ubuntu hadoop2.x 伪分布部署及集群搭建（完全分布式）

在单机模式的基础上，完成伪分布部署！

单机模式安装

Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件。

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改如下配置文件 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。

1、修改core-site.xml（刚打开的时候是下面这样）

<configuration>
</configuration>

将他修改为：

<configuration>
	<property>
        	<name>fs.defaultFS</name>
       		<value>hdfs://localhost:9000</value>
   	</property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/home/hadoop/tmp</value>
   </property>	
</configuration>

常用配置项说明：

• fs.defaultFS这是默认的HDFS路径。当有多个HDFS集群同时工作时，用户在这里指定默认HDFS集群，该值来自于hdfs-site.xml中的配置。
• fs.default.name这是一个描述集群中NameNode结点的URI(包括协议、主机名称、端口号)，集群里面的每一台机器都需要知道NameNode的地址。DataNode结点会先在NameNode上注册，这样它们的数据才可以被使用。独立的客户端程序通过这个URI跟DataNode交互，以取得文件的块列表。
• hadoop.tmp.dir 是hadoop文件系统依赖的基础配置，很多路径都依赖它。如果hdfs-site.xml中不配置namenode和datanode的存放位置，默认就放在/tmp/hadoop-${user.name}这个路径中。

更多说明请参考core-default.xml，包含配置文件所有配置项的说明和默认值。

2、修改hdfs-site.xml（具体配置可查看官网文档）

<configuration>
	<property>
        	<name>dfs.replication</name>
        	<value>1</value>
    	</property>
</configuration>

3、修改mapred-site.xml（具体配置可查看官网文档）

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

4、修改yarn-site.xml（具体配置可查看官网文档）

<!-- Site specific YARN configuration properties -->
	<property>
        	<name>yarn.nodemanager.aux-services</name>
        	<value>mapreduce_shuffle</value>
    	</property>
</configuration>

5、修改hadoop-env.sh（找到如下内容，修改）

# The java implementation to use.
export JAVA_HOME=/usr/java/jdk1.8.0_171
# The jsvc implementation to use. Jsvc is required to run secure datanodes
# that bind to privileged ports to provide authentication of data transfer
# protocol.  Jsvc is not required if SASL is configured for authentication of
# data transfer protocol using non-privileged ports.
#export JSVC_HOME=${JSVC_HOME}
export HADOOP_CONF_DIR=/home/hadoop/hadoop-2.6.0/etc/hadoop

到这里，伪分布的配置就配置完成了。

在使用hadoop前，必须格式化一个全新的HDFS安装。执行下列语句完成格式化：

$ hadoop namenode -format

显示格式化HDFS成功。

之后便可以启动hadoop了，通过start-dfs.sh启动hdfs守护进程，分别启动namenode和datanode。

之后可以启动yarn，通过start-yarn.sh来启动resourcemanager和nodemanager，检查是否启动成功，可以打开浏览器，输入

http://localhost:8088进入resourcemanager管理页面，输入http://localhost:50070进入HDFS页面。

可以看到活动节点为1，就是本机。

datanode使用情况查看。

接下来还是用词频统计来验证：

先在伪分布机器上创建相关文件夹，我们需要将我们的数据文件拷贝到HDFS上去，可以使用下面命令：

hadoop fs -mkdir /user
hadoop fs -mkdir /user/hadoop
hadoop fs -mkdir /user/hadoop/hgg

#创建多层目录
hadoop fs -mkdir -p /user/hadoop/hgg

查看是否创建成功：

成功！！！

输入下面命令完成词频统计：

hadoop jar /home/hadoop/hadoop-2.6.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount /user/hadoop/hgg hggoutput

查看结果：

hadoop -cat /user/hadoop/hggoutput/*

停止服务：

stop-dfs.sh
stop-yarn.sh

伪分布部署完毕。

集群分布转载：（写的很详细，在这不做阐述）

http://www.powerxing.com/install-hadoop-cluster/#more-63