Hadoop入门教程（三）：Hadoop 单节点本地运行与伪分布式

因为是入门学习，很多同学的电脑性能不具备集群环境的要求，我们先了解一下 Hadoop 单节点运行模式，以便您可以使用 Hadoop MapReduce和 Hadoop 分布式文件系统（HDFS）快速执行简单的操作。本节内容主要是带新手体验一下 Hadoop 的案例，相当于 Hello World 案例，揭开 Hadoop 神秘的面纱。

先决条件

本教程的内容都来自 Apache Hadoop 的官方文档：https://hadoop.apache.org/docs/r2.10.1/hadoop-project-dist/hadoop-common/SingleCluster.html，如果您需要阅读原文，可以去看看。

上一篇讲了 Hadoop 的安装教程，如果还没安装，请先安装 Hadoop 再尝试本篇教程。

配置 Hadoop 启动脚本

我们需要先编辑 etc/hadoop/hadoop-env.sh 脚本，上一篇教程将 Hadoop 安装到了 /opt/module/hadoop-2.10.1，所以配置文件位置就在 /opt/module/hadoop-2.10.1/etc/hadoop/hadoop-env.sh。

根据官方文档的要求，我们需要配置这个脚本中的 export JAVA_HOME=/usr/java/latest，上一篇教程将 JDK 安装到了 /opt/module/jdk1.8.0_281，所以我这里修改的内容就是：

export JAVA_HOME=/opt/module/jdk1.8.0_281

配置完成后执行 /opt/module/hadoop-2.10.1/bin/hadoop 进行测试，这将显示hadoop脚本的用法文档。

单节点运行配置

默认情况下，Hadoop被配置为以非分布式模式(non-distributed mode)作为单个Java进程运行，调试的时候才会使用。如上所说，本地模式在调试的时候会使用，不会在生产环境中使用。

安装官方文档的内容，我们验证以下，执行以下命令：

mkdir input
cp etc/hadoop/*.xml input
bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.10.1.jar grep input output 'dfs[a-z.]+'
cat output/*

这其实就是类似 Hello World，就是将conf目录作为输入，然后查找并显示给定正则表达式的每个匹配项。输出被写入给定的输出目录。这就使用 Hadoop 执行了一次查询。

再体验一下官方WordCount案例

官方还为我们准备了一个体验案例 WordCount，就是统计单词数量，我们可以这样体验：

新建一个文件夹 wcinput，再在里面新建 wc.input 文件，写入一些文本，让 Hadoop 帮我们统计单词数量。

mkdir wcinput
touch wcinput/wc.input
vim wcinputu/wc.input#写入我们的文本，如以下内容（去掉井号）：
#hadoop test
#hadoop renfei
#renfei yarn
# 执行 wordcount 案例，输入文件夹是 wcinput，输出文件夹是 wcoutput
bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.10.1.jar wordcount wcinput wcoutput
# 查看结果
cat wcoutput/*

到这里，你又一次体验了 Hadoop 的强大，他帮我们统计出了单词的数量。

伪分布式模式

根据官方文档说明：Hadoop也可以以伪分布式模式在单节点上运行，其中每个Hadoop守护程序都在单独的Java进程中运行。我们需要修改 etc/hadoop/core-site.xml、etc/hadoop/hdfs-site.xml，我就按照我的环境配置了，配置如下：

etc/hadoop/core-site.xml:

<configuration>
    <!-- 指定HDFS中NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
    <!-- 指定Hadoop运行时产生的文件存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-2.10.1/data/tmp</value>
    </property>
</configuration>

etc/hadoop/hdfs-site.xml:

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

格式化文件系统

首次启动时格式化文件系统，只有首次需要格式化，重复格式化会出现问题：

bin/hdfs namenode -format

启动NameNode守护程序和DataNode守护程序

sbin/start-dfs.sh

浏览Web界面以查找NameNode

我这里的IP是 192.168.1.50，你需要换成你的 Hadoop IP 地址，来访问50070端口：http://192.168.1.50:50070，看到如下画面：

Yarn的伪分布式模式

编辑 etc/hadoop/yarn-env.sh、etc/hadoop/mapred-env.sh，配置 JAVA_HOME，这里就不赘述了。

配置 etc/hadoop/yarn-site.xml：

<configuration>
    <!-- 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地址 -->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop50</value>
    </property>
</configuration>

重命名 etc/hadoop/mapred-site.xml.template 为 etc/hadoop/mapred-site.xml，并修改配置：

<configuration>
    <!-- 指定 MR 运行在 YARN 上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

启动集群

首先保证 NameNode 和 DataNode 已经启动，然后启动 ResourceManager 和 NodeManager：

sbin/start-yarn.sh

然后使用浏览器访问，我这里的IP是 192.168.1.50，你需要换成你的 Hadoop IP 地址，来访问8088端口：http://192.168.1.50:8088/cluster，看到如下画面：

体验伪分布式模式的 Hadoop

体验伪分布式模式的 Hadoop时，需要将我们的本地文件上传到 HDFS 上，使用如下命令：

hadoop fs -put wcinput /

在 http://192.168.1.50:50070/explorer.html 中我们可以看到上传成功的文件：

再次执行WordCount案例，不过这次输入文件夹，注意前面是个杠 /，是走的 HDFS 的根目录，而不是本地的:

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.10.1.jar wordcount /wcinput /wcoutput

执行成功以后我们可以在浏览器中看到已经有 wcoutput 输出文件夹了，我们使用 HDFS 看看内容：

hadoop fs -cat /wcoutput/*

完全分布式

在现实生产环境中，我们不可能使用单节点运行，所以重点还是分布式的 Hadoop，下一节将带大家搭建完全分布式的集群 Hadoop。