入.ssh目录并生成authorized_keys文件：

授权.ssh/文件夹权限为700，authorized_keys文件权限为600(or 644)：

ssh验证：

4、hadoop安装：

去官网下载hadoop最新安装包：http://apache.fayea.com/hadoop/common/hadoop-2.6.0/

下载并解压后：

修改系统配置文件，修改~/.bash_profile文件，增加HADOPP_HOME的bin文件夹到PATH中，修改后使用source命令使配置文件生效：

在hadoop目录下创建文件夹：

接下来开始修改hadoop的配置文件，首先进入hadoop2.6配置文件夹：

第一步修改配置文件hadoop-env.sh，加入"JAVA-HOME",如下所示：

指定我们安装的“JAVA_HOME”：

第二步修改配置文件"yarn-env.sh"，加入"JAVA_HOME",如下所示：

指定我们安装的“JAVA_HOME”：

第三步 修改配置文件“mapred-env.sh”，加入“JAVA_HOME”，如下所示：

指定我们安装的“JAVA_HOME”：

第四步 修改配置文件slaves，如下所示：

设置从节点为master，因为我们是伪分布式，如下所示：

第五步 修改配置文件core-site.xml，如下所示：

修改core-site.xml文件后：

目前来说，core-site.xml文件的最小化配置，core-site.xml各项配置可参考：http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-common/core-default.xml

第六步 修改配置文件 hdfs-site.xml，如下所示：

hdfs-site.xml文件修改后：

上述是hdfs-site.xml文件的最小化配置，hdfs-site.xml各项配置可参考：http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml

第七步 修改配置文件 mapred-site.xml，如下所示：

copy mapred-site.xml.template命名为mapred-site.xml，打开mapred-site.xml，如下所示：

mapred-site.xml 修改后：

上述是mapred-site.xml最小化配置，mapred-site.xml各项配置可参考：http://hadoop.apache.org/docs/r2.6.0/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml

第八步 配置文件yarn-site.xml，如下所示：

yarn-site.xml修改后：

上述内容是yarn-site.xml的最小化配置，yarn-site文件配置的各项内容可参考：http://hadoop.apache.org/docs/r2.6.0/hadoop-yarn/hadoop-yarn-common/yarn-default.xml

也可以增加spark_shuffle,配置如下
<property>
  <name>yarn.nodemanager.aux-services</name>
  <value>mapreduce_shuffle,spark_shuffle</value>
</property>


<property>
  <name>yarn.nodemanager.aux-services.mapreduce_shuffle.class</name>
  <value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
  <name>yarn.nodemanager.aux-services.spark_shuffle.class</name>
  <value>org.apache.spark.network.yarn.YarnShuffleService</value>
</property>
PS: 当提交hadoop MR 就启用,mapreduce_shuffle,当提交spark作业 就使用spark_shuffle,但个人感觉spark_shuffle 效率一般,shuffle是很大瓶颈,还有 如果你使用spark_shuffle 你需要把spark-yarn_2.10-1.4.1.jar 这个jar copy 到HADOOP_HOME/share/hadoop/lib下 ,否则 hadoop 运行报错 class not find exeception

5、启动并验证hadoop伪分布式

第一步：格式化hdfs文件系统：

第二步：进入sbin中启动hdfs，执行如下命令：

此刻我们发现在master上启动了NameNode、DataNode、SecondaryNameNode

此刻通过web控制台查看hdfs，http://master:50070/ 

点击“Live Nodes”，查看一下其信息：

第三步：启动yarn

使用jps命令可以发现master机器启动了ResourceManager进程

PS:我们上传一个文件到hdfs吧：

hadoop web控制台页面的端口整理：

50070：hdfs文件管理

8088：ResourceManager

8042：NodeManager

19888：JobHistory(使用“mr-jobhistory-daemon.sh”来启动JobHistory Server)