Hadoop 单机、伪分布式及集群下的运行测试总结

找几个并行框架来测试一下，想用于分布式图像渲染。之前了解过google的GFS和mapreduce,然后听说hadoop不错，试着用了一下。
我使用的是hadoop0.20.2版,测试的例子均使用统计单词个数的例子，下面是总结：

首先提一下，命令的格式一般为 bin/hadoop (命令所属集) -(具体命令).

 

1.单机模式
hadoop支持在单机的情况下，用一个进程以非分布式的方式去运行，主要用于调试.
$ cd $(HADOOP_HOME)
$ mkdir input 
$ cp conf/*.xml input 
$ bin/hadoop jar hadoop-*-examples.jar input output
$ cat output/*


2.伪分布式模式
1) 此时需要进入ssh（security shell）
$ssh localhost


2) 为使程序能在无需人干涉的情况下顺利进行，需要将密码登录取消掉
$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa 
$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys


3) 按一下方式配置各节点：
在 core-site.xml:(namenode)
  <property>
<name>fs.default.name</name>
    <value>localhost:9000</value>
  </property>
在 hdfs-site.xml:
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
在 mapred-site.xml:(jobtracker)
  <property>
    <name>mapred.job.tracker</name>
    <value>localhost:9001</value>
  </property>
  注意：旧版的hadoop-site.xml ��经被弃用了


4) 格式化文件系统
在首次使用时需要格式化文件系统
bin/hadoop namenode -format (注意是namenode，不是fs)


5) 启动各进程 namenode secondarynamenode datanode jobtracker tasktracker  
bin/start-all.sh


6) 建立输入文件目录，并将需要处理的数据放进去
bin/hadoop fs -put conf input 
input 会自动创建，将conf目录下的文件放进去，conf为可以为其他，这只是用于处理的数据，不是用来配置的


7) 运行
bin/hadoop jar hadoop-*-exampers.jar wordcount input output
wordcount 为.jar 文件中的一个程序，其实现了map reduce等函数，输出将会在output出现


8) 查看结果
bin/hadoop fs -cat output/*


3.集群模式
1)  我使用了四台机器，ip分别为 
192.168.1.1 
192.168.1.252
192.168.1.253
192.168.1.254


2)  我将192.168.1.1 设为namenode和jobtracker，其他为datanode和tasktracker
在 core-site.xml:
  <property>
<name>fs.default.name</name>
    <value>192.168.1.1:9000</value>
  </property>
在 hdfs-site.xml:
  <property>
    <name>dfs.replication</name>
    <value>2</value>
  </property>
在 mapred-site.xml:
  <property>
    <name>mapred.job.tracker</name>
    <value>192.168.1.1:9001</value>
  </property>
 
3)  设置masters\slaves
在masters设置
192.168.1.1
在slaves设置 
192.168.1.252
192.168.1.253
192.168.1.254


4) 将上面的hadoop整个目录发送到其他机器,我的机器事先已经设置好机器间即时同步,
该命令我尚未测试
scp -r $(HADOOP_HOME) 192.168.1.252
scp -r $(HADOOP_HOME) 192.168.1.253
scp -r $(HADOOP_HOME) 192.168.1.254


5) 在192.168.1.1启动
bin/start-all.sh


6) 查看运行情况
使用jps命令可查看可机器上目前运行的hadoop进程,右上角的jps显示的是namenode及JobTracker, 其他为datanode和 tasktracer。


7) 运行
bin/hadoop jar hadoop-*-exampers.jar wordcount input output


8) 查看结果
bin/hadoop fs -cat output/*
 
9) 其他
另外，在一开始，文件系统可能是处于安全模式的，需要按http://blog.csdn.net/jiedushi/article/details/6795863处理。
其他的一些命令：
bin/hadoop fs -rmr directory
bin/hadoop fs -rm  filename 
bin/hadoop fs -get source destinate 
bin/hadoop fs -put source destinate 
bin/hadoop fs -ls 
hadoop的核心思想是Google的三大论文，目前还没有完全体会其精髓。Hadoop 能用于什么情景，
在特定的前景下又应该如何优化，这些我还不是很清楚。希望大家能交流一下。
hadoop的核心思想是Google的三大论文，目前还没有完全体会其精髓。Hadoop 能用于什么情景，
在特定的前景下又应该如何优化，这些我还不是很清楚。希望大家能交流一下

推荐阅读文章

大数据工程师在阿里面试流程是什么？

学习大数据需要具备怎么样基础？

年薪30K的大数据开发工程师的工作经验总结？