什么是伪分布式模式？它与本地运行模式以及完全分布式模式有什么区别？

伪分布式的配置信息，完全是按照完全分布式的模式去搭建的，但是它只有一台服务器，可以用于学习和测试，真正的开发中不可以使用。

目录

一、使用软件

二、启动HDFS并运行MapReduce程序

1、配置集群

2、启动集群

3、查看集群

4、操作集群

5、注意

三、启动Yarn并运行MapReduce程序

1、配置集群

2、启动集群

3、操作集群

四、配置历史服务器

1、配置mapred-site.xml

2、启动历史服务器

3、查看历史服务器是否启动

4、查看JobHistory

五、配置日志的聚集

1、关闭NodeManager 、ResourceManager和HistoryManager

2、配置yarn-site.xml

3、启动NodeManager 、ResourceManager和HistoryManager

4、删除HDFS上已经存在的输出文件

5、执行WordCount程序

6、查看日志

六、配置文件说明

一、使用软件

1、VMware15.5

2、centos6.4（64位）

3、java1.8.0_144（64位）

4、hadoop 2.7.2

二、启动HDFS并运行MapReduce程序

1、配置集群

配置文件都在该目录下 ： /opt/module/hadoop-2.7.2/etc/hadoop

（善于利用tab键）

（1）配置：hadoop-env.sh

hadoop-env.sh：修改JAVA_HOME的路径

（2）配置：core-site.xml

其中的hadoop01的位置根据自己的主机名进行相应的修改

hadoop.tmp.dir：hadoop运行时产生文件的存储目录。之后的很多框架默认的存储路径是：/tmp/hadoop-${user.name}，但是一般不会把数据存放在系统的tmp目录下，修改到当前工程的路径下。

修改了这一块之后，运行本地模式会报错，因为协议发生了变化，默认的是file:///

<configuration><!-- 指定HDFS中NameNode的地址 --><property><name>fs.defaultFS</name><value>hdfs://hadoop01:9000</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>
</configuration>

（3）配置：hdfs-site.xml

hdfs-site.xml：指定HDFS副本的数量（默认值是3），副本：同时在3台机器上存储了同一份的数据，任何一台节点的数据挂掉，那么还有两份，还会在另一台服务器上增加这个节点，始终保证这个集群上的副本是3。副本的多少取决去机器的性能

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

2、启动集群

（1）格式化NameNode

格式化NameNode，第一次启动时格式化，以后不要总是格式化，因为格式化一次，就把集群上的数据全部清空了。在格式化的过程当中，如果有任何提示你已经格式化过，是否重新格式化，遇到任何的提示，就应该需要重新格式化，

bin/hdfs namenode -format

（2）启动NameNode

sbin目录下，hadoop-daemon.sh是hadoop的守护进程，它可以启动hadoop的NamdeNode，启动Hadoop的DataNode

sbin/hadoop-daemon.sh start namenode

（3）启动DataNode

sbin/hadoop-daemon.sh start datanode

3、查看集群

（1）使用jps

查看是否启动了，使用jps的命令，如果提示jps不生效，则可能是jdk安装的问题，或者是没有source /etc/profile

（2）web端查看（注意修改成自己的ip）

http://192.168.223.133:50070/dfshealth.html#tab-overview

（3）查看产生的Log日志

4、操作集群

（1）在HDFS问价系统上创建一个input文件夹

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

（2）将测试文件内容上传到文件系统

这里的input文件也可以自己创建一个

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

（3）查看上传文件是否正确

可以看到文件夹下有刚刚上传的wc.input文件

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

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

（4）运行MapReduce程序

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzz/input/ /user/zzz/output

（5）查看输出结果

命令行查看 或者 web端查看

bin/hdfs dfs -cat /user/zzz/output/p*

（6）将输出文件内容下载到本地

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

（7）删除输出结果

bin/hdfs dfs -rm -r /user/zzz/output

5、注意

【关于NameNode需要注意什么？】

在格式化之前，要确定DataNode和NameNode的进程是否退出，再删除data和logs文件夹，对于第一次格式化不存在这个问题。

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log日志，然后再格式化NameNode。

三、启动Yarn并运行MapReduce程序

Yarn由四个部分组成，ResourceManager（RM），NodeManager（NM），ApplicationMaster（AM），Container

1、配置集群

配置文件都在该目录下 ： /opt/module/hadoop-2.7.2/etc/hadoop

（善于利用tab键）

（1）配置yarn-env.sh

echo $JAVA_HOME

（2）配置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>hadoop01</value></property>
</configuration>

（3）配置mapred-env.sh

和（1）一样，配置JAVA_HOME

（4）配置(对mapred-site.xml.template重新命名为) mapred-site.xml

mv mapred-site.xml.template 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

（1）启动前必须保证NameNode，DataNode已启动

（2）启动ResourceManager

sbin/yarn-daemon.sh start resourcemanager

（3）启动NodeManager

sbin/yarn-daemon.sh start nodemanager

3、操作集群

（1）Yarn浏览器页面查看

http://192.168.223.133:8088/cluster

（2）删除文件系统上的output文件

bin/hdfs dfs -rm -R /user/atguigu/output

（3）执行MapReduce程序

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzz/input/ /user/zzz/ouput

（4）查看运行结果

bin/hdfs dfs -cat /user/zzz/ouput/*

四、配置历史服务器

为了查看程序的历史运行情况，需要配置一下历史服务器。

1、配置mapred-site.xml

在里面增加如下

    <!-- 历史服务器端地址 --><property><name>mapreduce.jobhistory.address</name><value>hadoop01:10020</value></property><!-- 历史服务器web端地址 --><property><name>mapreduce.jobhistory.webapp.address</name><value>hadoop01:19888</value></property>

2、启动历史服务器

所有的启动脚本都在 /opt/module/hadoop-2.7.2/sbin 目录下

sbin/mr-jobhistory-daemon.sh start historyserver
starting historyserver, logging to /opt/module/hadoop-2.7.2/logs/mapred-zzz-historyserver-hadoop01.out

3、查看历史服务器是否启动

4、查看JobHistory

查看url:http://192.168.223.133:19888/jobhistory/，点击具体的JobID，会看到更加详细的页面

左侧栏：

Counters会记录你整个系统运行情况的各种技术信息

Configuration：配置信息

Map Tasks：包括Map阶段的名称，状态，开始时间，结束时间等

Reduce Tasks：包括Reduce阶段的名称，状态，开始时间，结束时间等

五、配置日志的聚集

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。

日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryManager

开启日志聚集功能具体步骤如下：

1、关闭NodeManager 、ResourceManager和HistoryManager

sbin/mr-jobhistory-daemon.sh stop historyserver
sbin/yarn-daemon.sh stop nodemanager
sbin/yarn-daemon.sh stop resourcemanager

2、配置yarn-site.xml

3、启动NodeManager 、ResourceManager和HistoryManager

sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
sbin/mr-jobhistory-daemon.sh start historyserver

4、删除HDFS上已经存在的输出文件

5、执行WordCount程序

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzz/input /user/zzz/output

6、查看日志

http://192.168.223.133:19888/jobhistory点击具体的JobID，点击logs，就可以看到更为具体的日志

进入/opt/module/hadoop-2.7.2/logs查看也可以。

六、配置文件说明

1、core-site.xml

HDFS中NameNode地址，指定Hadoop运行时产生文件的存储目录

2、hdfs-site.xml

指定HDFS副本的数量

3、yarn-site.xml（yarn目前只用到NodeManager，ResourceManager）

Reducer获取数据的方式，指定YARN的ResourceManager的地址，日志聚集功能使能，日志保留时间设置

4、mapred-site.xml

指定MR运行在YARN上（默认是local），历史服务器端地址，历史服务器web端地址