标签：mis x64 变量 key 计算 数据库 usermod 数据 roo
Hadoop由Apache基金会开发的分布式系统基础架构，是利用集群对大量数据进行分布式处理和存储的软件框架。用户可以轻松地在Hadoop集群上开发和运行处理海量数据的应用程序。Hadoop有高可靠，高扩展，高效性，高容错等优点。Hadoop 框架最核心的设计就是HDFS和MapReduce。HDFS为海量的数据提供了存储，MapReduce为海量的数据提供了计算。此外，Hadoop还包括了Hive，Hbase，ZooKeeper，Pig，Avro，Sqoop，Flume，Mahout等项目。
Hadoop的运行模式分为3种：本地运行模式，伪分布运行模式，完全分布运行模式。
本地模式（local mode）
这种运行模式在一台单机上运行，没有HDFS分布式文件系统，而是直接读写本地操作系统中的文件系统。在本地运行模式（local mode）中不存在守护进程，所有进程都运行在一个JVM上。单机模式适用于开发阶段运行MapReduce程序，这也是最少使用的一个模式。
伪分布模式
这种运行模式是在单台服务器上模拟Hadoop的完全分布模式，单机上的分布式并不是真正的分布式，而是使用线程模拟的分布式。在这个模式中，所有守护进程(NameNode，DataNode，ResourceManager，NodeManager，SecondaryNameNode)都在同一台机器上运行。因为伪分布运行模式的Hadoop集群只有一个节点，所以HDFS中的块复制将限制为单个副本，其secondary-master和slave也都将运行于本地主机。此种模式除了并非真正意义的分布式之外，其程序执行逻辑完全类似于完全分布式，因此，常用于开发人员测试程序的执行。本次实验就是在一台服务器上进行伪分布运行模式的搭建。
完全分布模式
这种模式通常被用于生产环境，使用N台主机组成一个Hadoop集群，Hadoop守护进程运行在每台主机之上。这里会存在Namenode运行的主机，Datanode运行的主机，以及SecondaryNameNode运行的主机。在完全分布式环境下，主节点和从节点会分开。
Linux Ubuntu 14.04
此步为可选项，建议用户创建一个新用户及用户组，后续的操作基本都是在此用户下来操作。但是用户亦可在自己当前非root用户下进行操作。
创建一个用户，名为zhangyu，并为此用户创建home目录，此时会默认创建一个与zhangyu同名的用户组。
sudo useradd -d /home/zhangyu -m zhangyu为zhangyu用户设置密码
sudo passwd zhangyu将zhangyu用户的权限，提升到sudo超级用户级别
sudo usermod -G sudo zhangyu切换到zhangyu用户完成后续操作
su zhangyuSSH免密码登陆需要在服务器执行以下命令，生成公钥和私钥对
注意：此时会有多处提醒输入在冒号后输入文本，这里主要是要求输入ssh密码以及密码的放置位置。在这里，只需要使用默认值，按回车即可。
ssh-keygen -t rsa此时ssh公钥和私钥已经生成完毕，且放置在~/.ssh目录下。切换到~/.ssh目录下；在~/.ssh目录下，创建一个空文本，名为authorized_keys；并将存储公钥文件的id_rsa.pub里的内容，追加到authorized_keys中。
cd ~./.ssh
touch ~/.ssh/authorized_keys
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys下面执行ssh localhost测试ssh配置是否正确（一次使用ssh访问，会提醒是否继续连接 ）
ssh localhost如果控制台打印出欢迎语句说明ssh免密码登录配置成功，后续再执行ssh localhost时，就不用输入密码了。
首先创建两个目录：apps和data。两个目录的作用分别为：/apps目录用来存放安装的框架，/data目录用来存放临时数据、HDFS数据、程序代码或脚本。
sudo mkdir /apps
sudo mkdir /data并为/apps和/data目录切换所属的用户为zhangyu及用户组为zhangyu
sudo chown -R zhangyu:zhangyu /apps
sudo chown -R zhangyu:zhangyu /data在根目录执行ls -l命令，如果看到根目录下/apps和/data目录所属用户及用户组已切换为zhangyu:zhangyu，说明用户和用户组切换成功。
创建/data/hadoop1目录，用来存放相关安装工具，如jdk安装包jdk-7u75-linux-x64.tar.gz及hadoop安装包hadoop-2.6.0-cdh5.4.5.tar.gz。
mkdir -p /data/hadoop1切换目录到/data/hadoop1目录，使用wget命令，下载所需的hadoop安装包jdk-7u75-linux-x64.tar.gz及hadoop-2.6.0-cdh5.4.5.tar.gz。
cd /data/hadoop1
wget http://59.64.78.41:60000/allfiles/hadoop1/jdk-7u75-linux-x64.tar.gz
wget http://59.64.78.41:60000/allfiles/hadoop1/hadoop-2.6.0-cdh5.4.5.tar.gz安装jdk。将/data/hadoop1目录下jdk-7u75-linux-x64.tar.gz 解压缩到/apps目录下。（其中，tar -xzvf 对文件进行解压缩，-C 指定解压后，将文件放到/apps目录下）
tar -xzvf /data/hadoop1/jdk-7u75-linux-x64.tar.gz -C /apps切换到/apps目录下， 将jdk1.7.0_75目录重命名为java
mv /apps/jdk1.7.0_75/ /apps/java下面来修改环境变量：系统环境变量或用户环境变量。我们在这里修改用户环境变量。 打开存储环境变量的文件( .bashrc )。空几行，将java的环境变量，追加进用户环境变量中。
# java
export JAVA_HOME=/apps/java
export PATH=$JAVA_HOME/bin:$PATH让环境变量立即生效
source ~/.bashrc执行source命令，让java环境变量生效。执行完毕后，可以输入java，来测试环境变量是否配置正确。
安装hadoop，切换到/data/hadoop1目录下，将hadoop-2.6.0-cdh5.4.5.tar.gz解压缩到/apps目录下。
cd /data/hadoop1
tar -xzvf /data/hadoop1/hadoop-2.6.0-cdh5.4.5.tar.gz -C /apps/为了便于操作，我们也将hadoop-2.6.0-cdh5.4.5重命名为hadoop。
mv /apps/hadoop-2.6.0-cdh5.4.5/ /apps/hadoop修改用户环境变量，将hadoop的路径添加到path中。先打开用户环境变量文件（.bashrc）,并将Hadoop的环境变量追加到这个环境变量配置文件中。
sudo vim ~/.bashrc# 将下列内容写在.bashrc文件中
#hadoop
export HADOOP_HOME=/apps/hadoop
export PATH=$HADOOP_HOME/bin:$PATH让环境变量立即生效
source ~/.bashrc验证hadoop环境变量配置是否正常，如果正常打印出Hadoop的版本信息表明配置正确。
hadoop version切换到Hadoop的配置目录下，编辑hadoop-env.sh文件
cd /apps/hadoop/etc/hadoop
vim /apps/hadoop/etc/hadoop/hadoop-env.sh将下面JAVA_HOME追加到hadoop-env.sh文件中。
export JAVA_HOME=/apps/java打开core-site.xml配置文件
vim /apps/hadoop/etc/hadoop/core-site.xml添加下面配置到<configuration>与</configuration>标签之间
<property>
<name>hadoop.tmp.dir</name>
<value>/data/tmp/hadoop/tmp</value>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://0.0.0.0:9000</value>
</property>配置项说明：
打开hdfs-site.xml配置文件
vim /apps/hadoop/etc/hadoop/hdfs-site.xml添加下面配置到<configuration>与</configuration>标签之间
<property>
<name>dfs.namenode.name.dir</name>
<value>/data/tmp/hadoop/hdfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/data/tmp/hadoop/hdfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.permissions.enabled</name>
<value>false</value>
</property>配置项说明：
另外/data/tmp/hadoop/hdfs路径，需要提前创建，所以我们需要执行
mkdir -p /data/tmp/hadoop/hdfs打开slaves配置文件
vim /apps/hadoop/etc/hadoop/slaves将集群中slave角色的节点的主机名，添加进slaves文件中。目前只有一台节点，所以slaves文件内容为：
localhost下面格式化HDFS文件系统 ,执行：
hadoop namenode -format切换目录到/apps/hadoop/sbin目录下，启动Hadoop的hdfs相关进程
cd /apps/hadoop/sbin/
./start-dfs.sh在终端中输入jps命令查看HDFS相关进程是否启动，如果出现Datanode,NameNode,SecondaryNameNode,Jps这些字眼，说明HDFS相关进程已经启动。
下面验证HDFS的运行状态
先在HDFS上创建一个目录
hadoop fs -mkdir /myhadoop1执行下面命令，查看目录是否创建成功
hadoop fs -ls -R /切换到hadoop配置文件目录
cd /apps/hadoop/etc/hadoop将mapreduce的配置文件mapred-site.xml.template，重命名为mapred-site.xml
mv /apps/hadoop/etc/hadoop/mapred-site.xml.template /apps/hadoop/etc/hadoop/mapred-site.xmlvim /apps/hadoop/etc/hadoop/mapred-site.xml将mapreduce相关配置，添加到<configuration>标签之间
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>这里指定mapreduce任务处理所使用的框架 --> yarn
vim /apps/hadoop/etc/hadoop/yarn-site.xml将yarn相关配置，添加到<configuration>标签之间
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>下面来启动计算层面相关进程，切换到hadoop启动目录
cd /apps/hadoop/sbin/执行命令，启动yarn
./start-yarn.sh在终端中输入jps命令查看HDFS相关进程是否启动，如果出现Datanode, NameNode,SecondaryNameNode,Jps,ResourceManager,NodeManager这些字眼，说明HDFS相关进程已经启动
切换到/apps/hadoop/share/hadoop/mapreduce目录下
cd /apps/hadoop/share/hadoop/mapreduce在该目录下跑一个mapreduce程序，来检测一下hadoop是否能正常运行
hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.4.5.jar pi 3 3这个程序是计算数学中的pi值。当然暂时先不用考虑数据的准确性。
当程序能计算出Pi的值，说明hadoop已经安装配置完成。
标签：mis x64 变量 key 计算 数据库 usermod 数据 roo
原文地址：https://www.cnblogs.com/finlu/p/11583783.html
