Hadoop伪分布式安装及HDFS命令行操作

1.下载地址

2.Hadoop的安装分为单机方式、伪分布式方式 和 完全分布式方式。
        单机模式是Hadoop的默认模式。解压即可使用单机模式。
            单机模式不启动任何守护进程
            无法使用hdfs和yarn，只能用来进行mr的本地测试
            不能用作生产环境
        伪分布模式
            单机环境下启动所有的守护进程
            具有hadoop的完整功能
            可以使用hdfs，mapreudce和yarn
            但是这些守护进程都运行在同一台机器上，并不能真正的提供性能上的提升
            只能用来开发测试，不可以用在生产环境下。
        完全分布模式
            启动所有的守护进程
            具有hadoop完整的功能
            可以使用hdfs、mapreduce和yarn
            并且这些守护进程运行在集群中，可以真正的利用集群提供高性能
            在生产环境下使用
伪分布式安装：
0.关闭防火墙
    service iptables status;#查看防火墙状态
    service iptables start;#立即开启防火墙，但是重启后失效。
    service iptables stop;#立即关闭防火墙，但是重启后失效。

     重启后生效
    chkconfig iptables on;#开启防火墙，重启后生效
    chkconfig iptables off;#关闭防火墙，重启后生效
   
1.配置主机名
    !!!!!注意安装hadoop的集群主机名不能有下划线!!不然会找不到主机!无法启动!
    配置主机名
    $vi /etc/sysconfig/network
    $source /etc/sysconfig/network
    例如：
    NETWORKING=yes
    HOSTNAME=hadoop01

    或

    $hostname xxxx
        
2.配置Hosts
    vi /etc/hosts
    填入以下内容
    127.0.0.1 hadoop01
    其他主机和ip对应信息。。。

3.配置免密码互通
    生成自己的公钥和私钥,生成的公私钥将自动存放在/root/.ssh目录下。
        $ ssh-keygen
    把生成的公钥copy到远程机器上
        $ ssh-copy-id [user]@[host]
    此时在远程主机的/root/.ssh/authorized_keys文件中保存了公钥,在known_hosts中保存了已知主机信息，当再次访问的时候就不需要输入密码了。
        $ ssh [host]
    通过此命令远程连接，检验是否可以不需密码连接


4.安装JDK
    通过fz将jdk安装包上传
    解压安装包
        tar -zxvf [jdk安装包位置]
    配置环境变量
        修改profile -- 这个文件是每个用户登录时都会运行的环境变量设置，当用户第一次登录时,该文件被执行. 并从/etc/profile.d目录的配置文件中搜集shell的设置。
            vim /etc/profile
        在文件行尾加入配置后保存退出
            export JAVA_HOME=/home/app/jdk1.7.0_45/
            export PATH=$PATH:$JAVA_HOME/bin
        重新加载profile使配置生效
            source /etc/profile
        环境变量配置完成，测试环境变量是否生效
            echo $JAVA_HOME
            java -version

5.安装hadoop
        通过fz将hadoop安装包上传到linux
        解压安装包
            tar -zxvf [hadoop安装包位置]

6.配置hadoop
    (1)修改 hadoop-env.sh
        通过vim打开
            vim [hadoop]/etc/hadoop/hadoop-env.sh
        主要是修改java_home的路径
            在hadoop-env.sh的第27行,把export JAVA_HOME=${JAVA_HOME}修改成具体的路径
    (2)修改 core-site.xml
        通过vim打开
            vim [hadoop]/etc/hadoop/core-site.xml
        增加namenode配置、文件存储位置配置
        

<configuration>
   <property>
   <!--用来指定namenode的地址-->
     <name>fs.defaultFS</name>
     <value>hdfs://hadoop01:9000</value>
   </property>
   <property>
   <!--用来指定hadoop运行时产生文件的存放目录-->
     <name>hadoop.tmp.dir</name>
     <value>/home/park/work/hadoop-2.5.2/tmp</value>
   </property>
</configuration>

    (3)修改 hdfs-site.xml
        通过vim打开
            vim [hadoop]/etc/hadoop/hdfs-site.xml
        配置包括自身在内的备份副本数量。

<configuration>
   <property>
                    <!--指定hdfs保存数据副本的数量，包括自己，默认为3-->
                    <!--伪分布式模式，此值必须为1-->
     <name>dfs.replication</name>
     <value>3</value>
         </property>
</configuration>

    (4)修改 mapred-site.xml
        说明：在/etc/hadoop的目录下，只有一个mapred-site.xml.template文件，复制一个
            cp mapred-site.xml.template mapred-site.xml
        通过vim打开
            vim [hadoop]/etc/hadoop/mapred-site.xml
        配置mapreduce运行在yarn上
        

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

    (5)修改 yarn-site.xml    
        通过vim打开
            vim [hadoop]/etc/hadoop/yarn-site.xml
        配置

<configuration>
     <property>
                <!--指定resourcemanager的地址-->
                <name>yarn.resourcemanager.hostname</name>
                <value>hadoop01</value>
     </property>
     <property>
                <!--NodeManager获取数据的方式-->
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
     </property>
</configuration>

    (6)修改 slaves

    (7)配置hadoop的环境变量
        vim /etc/profile
        export HADOOP_HOME=/home/park/work/hadoop-2.5.2/
        export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
        重新加载profile使配置生效
            source /etc/profile
        环境变量配置完成，测试环境变量是否生效
            echo $HADOOP_HOME

    (8)重启linux    
        一般不需要，如果发现hadoop有问题 则重启一下    
        $reboot

    (8)格式化namenode
        进入 hadoop/bin 输入命令格式化namenode
            hadoop namenode -format(hdfs namenode -format  以前的方式)
        在格式化的时候，会有这样的输出：
            Storage directory /tmp/hadoop-root/dfs/name has been successfully formatted

7.启动hadoop
    在/home/app/hadoop-2.6.0/sbin目录下
    $start-all.sh

命令行操作：
    hadoop fs -mkdir /user/trunk
    hadoop fs -ls /user
    hadoop fs -lsr /user   (递归的)
    hadoop fs -put test.txt /user/trunk
    hadoop fs -put test.txt .  (复制到hdfs当前目录下，首先要创建当前目录)
    hadoop fs -get /user/trunk/test.txt . (复制到本地当前目录下)
    hadoop fs -cat /user/trunk/test.txt
    hadoop fs -tail /user/trunk/test.txt  (查看最后1000字节)
    hadoop fs -rm /user/trunk/test.txt
    hadoop fs -rmdir /user/trunk
    hadoop fs -help ls (查看ls命令的帮助文档)