Hadoop偽分布式集群搭建
Hadoop分布式文件系統(HDFS)被設計成適合運行在通用硬件(commodity hardware)上的分布式文件系統。它和現有的分布式文件系統有很多共同點。但同時，它和其他的分布式文件系統的區別也是很明顯的。HDFS是一個高度容錯性的系統，適合部署在廉價的機器上。HDFS能提供高吞吐量的數據訪問，非常適合大規模數據集上的應用。HDFS放寬了一部分POSIX約束，來實現流式讀取文件系統數據的目的。HDFS在最開始是作為Apache Nutch搜索引擎項目的基礎架構而開發的。HDFS是Apache Hadoop Core項目的一部分Hadoop的三種運行模式（啟動模式）
1.1單機模式（獨立模式） -默認情況下Hadoop即為該模式，用於開發和調試 -不對配置文件進行修改 -使用本地的文件系統，而不是分布式的文件系統。 -Hadoop不會啟動NameNode(名稱節點)、DataNode（用於存儲數據）JobTracker、TaskTracker等守護進程、Map和Redu()任務作為同一個進程的不同部分來執行的。 -用於對Map程序的邏輯進行調試，確保程序的正確。 1.2.偽分布式模式（Pseudo-Distrubuted Mode） -Hadoop的守護進程運行在本機機器上，模擬一個小規模的集群 -Hadoop啟動NameNode、DataNode、JobTracker、TaskTracker這些守護進程都在同一臺機器上運行，是互相獨立的JAVA進程。 -在這種模式下，Hadoop使用的是分布式文件系統，各個作業也是由JobTraker服務，來管理的獨立進程。在單機模式之上增加了代碼調試功能，允許檢查內存使用情況，HDFS輸入輸出， 以及其他的守護進程交互。類似於完全分布式模式，因此，這種模式常用來開發測試Hadoop程序的執行是否正確。
-修改3個配置文件：core-site.xml（Hadoop集群的特性，作用於全部進程及客戶端）、hdfs-site.xml（配置HDFS集群的工作屬性）、mapred-site.xml（配置MapReduce集群的屬性）
-格式化文件系統
1.3全分布式集群模式 -Hadoop的守護進程運行在一個集群上 -Hadoop的守護進程運行在有多臺主機搭建的集群上，是真正的生產環境。 -在所有的主機上安裝JDK和Hadoop，組成相互連接通的網絡。 -在主機間設置ssh免登陸，把個從節點生產的公鑰添加到主節點的新人列表。 -修改3個配置文件：core-site.xml、hdfs-site.xml、mapred-site.xml，指定NameNode和JobTraker的位置和端口，設置文件的副本等參數
-格式化文件系統
2.2HDFS分布式架構
HDFS是主/從式的架構。一個HDFS集群會有一個NameNode（簡稱NN），也就是命名節點，該節點作為主服務器存在（master server）。NameNode用於管理文件系統的命名空間以及調節客戶訪問文件。此外，還會有多個DataNode（簡稱DN），也就是數據節點，數據節點作為從節點存在（slave server）。通常每一個集群中的DataNode，都會被NameNode所管理，DataNode用於存儲數據。HDFS公開了文件系統名稱空間，允許用戶將數據存儲在文件中，就好比我們平時使用操作系統中的文件系統一樣，用戶無需關心底層是如何存儲數據的。而在底層，一個文件會被分成一個或多個數據塊，這些數據庫塊會被存儲在一組數據節點中。在CDH中數據塊的默認大小是128M，這個大小我們可以通過配置文件進行調節。在NameNode上我們可以執行文件系統的命名空間操作，如打開，關閉，重命名文件等。這也決定了數據塊到數據節點的映射。
我們可以來看看HDFS的架構圖：
HDFS被設計為可以運行在普通的廉價機器上，而這些機器通常運行著一個Linux操作系統。HDFS是使用java語言編寫的，任何支持java的機器都可以運行HDFS。使用高度可移植的java語言編寫的HDFS，意味著可以部署在廣泛的機器上。一個典型的HDFS集群部署會有一個專門的機器只能運行NameNode，而其他集群中的機器各自運行一個DataNode實例。雖然一臺機器上也可以運行多個節點，但是並不建議這麽做，除非是學習環境。
總結：
HDFS是主/從式的架構，一個HDFS集群會有一個NameNode以及多個DataNode
一個文件會被拆分為多個數據塊進行存儲，默認數據塊大小是128M
即便一個數據塊大小為130M，也會被拆分為2個Block，一個大小為128M，一個大小為2M
HDFS是使用Java編寫的，使得其可以運行在安裝了JDK的操作系統之上
NN：
負責客戶端請求的響應
負責元數據（文件的名稱、副本系數、Block存放的DN）的管理
DN：
存儲用戶的文件對應的數據塊（Block）
會定期向NN發送心跳信息，匯報本身及其所有的block信息和健康狀況
HDFS副本存放策略
NameNode節點選擇一個DataNode節點去存儲block副本得過程就叫做副本存放，這個過程的策略其實就是在可靠性和讀寫帶寬間得權衡。
《Hadoop權威指南》中的默認方式：
第一個副本會隨機選擇，但是不會選擇存儲過滿的節點。
第二個副本放在和第一個副本不同且隨機選擇的機架上。
第三個和第二個放在同一個機架上的不同節點上。
剩余的副本就完全隨機節點了。
二、搭建偽分布式集群的前提條件
安裝環境要求：
Centos7
Centos6
JDK
Hadoop
下載Hadoop 2.6.0-cdh5.7.0的tar.gz包並解壓：[root@web02 hadoop]# cd /usr/local/src/
[root@web02 src]# ls
hadoop-2.6.0-cdh5.7.0 hadoop-2.6.0-cdh5.7.0.tar.gz
[root@web02 src]# wget http://archive.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.7.0.tar.gz（軟件包較大可以利用win下載上傳）
解壓完後，進入到解壓後的目錄下，可以看到hadoop的目錄結構如下：
簡單說明一下其中幾個目錄存放的東西：
- bin目錄存放可執行文件
- etc目錄存放配置文件
- sbin目錄下存放服務的啟動命令
-
share目錄下存放jar包與文檔
以上就算是把hadoop給安裝好了，接下來就是編輯配置文件，把JAVA_HOME配置一下：
[root@web02 hadoop-2.6.0-cdh5.7.0]# cd etc/
[root@web02 etc]# cd hadoop
[root@web02 hadoop]# vim hadoop-env.sh
# 根據你的環境變量進行修改
由於我們要進行的是單節點偽分布式環境的搭建，所以還需要配置兩個配置文件，分別是core-site.xml以及hdfs-site.xml，如下：
[root@web02 hadoop]# vim core-site.xml
[root@web02 hadoop]# pwd
/usr/local/src/hadoop-2.6.0-cdh5.7.0/etc/hadoop
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://10.0.0.8:8020</value>
</property>
<property>
<name>hadoop.tmp.dir</name> # 指定臨時文件所存放的目錄
<value>/data/tmp/</value>
</property>
</configuration>
[root@localhost /usr/local/hadoop-2.6.0-cdh5.7.0/etc/hadoop]# mkdir /data/tmp/
[root@localhost /usr/local/hadoop-2.6.0-cdh5.7.0/etc/hadoop]# vim hdfs-site.xml # 增加如下內容
<configuration>
<property>
<name>dfs.replication</name> # 指定只產生一個副本
<value>1</value>
</property>
</configuration>
然後配置一下密鑰對，設置本地免密登錄，搭建偽分布式的話這一步是必須的：
[root@localhost ~]# ssh-keygen -t dsa -P ‘‘ -f ~/.ssh/id_dsa
Generating public/private dsa key pair.
Your identification has been saved in /root/.ssh/id_dsa.
Your public key has been saved in /root/.ssh/id_dsa.pub.
The key fingerprint is:
c2:41:89:65:bd:04:9e:3e:3f:f9:a7:51:cd:e9:cf:1e root@localhost
The key‘s randomart image is:
+--[ DSA 1024]----+
| o=+ |
| .+..o |
| +. . |
| o .. o . |
| = S . + |
| + . . . |
| + . .E |
| o .. o.|
| oo .+|
+-----------------+
[root@localhost ~]# cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
[root@localhost ~]# ssh localhost
ssh_exchange_identification: read: Connection reset by peer
[root@localhost ~]#
如上，測試本地免密登錄的時候報了個ssh_exchange_identification: read: Connection reset by peer錯誤，於是著手排查錯誤，發現是/etc/hosts.allow文件裏限制了IP，於是修改一下該配置文件即可，如下：
[root@localhost ~]# vim /etc/hosts.allow # 修改為 sshd: ALL
[root@localhost ~]# service sshd restart
[root@localhost ~]# ssh localhost # 測試登錄成功
Last login: Sat Mar 24 21:56:38 2018 from localhost
[root@localhost ~]# logout
Connection to localhost closed.
[root@localhost ~]#
接下來就可以啟動HDFS了，不過在啟動之前需要先格式化文件系統：
[root@web01 ~]# /usr/local/hadoop-2.6.0-cdh5.7.0/bin/hdfs namenode -format（namenode -format註意）
註：只有第一次啟動才需要格式化
使用服務啟動腳本啟動服務：
[root@localhost ~]# /usr/local/hadoop-2.6.0-cdh5.7.0/sbin/start-dfs.sh
18/03/24 21:59:03 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Starting namenodes on [192.168.77.130]
192.168.77.130: namenode running as process 8928. Stop it first.
localhost: starting datanode, logging to /usr/local/hadoop-2.6.0-cdh5.7.0/logs/hadoop-root-datanode-localhost.out
Starting secondary namenodes [0.0.0.0]
The authenticity of host ‘0.0.0.0 (0.0.0.0)‘ can‘t be established.
ECDSA key fingerprint is 63:74:14:e8:15:4c:45:13:9e:16:56:92:6a:8c:1a:84.
Are you sure you want to continue connecting (yes/no)? yes # 第一次啟動會詢問是否連接節點
0.0.0.0: Warning: Permanently added ‘0.0.0.0‘ (ECDSA) to the list of known hosts.
0.0.0.0: starting secondarynamenode, logging to /usr/local/hadoop-2.6.0-cdh5.7.0/logs/hadoop-root-secondarynamenode-localhost.out
18/03/24 21:59:22 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
[root@localhost ~]# jps # 檢查是否有以下幾個進程，如果少了一個都是不成功的
8928 NameNode
9875 Jps
9578 DataNode
9757 SecondaryNameNode
[root@localhost ~]# netstat -lntp |grep java # 檢查端口
tcp 0 0 0.0.0.0:50090 0.0.0.0: LISTEN 9757/java
tcp 0 0 192.168.77.130:8020 0.0.0.0: LISTEN 8928/java
tcp 0 0 0.0.0.0:50070 0.0.0.0: LISTEN 8928/java
tcp 0 0 0.0.0.0:50010 0.0.0.0: LISTEN 9578/java
tcp 0 0 0.0.0.0:50075 0.0.0.0: LISTEN 9578/java
tcp 0 0 0.0.0.0:50020 0.0.0.0: LISTEN 9578/java
tcp 0 0 127.0.0.1:53703 0.0.0.0:* LISTEN 9578/java
[root@localhost ~]#
然後將Hadoop的安裝目錄配置到環境變量中，方便之後使用它的命令：
[root@web02 hadoop]# vim ~/.bash_profile
確認服務啟動成功後，使用瀏覽器訪問10.0.0.8:50070，會訪問到如下頁面：
點擊Live Nodes查看活著的節點：
如上，可以看到節點的信息。到此，我們偽分布式的hadoop集群就搭建完成了
Hadoop偽分布式集群搭建