Hadoop运行模式

1）官方网址

（1）官方网站：
    http://hadoop.apache.org/
（2）各个版本归档库地址
    https://archive.apache.org/dist/hadoop/common/hadoop-2.7.4/
（3）hadoop2.7.4版本详情介绍
    http://hadoop.apache.org/docs/r2.7.4/

2）Hadoop运行模式

（1）本地模式（默认模式）：
    不需要启用单独进程，直接可以运行，测试和开发时使用。
（2）伪分布式模式：
    等同于完全分布式，只有一个节点。
（3）完全分布式模式：
    多个节点一起运行。

3）运行Hadoop 案例

3.1 本地文件运行Hadoop 案例
3.1.1 官方grep案例
1）创建在hadoop-2.7.4文件下面创建一个input文件夹

        [zhihua@hadoop101 hadoop-2.7.4]$ mkdir input

2）将hadoop的xml配置文件复制到input

[zhihua@hadoop101 hadoop-2.7.4]$ cp etc/hadoop/*.xml input/

3）执行share目录下的mapreduce程序

    [zhihua@hadoop101 hadoop-2.7.4]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar  grep input output 'dfs[a-z.]+'

4）查看输出结果

[zhihua@hadoop101 hadoop-2.7.4]$ cat output/*

3.1.2 官方wordcount案例
1）创建在hadoop-2.7.4文件下面创建一个wcinput文件夹

[zhihua@hadoop101 hadoop-2.7.4]$ mkdir wcinput

2）在wcinput文件下创建一个wc.input文件

[zhihua@hadoop101 wcinput]$ touch wc.input

3）编辑wc.input文件

[zhihua@hadoop101 hadoop-2.7.4]$ vim wc.input

hadoop yarn
hadoop mapreduce
zhihua
zhihua
xiaoming
xiaoxiao
daxiong
daxiong
daxiong

4）回到hadoop目录/opt/module/hadoop-2.7.4

5）执行程序：

[zhihua@hadoop101 hadoop-2.7.4]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar  wordcount wcinput wcoutput

6）查看结果：

[zhihua@hadoop101 hadoop-2.7.4]$ cat wcoutput/p*   
daxiong 3
hadoop  2
mapreduce   1
xiaoming    1
xiaoxiao    1
yarn    1
zhihua  2

3.2 伪分布式运行Hadoop案例

3.2.1 启动HDFS并运行MapReduce程序
1）分析：

    （1）准备1台客户机
    （2）安装jdk
    （3）配置环境变量
    （4）安装hadoop
    （5）配置环境变量
    （6）配置集群
    （7）启动、测试集群增、删、查
    （8）执行wordcount案例

2）执行步骤
（1）配置集群

（a）配置：hadoop-env.sh

修改JAVA_HOME 路径：

（b）配置：core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://hadoop101:9000</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-2.7.4/data/tmp</value>
</property>

（c）配置：hdfs-site.xml

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

（2）启动集群
（a）格式化namenode（第一次启动时格式化，以后就不要总格式化）

bin/hdfs namenode -format

（b）启动namenode

sbin/hadoop-daemon.sh start namenode

（c）启动datanode

sbin/hadoop-daemon.sh start datanode

（3）查看集群
（a）查看是否启动成功

[root@hadoop101 hadoop-2.7.4]# jps
2761 Jps
2586 NameNode
2686 DataNode

（b）查看产生的log日志

（c）web端查看HDFS文件系统

http://hadoop101:50070/dfshealth.html#tab-overview

注意：如果不能查看，看如下帖子处理
http://www.cnblogs.com/zlslch/p/6604189.html

（4）操作集群
（a）在hdfs文件系统上创建一个input文件夹

    [root@hadoop101 hadoop-2.7.4]# hadoop fs -mkdir -p /user/zhihua/input

    查看文件夹
    [root@hadoop101 hadoop-2.7.4]# hadoop fs -lsr /

（b）将测试文件内容上传到文件系统上

[root@hadoop101 hadoop-2.7.4]# hadoop fs -put wcinput/wc.input /user/zhihua/input

（c）查看上传的文件是否正确

[root@hadoop101 hadoop-2.7.4]# hadoop fs -cat /user/zhihua/input/wc.input

（d）运行mapreduce程序

[root@hadoop101 hadoop-2.7.4]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar  wordcount /user/zhihua/input /user/zhihua/outout

（e）查看输出结果

命令行查看： 
[root@hadoop101 hadoop-2.7.4]# hadoop fs -cat /user/zhihua/outout/p*
daxiong 3
hadoop  2
mapreduce   1
xiaoming    1
xiaoxiao    1
yarn    1
zhihua  2


浏览器查看

（f）将测试文件内容下载到本地

[root@hadoop101 hadoop-2.7.4]# hadoop fs -get /user/zhihua/outout/p* ./

（g）删除输出结果

[root@hadoop101 hadoop-2.7.4]# hadoop fs -rm -r /user/zhihua/outout

3.2.2 YARN上运行MapReduce 程序
1）分析：

（1）准备1台客户机
（2）安装jdk
（3）配置环境变量
（4）安装hadoop
（5）配置环境变量
（6）配置集群yarn上运行
（7）启动、测试集群增、删、查
（8）在yarn上执行wordcount案例

2）执行步骤
（1）配置集群
（a）配置yarn-env.sh
配置一下JAVA_HOME

（b）配置yarn-site.xml

<!-- 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>hadoop101</value>
</property>

（c）配置：mapred-env.sh
配置一下JAVA_HOME

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

[root@hadoop101 hadoop]# mv mapred-site.xml.template mapred-site.xml

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

（2）启动集群

（a）启动resourcemanager

[root@hadoop101 hadoop-2.7.4]# sbin/yarn-daemon.sh start resourcemanager

（b）启动nodemanager

[root@hadoop101 hadoop-2.7.4]# sbin/yarn-daemon.sh start nodemanager

（c）查看jps

[root@hadoop101 hadoop-2.7.4]# jps
4086 NodeManager
2586 NameNode
3834 ResourceManager
4122 Jps
2686 DataNode

（3）集群操作
（a）yarn的浏览器页面查看

http://hadoop101:8088/cluster

（b）删除文件系统上的output文件

    hadoop fs -rm -R /user/zhihua/output

（c）执行mapreduce程序

[root@hadoop101 hadoop-2.7.4]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar  wordcount /user/zhihua/input /user/zhihua/output

（d）查看运行结果

[root@hadoop101 hadoop-2.7.4]# hadoop fs -cat /user/zhihua/output/p*
daxiong 3
hadoop  2
mapreduce   1
xiaoming    1
xiaoxiao    1
yarn    1
zhihua  2

3.2.3 修改本地临时文件存储目录
1）停止进程

    [zhihua@hadoop101 hadoop-2.7.4]$ sbin/yarn-daemon.sh stop nodemanager
    [zhihua@hadoop101 hadoop-2.7.4]$ sbin/yarn-daemon.sh stop resourcemanager
    [zhihua@hadoop101 hadoop-2.7.4]$ sbin/hadoop-daemon.sh stop datanode
    [zhihua@hadoop101 hadoop-2.7.4]$ sbin/hadoop-daemon.sh stop namenode

2）修改core-site.xml

3）格式化NameNode

将/opt/module/hadoop-2.7.4路径中的logs文件夹删除掉
    [zhihua@hadoop101 hadoop-2.7.4]$ rm -rf logs/
进入到tmp目录将tmp目录中hadoop-atguigu目录删除掉
    [zhihua@hadoop101 hadoop-2.7.4]$ rm -rf hadoop-atguigu/
格式化数据：
    [zhihua@hadoop101 hadoop-2.7.4]$ bin/hdfs namenode -format

4）启动所有进程

[zhihua@hadoop101 hadoop-2.7.4]$ sbin/hadoop-daemon.sh start namenode
[zhihua@hadoop101 hadoop-2.7.4]$ sbin/hadoop-daemon.sh start datanode
[zhihua@hadoop101 hadoop-2.7.4]$ sbin/yarn-daemon.sh start resourcemanager
[zhihua@hadoop101 hadoop-2.7.4]$ sbin/yarn-daemon.sh start nodemanager

5）查看/opt/module/hadoop-2.7.4/data/tmp这个目录下的内容。

3.2.4 Hadoop配置文件说明
Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。
（1）默认配置文件：存放在hadoop相应的jar包中

[core-default.xml]
            hadoop-common-2.7.4.jar/ core-default.xml
        [hdfs-default.xml]
hadoop-hdfs-2.7.4.jar/ hdfs-default.xml
        [yarn-default.xml]
hadoop-yarn-common-2.7.4.jar/ yarn-default.xml
        [core-default.xml]
hadoop-mapreduce-client-core-2.7.4.jar/ core-default.xml

（2）自定义配置文件：存放在$HADOOP_HOME/etc/hadoop

core-site.xml
hdfs-site.xml
yarn-site.xml
mapred-site.xml

3.2.5 历史服务配置启动查看
1）配置mapred-site.xml

<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop101:10020</value>
</property>
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop101:19888</value>
</property>

2）查看启动历史服务器文件目录：

[zhihua@hadoop101 hadoop-2.7.4]$ ll sbin/ |grep mr
-rwxr-xr-x. 1 zhihua zhihua 4080 Aug 23  2017 mr-jobhistory-daemon.sh

3）启动历史服务器

[zhihua@hadoop101 hadoop-2.7.4]$ sbin/mr-jobhistory-daemon.sh start historyserver

4）查看历史服务器是否启动

[zhihua@hadoop101 hadoop-2.7.4]$ jps
3521 NameNode
3623 DataNode
3737 ResourceManager
3995 NodeManager
4157 JobHistoryServer
4239 Jps

5）查看jobhistory

3.2.6 日志的聚集
日志聚集概念：应用运行完成以后，将日志信息上传到HDFS系统上。
开启日志聚集功能步骤：
（1）配置yarn-site.xml

<!-- 日志聚集功能使能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>

（2）关闭namenode、datanode 、nodemanager 、resourcemanager和historymanager

（3）启动namenode、datanode 、nodemanager 、resourcemanager和historymanager

（4）删除hdfs上已经存在的hdfs文件

（5）执行wordcount程序

（6）查看日志