大数据 hadoop2.5.2伪分布式搭建

1.准备Linux环境
    1.0点击VMware快捷方式，右键打开文件所在位置 -> 双击vmnetcfg.exe -> VMnet1 host-only ->修改subnet ip 设置网段：192.168.8.0 子网掩码：255.255.255.0 -> apply -> ok
        回到windows --> 打开网络和共享中心 -> 更改适配器设置 -> 右键VMnet1 -> 属性 -> 双击IPv4 -> 设置windows的IP：192.168.8.100 子网掩码：255.255.255.0 -> 点击确定
        在虚拟软件上 --My Computer -> 选中虚拟机 -> 右键 -> settings -> network adapter -> host only -> ok    
    有的同学不可以联网，为了让window和linux通信我们可以使用host only
        
1.1修改主机名
        vim /etc/sysconfig/network
        
        NETWORKING=yes
        HOSTNAME=itcast01    ###
 
    1.2修改IP
        两种方式：
        第一种：通过Linux图形界面进行修改（强烈推荐）
            进入Linux图形界面 -> 右键点击右上方的两个小电脑 -> 点击Edit connections -> 选中当前网络System eth0 -> 点击edit按钮 -> 选择IPv4 -> method选择为manual -> 点击add按钮 -> 添加IP：192.168.8.118 子网掩码：255.255.255.0 网关：192.168.1.1 -> apply
    
                
        第二种：修改配置文件方式（屌丝程序猿专用）
            vim /etc/sysconfig/network-scripts/ifcfg-eth0
            
            DEVICE="eth0"
            BOOTPROTO="static"               ###
            HWADDR="00:0C:29:3C:BF:E7"
            IPV6INIT="yes"
            NM_CONTROLLED="yes"
            ONBOOT="yes"
            TYPE="Ethernet"
            UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"
            IPADDR="192.168.8.118"           ###
            NETMASK="255.255.255.0"          ###
            GATEWAY="192.168.8.1"            ###
                        DNS1="8.8.8.8"  //谷哥提供
                        DNS1="8.8.4.4"   在地球上就可以用
            
    1.3修改主机名和IP的映射关系
        vim /etc/hosts
            
        192.168.8.118    itcast01
    
    1.4关闭防火墙
        #查看防火墙状态
        service iptables status
        #关闭防火墙
        service iptables stop
        #查看防火墙开机启动状态
        chkconfig iptables --list
        #关闭防火墙开机启动
        chkconfig iptables off
    
    1.5重启Linux
        reboot

2.安装JDK
    2.1上传
    
    2.2解压jdk  最好不要用jdk8
        #创建文件夹
        mkdir /usr/java
        #解压
        tar -zxvf jdk-7u55-linux-i586.tar.gz -C /usr/java/
                z-格式 x释放 c创建 v显示 f 文件  -C解压到
        
    2.3将java添加到环境变量中
        vim /etc/profile
        #在文件最后添加
        export JAVA_HOME=/usr/java/jdk1.7.0_55
        export PATH=$PATH:$JAVA_HOME/bin
    
        #刷新配置
        source /etc/profile
        
3.安装hadoop2.5.2 可以去 archive.apache.org/dist/  下载 所有开源都在这里
        hadoop文件结构:include --存储头文件  libexec lib 本地的一些库 share是依赖java jar
    注意：hadoop2.x的配置文件$HADOOP_HOME/etc/hadoop
    伪分布式需要修改5个配置文件
    3.1配置hadoop
    第一个：hadoop-env.sh
        vim hadoop-env.sh
        #第27行
        export JAVA_HOME=/usr/java/jdk1.7.0_65  ##要修改，不然会报一个错
        
    第二个：core-site.xml
        <!-- 制定HDFS的老大（NameNode）的地址 -->
        <property>
            <name>fs.defaultFS</name>
            <value>hdfs://yuhui1:9000</value>
        </property>
        <!-- 指定hadoop运行时产生文件的存储目录 -->
        <property>
            <name>hadoop.tmp.dir</name>
            <value>/root/hadoop-2.4.1/tmp</value>
        </property>
        
    第三个：hdfs-site.xml
        <!-- 指定HDFS副本的数量 （集群下，有多台机，可多份，目前就一台）-->
        <property>
            <name>dfs.replication</name>
            <value>1</value>
                </property>
                <property>
        <name>dfs.permissions</name>
        <value>false</value>
 </property>
        
    第四个：mapred-site.xml (mv mapred-site.xml.template mapred-site.xml)
        mv mapred-site.xml.template mapred-site.xml
        vim mapred-site.xml
        <!-- 告诉hadoop 指定mr运行在yarn上 -->
        <property>
            <name>mapreduce.framework.name</name>
            <value>yarn</value>
        </property>
        y-复制 p粘贴
    第五个：yarn-site.xml
        <!-- 指定YARN的老大（ResourceManager）的地址  -->
        <property>
            <name>yarn.resourcemanager.hostname</name>
            <value>yuhui1</value>
        </property>
        <!-- reducer获取数据的方式是shuffle方式 -->
        <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
        </property>
    
    3.2将hadoop添加到环境变量
    
    vim /etc/proflie
        export JAVA_HOME=/usr/java/jdk1.7.0_65
        export HADOOP_HOME=/itcast/hadoop-2.4.1
        export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

               export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
　　　　       export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"
    
source /etc/profile
    
    3.3格式化namenode（是对namenode进行初始化,文件系统格式化，相当于对硬盘进行格式化）
        hdfs namenode -format (hadoop namenode -format)
        
    3.4启动hadoop
        先启动HDFS
        sbin/start-dfs.sh
        
        再启动YARN
        sbin/start-yarn.sh
        
    3.5验证是否启动成功
        使用jps命令验证
        27408 NameNode
        28218 Jps
        27643 SecondaryNameNode
        28066 NodeManager
        27803 ResourceManager
        27512 DataNode
    
        http://192.168.0.1:50070 （HDFS管理界面）
        http://192.168.0.1:8088 （MR管理界面）

                测试hdfs验证:上传一些文件 hadoop fs -put /root/aa.txt /
                                          hadoop fs -get /aa.txt /root/  把hdfs上的文件下载到/root/下
                测试yarn  hadoop jar hadoop-mapreduce-examples-2.5.2.jar wordcount /aa.txt  /bb

                hadoop jar hadoop-mapreduce-examples-2.5.2.jar 回车能看到有哪些案例

                遇到问题 : hadoop下会有logs文件，日志里会记录错误信息 .

                out表示运行时的一些参数信息 .log表示错误日志
               
                NameNode接收用户请求，管理元数据，
                YARN老大 ResourceManager负责资源分布，资源调度,NodeManager是小弟，可以有多个小弟

                SecondaryNameNode是NameNode一个助理帮助namenode完成数据同步。

4.配置ssh免登陆  secure shell
          ssh yuhui1 mkdir /aaa //向yuhui1发送一个创建文件指令
              
    hadoop为什么要走ssh协议？因为以后集群中会有很多机器，一机子向其它机发送启动指令，需要配置免登录
    .ssh表示linux隐藏文件 里面有known_hosts知道的主机，目前只知道自己
    #生成ssh免登陆密钥
    #进入到我的home目录
    cd ~/.ssh

    ssh-keygen -t rsa （四个回车） rsa表示加密算法,这个算法，就是机算机破解也需要很多年
    执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）非对称加密
        more id_rsa
    将公钥拷贝到要免登陆的机器上
    ssh-copy-id localhost

         配置两台电脑免登录。
        ssh yuhui4  exit还能退出到上一级