Hadoop YARN 安装-单机伪分布式环境，hadoopyarn


本文是根据Hadoop官网安装教程写的Hadoop YARN在单机伪分布式环境下的安装报告，仅供参考。

1. 安装环境如下：
    系统：Ubuntu14.04
    Hadoop版本：hadoop-2.5.0
   Java版本：openjdk-1.7.0_55 
2. 下载Hadoop-2.5.0，http://mirrors.cnnic.cn/apache/hadoop/common/hadoop-2.5.0/hadoop-2.5.0.tar.gz  
    本文的$HADOOP_HOME为：/home/baisong/hadoop-2.5.0（用户名为baisong）。
    在 ~/.bashrc文件中添加环境变量，如下：
    export HADOOP_HOME=/home/baisong/hadoop-2.5.0
    然后编译，命令如下：
    $ source ~/.bashrc
3. 安装JDK，并设置JAVA_HOME环境变量。在/etc/profile文件最后添加如下内容
    export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-i386   //根据自己Java安装目录而定
    export PATH=$JAVA_HOME/bin:$PATH
    输入以下命令使配置生效
    $ source /etc/profile
4. 配置SSH。首先生成秘钥，命令如下，然后一路回车确认，不需要任何输入。   
    $ ssh-keygen -t rsa    然后把公钥写入authorized_keys文件中，命令如下：
    $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
    最后，输入下述命令，按提示输入 yes 即可。
    $ ssh localhost  
5. 修改Hadoop配置文件，进入${HADOOP_HOME}/etc/hadoop/目录。
    1）设置环境变量，hadoop-env.sh中添加Java安装目录，如下：
           export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-i386
    2）修改core-site.xml，添加如下内容。
         <property>
             <name>fs.defaultFS</name>
             <value>hdfs://localhost:9000</value>
         </property>
         <property>
           <name>hadoop.tmp.dir</name>
           <value>/home/baisong/hadooptmp</value> 
        </property>
        注：hadoop.tmp.dir项可选（上述设置需手动创建hadooptmp文件夹）。
    3）修改hdfs-site.xml，添加以下内容“。
         <property>
             <name>dfs.repliacation</name>
             <value>1</value>
         </property>
     4）将mapred-site.xml.template重命名为mapred-site.xml，并添加如下内容。
          $ mv mapred-site.xml.template mapred-site.xml    //重命名
          <property>
            <name>mapreduce.framework.name</name>
            <value>yarn</value>
         </property>
    5）修改yarn-site.xml，添加以下内容。
         <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
         </property>
6. 格式化HDFS，命令如下：
    bin/hdfs namenode -format    注释：bin/hadoop namenode -format命令已过时
    格式化成功会在/home/baisong/hadooptmp创建dfs文件夹。
7.启动HDFS，命令如下：
   $ sbin/start-dfs.sh 
   遇到如下错误：
14/10/29 16:49:01 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Starting namenodes on [OpenJDK Server VM warning: You have loaded library /home/baisong/hadoop-2.5.0/lib/native/libhadoop.so.1.0.0
 which might have disabled stack guard. The VM will try to fix the stack guard now.
It's highly recommended that you fix the library with 'execstack -c <libfile>', or link it with '-z noexecstack'.
localhost]
sed: -e expression #1, char 6: unknown option to `s'
VM: ssh: Could not resolve hostname vm: Name or service not known
library: ssh: Could not resolve hostname library: Name or service not known
have: ssh: Could not resolve hostname have: Name or service not known
which: ssh: Could not resolve hostname which: Name or service not known
might: ssh: Could not resolve hostname might: Name or service not known
warning:: ssh: Could not resolve hostname warning:: Name or service not known
loaded: ssh: Could not resolve hostname loaded: Name or service not known
have: ssh: Could not resolve hostname have: Name or service not known
Server: ssh: Could not resolve hostname server: Name or service not known
    分析原因知，没有设置 HADOOP_COMMON_LIB_NATIVE_DIR和HADOOP_OPTS环境变量，在 ~/.bashrc文件中添加如下内容并编译。    
    export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
    export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"   
    $ source ~/.bashrc
    重新启动HDFS，输出如下，表示启动成功。   
    
    可以用过Web界面来查看NameNode运行状况，URL为 http://localhost:50070
    停止HDFS的命令为：
    $ sbin/stop-dfs.sh
8. 启动YARN，命令如下：
   $ sbin/start-yarn.sh
   可以用过Web界面来查看NameNode运行状况，URL为 http://localhost:8088
   停止HDFS的命令为：
   $ sbin/stop-yarn.sh
   上述HDFS和YARN启动完成后，可通过jps命令查看是否启动成功。
     
9. 运行测试程序。
   1）测试计算PI，命令如下：
       $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar pi 20 10
   2）测试 grep，首先需要上传输入文件到HDFS上，命令如下：
      $ bin/hdfs dfs -put etc/hadoop input
       运行grep程序，命令如下：
       $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar grep input output 'dfs[a-z.]+'
       运行结果输出如下：      
10. 添加环境变量，方便使用start-dfs.sh、start-yarn.sh等命令（可选）。
     在 ~/.bashrc文件中添加环境变量，如下：
     export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
     然后编译，命令如下：
     $ source ~/.bashrc
     下图是 ~/.bashrc文件中添加的变量，以便参考。 
   

Hadoop中单机模式与伪分布式的不同是什

单机(非分布式)模式
这种模式在一台单机上运行，没有分布式文件系统，而是直接读写本地操作系统的文件系统。
注意事项：运行bin/hadoopjarhadoop-0.16.0-examples.jarwordcounttest-intest-out时，务必注意第一个参数是jar,不是-jar,当你用-jar时，不会告诉你是参数错了，报告出来的错误信息是：Exceptioninthread"main"java.lang.NoClassDefFoundError:org/apache/hadoop/util/ProgramDriver,笔者当时以为是classpath的设置问题，浪费了不少时间。通过分析bin/hadoop脚本可知，-jar并不是bin/hadoop脚本定义的参数，此脚本会把-jar作为Java的参数，Java的-jar参数表示执行一个Jar文件(这个Jar文件必须是一个可执行的Jar,即在MANIFEST中定义了主类),此时外部定义的classpath是不起作用的，因而会抛出java.lang.NoClassDefFoundError异常。而jar是bin/hadoop脚本定义的参数，会调用Hadoop自己的一个工具类RunJar，这个工具类也能够执行一个Jar文件，并且外部定义的classpath有效。
伪分布式运行模式
这种模式也是在一台单机上运行，但用不同的Java进程模仿分布式运行中的各类结点(NameNode,DataNode,JobTracker,TaskTracker,SecondaryNameNode)，请注意分布式运行中的这几个结点的区别：从分布式存储的角度来说，集群中的结点由一个NameNode和若干个DataNode组成,另有一个SecondaryNameNode作为NameNode的备份。从分布式应用的角度来说，集群中的结点由一个JobTracker和若干个TaskTracker组成，JobTracker负责任务的调度，TaskTracker负责并行执行任务。TaskTracker必须运行在DataNode上，这样便于数据的本地计算。JobTracker和NameNode则无须在同一台机器上。
 

什是伪分布式？（hadoop中遇到的）

hadoop分为单机模式，伪分布式，和完全分布式。
你说的伪分布式是指：一个机器上，即当namenode，又当datanode,或者说即是jobtracker,又是tasktracker。没有所谓的在多台机器上进行真正的分布式计算，故称为"伪分布式"。
 

相关内容