hadoop伪分布式搭建

伪分布式搭建 Hadoop 可以在一台机器上运行 Hadoop，但是每个组件都运行在不同的端口上，以模拟一个多节点的分布式环境。下面是伪分布式 Hadoop 的搭建步骤：

1. 安装 Java

Hadoop 是用 Java 编写的，需要先安装 Java。可以通过命令 `java -version` 查看是否已经安装 Java。如果没有，可以通过以下命令安装：

sudo apt-get update
sudo apt-get install openjdk-8-jdk

2. 安装 Hadoop

下载 Hadoop 并解压缩：

wget https://downloads.apache.org/hadoop/common/hadoop-3.3.1/hadoop-3.3.1.tar.gz
tar -xzvf hadoop-3.3.1.tar.gz

将 Hadoop 移动到 `/usr/local` 目录下：

sudo mv hadoop-3.3.1 /usr/local/hadoop

3. 配置 Hadoop

进入 Hadoop 的配置目录：

cd /usr/local/hadoop/etc/hadoop

配置 Hadoop 的环境变量，在 `hadoop-env.sh` 文件中添加以下代码：

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export HADOOP_HOME=/usr/local/hadoop
export PATH=$PATH:$HADOOP_HOME/bin

配置 Hadoop 的核心配置文件 `core-site.xml`，在 `configuration` 标签中添加以下内容：

<property>
  <name>fs.defaultFS</name>
  <value>hdfs://localhost:9000</value>
</property>

配置 Hadoop 的 HDFS 文件系统，创建 `hdfs-site.xml` 文件并添加以下内容：

<property>
  <name>dfs.replication</name>
  <value>1</value>
</property>

配置 Hadoop 的 YARN 资源管理系统，创建 `yarn-site.xml` 文件并添加以下内容：

<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>

配置 Hadoop 的 MapReduce 分布式计算框架，创建 `mapred-site.xml` 文件并添加以下内容：

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

4. 启动 Hadoop

格式化 HDFS 文件系统：

hdfs namenode -format

启动 Hadoop：

start-all.sh

查看 Hadoop 是否成功启动：

jps

如果成功启动，会看到以下进程：

2325 Jps
2114 ResourceManager
1937 DataNode
2022 NodeManager
1825 NameNode
2185 JobHistoryServer

现在，就可以通过浏览器访问 Hadoop 的 Web 界面了，地址为 `http://localhost:9870`。

5. 执行 MapReduce 任务

在 Hadoop 的安装目录下创建一个输入文件：

echo "Hello World" > input.txt

将该文件上传到 HDFS 文件系统中：

hdfs dfs -put input.txt /input

在 Hadoop 的安装目录下创建一个 MapReduce 程序：

mkdir wordcount
cd wordcount

创建一个名为 `WordCount.java` 的文件，并添加以下代码：

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;
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();
    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);
    FileInputFormat.addInputPath(job, new Path("hdfs://localhost:9000/input/"));
    FileOutputFormat.setOutputPath(job, new Path("hdfs://localhost:9000/output/"));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

编译这个程序：

export HADOOP_CLASSPATH=$(hadoop classpath)
javac -classpath ${HADOOP_CLASSPATH} -d . WordCount.java

打包这个程序：

jar cf wc.jar WordCount*.class

执行这个程序：

hadoop jar wc.jar WordCount /input /output

查看输出结果：

hdfs dfs -cat /output/*

以上就是伪分布式 Hadoop 的搭建和运行 MapReduce 任务的步骤。