Hadoop伪分布式环境搭建

什么是Hadoop伪分布式集群？

Hadoop 伪分布式集群是一种在单个节点上模拟分布式环境的配置，用于学习、开发和测试 Hadoop 的功能和特性。它提供了一个简化的方式来体验和熟悉 Hadoop 的各个组件，而无需配置和管理一个真正的多节点集群。

在 Hadoop 伪分布式集群中，各个 Hadoop 组件（如 NameNode、DataNode、ResourceManager、NodeManager 等）在同一台机器上运行，并通过配置文件进行连接和通信。通过使用 Hadoop 伪分布式集群，你可以在单个节点上进行开发和测试，而无需配置和管理一个真正的多节点集群。这对于学习和熟悉 Hadoop 的基本概念、调试代码、运行作业和验证配置非常有用。

然而，需要注意的是，伪分布式集群并不能提供真正的分布式计算和数据处理能力，因为所有的组件都在同一台机器上运行。因此，在进行性能测试、负载均衡和规模扩展方面，它与真实的分布式集群可能存在一些差异。

也就是说，Hadoop可以在单节点上以伪分布的方式运行，Hadoop进程以分离的Java进程来运行，节点既是NameNode又是DataNode，并且读取的是HDFS中的文件。

一、基本环境配置

基本环境配置的 所有步骤与博主上一篇博客一致

传送门：Hadoop 分布式集群搭建教程（2023在校生踩坑版）-CSDN博客

1.修改主机名和设置固定IP

2.关闭防火墙和新建安装目录

3.安装配置JDK

4.配置主机映射（修改hosts文件）

5.配置SSH免密登录本地节点（hadoop0）

二、安装配置Hadoop

1.安装和解压

步骤与博主上一篇博客一致

传送门：Hadoop 分布式集群搭建教程（2023在校生踩坑版）-CSDN博客

接着进入“/opt/programs/hadoop-3.3.6/etc/hadoop”目录，依次修改配置文件 core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、slaves(又一个坑，Hadoop3.x版本之后，slaves文件更名为workers，所以很多同学会找不到这个文件)、hadoop-env.sh。

①修改配置文件core-site.xml

# vim core-site.xml

将 和 标签的内容修改如下：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop0:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/programs/hadoop-3.3.6/tmp</value>
     </property>
</configuration>

②修改配置文件hdfs-site.xml

# vim hdfs-site.xml

将 和 标签的内容修改如下：

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

③修改配置文件mapred-site.xml

# vim mapred-site.xml

将 和 标签的内容修改如下：

<configuration>
        <property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
        </property>
        <property>
                <name>dfs.permissions</name>
                <value>false</value>
        </property>
</configuration>

④修改配置文件yarn-site.xml

# vim yarn-site.xml

将 和 标签的内容修改如下：

<configuration>
        <property>
                <name>yarn.resourcemanager.hostname</name>
                <value>hadoop0</value>
        </property>
        <property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>
</configuration>

⑤修改配置文件slaves（Hadoop3.x改名为workers）

将“localhost”修改为以下内容：

hadoop0

⑥修改配置文件hadoop-env.sh

将’expHADOOP_CONF_DIR=${HADOOP_CONF_DIR:-"/etc/hadoop"}”一行改为：

export HADOOP_CONF_DIR=/opt/programs/hadoop-3.3.6/etc/hadoop

并在文件末尾加入JAVA_HOME环境变量：

export JAVA_HOME=/opt/programs/jdk1.8.0_371

然后执行以下命令，刷新hadoop-env.sh文件，使修改生效：

# source hadoop-env.sh

2.配置Hadoop环境变量

接修改“ /etc/profile ”，配置Hadoop环境变量

# vim /etc/profile

在文件末尾加入以下内容：

export HADOOP_HOME=/opt/programs/hadoop-3.3.6
export PATH=$PATH:$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

然后刷新profile文件，是修改生效：

# source /etc/profile

三、格式化HDFS

执行以下命令，格式化HDFS：

# hdfs namenode -format

出现以下信息则说明格式化成功：

四、启动HDFS和YARN

依次执行以下命令，启动HDFS和YARN：

# start-dfs.sh

# start-yarn.sh

若出现以下报错：

则需要在“ /etc/profile/ "文件中加入以下内容：

export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
export HDFS_JOURNALNODE_USER=root
export HDFS_ZKFC_USER=root

更改完成后一定要刷新profile文件！

然后重启HDFS和YARN：

即可发现正常启动。

启动后可执行“ jps ”命令，查看启动的Hadoop相关进程：

除去jps外，共有五个进程：NameNode、SecondaryNameNode、DataNode、ResourceManager和NodeManager。如果发现有进程没有启动，可以先停止Hadoop集群（依次执行” stop-dfs.sh ”、“stop-yarn.sh”)，然后重新格式化HDFS。

启动后在宿主机访问“ http://hadoop0的ip地址:9870/ ”，页面会显示“hadoo0:9000(active)”

（有小伙伴可能访问50070访问不了，那么不妨改为9870试试！）

对于Hadoop高可用集群和伪分布式集群，它们在配置上有一些差异，这可能导致了不同的端口配置。

在Hadoop高可用集群中，通常会使用Hadoop的HA（High Availability）功能来确保集群的可用性。HA集群中有多个NameNode实例，其中一个是Active状态的主NameNode，负责处理客户端请求。默认情况下，Active主NameNode的HTTP端口是50070，用于访问Web界面。

而在Hadoop伪分布式集群中，只有一个节点模拟了整个分布式环境，包括NameNode、DataNode、ResourceManager等。为了避免与默认的单节点模式端口冲突，Hadoop在伪分布式模式下将NameNode的HTTP端口更改为9870。

因此，当你搭建正常的Hadoop高可用集群时，可以通过50070端口访问NameNode的Web界面。而在伪分布式集群中，由于端口冲突的考虑，NameNode的HTTP端口被更改为9870。

这是Hadoop在不同配置下为了避免端口冲突而进行的默认设置。我们也可以通过相应的配置文件修改端口号，来满足需求。