Hadoop三种模式介绍

一、三种模式介绍

　　1.本地模式（standlone模式/local模式/单机模式）

　　　　a.没有服务进程namenode，datanode，resourcemanager，nodemanager等

　　　　b.用户的程序和hadoop运行在同一个java进程中

　　　　c.使用本地文件系统，而不是分布式文件系统hdfs

　　　　d.这种模式主要是mapreduce程序的逻辑进行调试，确保程序正确

　　2.pseudo-distributed模式/伪分布式

　　　　a.在一台主机上运行namenode，datanode，resourcemanager，nodemanager，jobTracker，TaskTracker等多个进程，类似于完全分布式模式

　　　　b.在单机模式之上增加了代码调试功能，允许检查内存使用情况，hdfs输入输出以及其他进程的交互

　　3.完全分布式模式

　　　　a.hadoop的守护进程namenode，datanode，jobTracker，TaskTracker运行在多台主机上，也就是一个集群不同机器上

　　　　b.在所有需要运行hadoop的主机上安装相关软件，例如JDK，Hadoop

　　　　c.在各个机器之间通过ssh免密码登陆

二、环境搭建

　　1.local模式（这里只是讲在windows上面跑，实际上去linux下面跑local模式是没必要的）

　　　　a.下载Java并设置环境变量

　　　　b.下载Hadoop并设置环境变量（HADOOP_HOME=“你的hadoop解压目录”   PATH=“%HADOOP_HOME%\bin;%HADOOP_HOME%\sbin”）

　　　　c.安装hadoop的eclipse插件并设置

　　　　

　　　　d.hadoop在windows上需要特殊的两个文件hadoop.dll和winutils.exe，放入hadoop目录下bin目录下面

　　　　e.跑一个简单的wordcount的java程序（在java程序入口参数加入输入 输出 路径）

package com.hpe.hadoop.cocos.wordcount;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {

  public static class TokenizerMapper 
       extends Mapper<Object, Text, Text, IntWritable>{
    
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
      
    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }
  
  public static class IntSumReducer 
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values, 
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    if (otherArgs.length < 2) {
      System.err.println("Usage: wordcount <in> [<in>...] <out>");
      System.exit(2);
    }
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    for (int i = 0; i < otherArgs.length - 1; ++i) {
      FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
    }
    FileOutputFormat.setOutputPath(job,
      new Path(otherArgs[otherArgs.length - 1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

　　　　f.如果报IO错误，需要导入相关的IO包

　　2.伪分布式(linux下面进行)

　　　　a.下载Java并进行环境变量设置

　　　　b.hadoop下载解压到自己的目录下面并进行环境变量的设置

　　　　例如：

JAVA_HOME=/usr/local/jdk/jdk1.8.0_131
HADOOP_HOME=/usr/local/hadoop/hadoop-2.7.3
CLASS_PATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
PATH=$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin:$PATH
export JAVA_HOME CLASS_PATH PATH

　　　　c.Hadoop所有的配置文件都在$HADOOP_HOME/etc/hadoop 下，为了用java开发hadoop程序，需要修改hadoop-env.sh中的JAVA_HOME，指向系统的java路径export 　　　                                  　　　　JAVA_HOME=/usr/local/jdk1.7.0_71

　　　　另外的需要配置的文件有core-site.xml,hdfs-site.xml,yarn-site.xml,mapred-site.xml

　　　　可以从mapred-site.xml.template拷贝得到mapred-site.xml

 

　　　　d.修改hadoop配置文件（etc/hadoop下面）

　　　　　　core-site.xml:

　　　　　　　　<property>

　　　　　　　　<name>fs.defaultFS</name>

　　　　　　　　<value>hdfs://localhost:9000</value>

　　　　　　　　</property>

　　　　　　hdfs-site.xml:　

　　　　　　　　<configuration>
　　　　　　　　<!—hdfs-site.xml-->
　　　　　　　　　　<property>
　　　　　　　　　　　　<name>dfs.name.dir</name>
　　　　　　　　　　　　<value>/usr/hadoop/hdfs/name</value>
　　　　　　　　　　　　<description>namenode上存储hdfs名字空间元数据 </description>
　　　　　　　　　　</property>

　　　　　　　　　　<property>
　　　　　　　　　　　　<name>dfs.data.dir</name>
　　　　　　　　　　　　<value>/usr/hadoop/hdfs/data</value>
　　　　　　　　　　　　<description>datanode上数据块的物理存储位置</description>
　　　　　　　　　</property>

 

　　　　　　　　<property>
　　　　　　　　　　<name>dfs.replication</name>
　　　　　　　　　　<value>1</value>
　　　　　　　　　　<description>副本个数，配置默认是3,应小于datanode机器数量</description>
　　　　　　　　</property>
　　　　　　</configuration>

　　　　　yarn-site.xml:

　　　　　　　　<configuration> 　　　　　　　　　　<property> 　　　　　　　　 <name>yarn.nodemanager.aux-services</name> 　　　　　　　　 <value>mapreduce_shuffle</value> 　　　　　　　　　　</property> 　　　　　　　　　　<property> 　　　　　　　　<name>yarn.resourcemanager.webapp.address</name> 　　　　　　　　<value>localhost:8099</value> 　　　　　　　　　　</property> 　　　　　　　　</configuration>

　　　　f.验证是否配置成功start-dfs.sh（如果能通过windows ping 虚拟机，那么你需要将虚拟机防火墙关闭，通过访问ip:50070来查看相关信息）