Hadoop简介

我们之前已经解释过了分布式存储，分布式存储有很多的解决方案，其中有个开源程序叫做HDFS,HDFS+MAPREDUCE=hadoop。

hadoop不算是单存的分布式存储，我们之前提到的Mogilefs和Fastdfs都是分布式存储。hadoop属于分布式计算，MAPREDUCE是一个编程的框架，使得程序可以并行计算。

HDFS适用于存储单个大文件，在存储中内置块大小为64M，会将大文件分片存储，同时也支持存储海量的文件。

MAPREDUCE就是基于上面存储的文件进行处理，分析。

上面提到了hadoop是由mapreduce+hdfs组成，因此他也是两个集群，hdfs分成了一个主节点和N个从节点，从节点主要用于存储数据，主节点存储从节点的元数据信息，有点类似于之前介绍的fastdfs由从节点向主节点汇报自己的状态，存储的文件等等。mapreduce（hadoop2.0以后）也分为了两块，一块称为RM(resource manager)一般运行与单个主机上，一块称为NM（node manager）运行在每个存储节点之上，RM负责接收用户的任务，并将任务发往NM之上，在NM之上又会生成一个AM（application manager），再由AM管理具体任务的执行。

接下来就来简单配置一个伪分布式的hadoop（因为上述所有进程都运行在一个主机上，因此命名为伪分布式）

下载官网的tar包。

hadoop运行与java虚拟机之上，所以先得去配置java环境

[root@localhost ~]# yum -y install java-1.8.0-openjdk-devel    java-1.8.0-openjdk   

[root@localhost ~]# vi /etc/profile.d/java.sh 
[root@localhost ~]# cat /etc/profile.d/java.sh
export JAVA_HOME=/usr                        #此处指明java目录即可，hadoop在运行时会自动找java目录下bin/java
export HADOOP_PREFIX=/usr/local/hadoop-2.7.1 

export PATH=$PATH:${HADOOP_PREFIX}/bin:${HADOOP_PREFIX}/sbin
export HADOOP_YARN_HOME=${HADOOP_PREFIX}
export HADOOP_MAPPERD_HOME=${HADOOP_PREFIX}
export HADOOP_COMMON_HOME=${HADOOP_PREFIX}
export HADOOP_HDFS_HOME=${HADOOP_PREFIX}

配置java以及hadoop配置环境

编辑hadoop目录中etc/hadoop/core-site.xml文件，添加一下内容。

    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:8020</value>
       <final>true</final>
    </property>

hadoop的配置文件格式name相当于一个指令，value就是指令值。

同目录下yarn.site.xml添加此段

    <property>
        <name>yarn.resourcemanager.address</name>
        <value>localhost:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address</name>
        <value>localhost:8030</value>
    </property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.address</name>
        <value>localhost:8031</value>
    </property>
    <property>
        <name>yarn.resourcemanager.admin.address</name>
       <value>localhost:8033</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address</name>
        <value>192.168.20.105:8088</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.auxservices.mapreduce_shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
    </property>

同目录下hdfs.site.xml添加此段

    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:///data/hdfs/nn</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:///data/hdfs/dn</value>
    </property>
    <property>
        <name>fs.checkpoint.dir</name>
        <value>file:///data/hdfs/snn</value>
    </property>
    <property>
        <name>fs.checkpoint.edits.dir</name>
        <value>file:///data/hdfs/snn</value>
    </property>

[root@localhost hadoop-2.7.1]# cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
[root@localhost hadoop-2.7.1]# vi etc/hadoop/mapred-site.xml

复制此模板文件，并编辑此文件，添加如下内容

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

所有配置文件就准备好了，每个配置文件中都有很多参数，具体参数详情查看以下官方文档。（网上也有很多别人翻译好的）

http://hadoop.apache.org/docs/r2.7.3/hadoop-project-dist/hadoop-common/core-default.xml

http://hadoop.apache.org/docs/r2.7.3/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml

http://hadoop.apache.org/docs/r2.7.3/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml

http://hadoop.apache.org/docs/r2.7.3/hadoop-yarn/hadoop-yarn-common/yarn-default.xml

创建配置文件中指定的目录

[root@localhost sbin]# mkdir /data/hdfs/{nn,sn,dn} -pv

[root@localhost hadoop-2.7.1]# mkdir logs                    #创建日志目录，日志会保存到这里

[root@localhost hadoop-2.7.1]# hdfs namenode -format            #格式化NN

看到箭头那行证明格式化成功，接着启动所有服务

[root@localhost hadoop-2.7.1]# hadoop-daemons.sh  start datanode

[root@localhost hadoop-2.7.1]# hadoop-daemons.sh  start name

[root@localhost hadoop-2.7.1]# yarn-daemon.sh start resourcemanager
[root@localhost hadoop-2.7.1]# yarn-daemon.sh start nodemanager

启动服务时回要求输入密码，因为默认是通过ssh协议链接到个节点的主机上启动，另外启动secondary时会报错提示找不到secondary节点，这里我们不用管它

[root@localhost hadoop-2.7.1]# vi etc/hadoop/hadoop-env.sh              #启动服务时提示找不到JAVAHOME ，我核实了多遍，发现没有问题，结果发现这个文件里面定义了一个JAVA_HOME，把他改一下即可

接着可以看到起来了一大堆端口，其中关注最多的应该是

50070：监控存储节点的web接口

8088：监控运行任务的web接口

其他80的基本是程序员写程序调用的接口

其他50的基本是hdfs通讯所用到的接口

存储的状态界面

运行任务的状态界面

实际应用中出于安全考虑应该以普通用户的身份启动各服务。

有一点没需求，就当是学习完整理下思路。