配置HDFS(Hadoop分布式文件系統(tǒng))
** hdfs有兩個namenode(主和從),datanode（多個）
** namenode維護(hù)元數(shù)據(jù)，如：文件到塊的對應(yīng)關(guān)系、塊到節(jié)點的對應(yīng)關(guān)系，以及用戶對文件的操作
** datanode用來存儲和管理本節(jié)點數(shù)據(jù)
使用notepad++操作
a)
# 在Hadoop安裝目錄下的/etc/hadoop里，修改hadoop-env.sh文件里的JAVA_HOME
export JAVA_HOME=/opt/modules/jdk1.7.0_67
b)
修改core-site.xml文件：(參考core-default.xml)
<configuration>
<!--NameNode的訪問URI，也可以寫為IP，8020為默認(rèn)端口，可改-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://blue01.mydomain:8020</value>
</property>
<!--臨時數(shù)據(jù)目錄，用來存放數(shù)據(jù)，格式化時會自動生成-->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/modules/hadoop-2.5.0/data</value>
</property>
</configuration>
c)
修改hdfs-site.xml文件：(參考hdfs-default.xml)
<configuration>
<!--Block的副本數(shù)，偽分布式要改為1-->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
格式化namenode：
# 會自動生成data目錄
$ bin/hdfs namenode -format
啟動守護(hù)進(jìn)程(服務(wù))：
# cmd文件是給Windows用的，可以刪除
$ sbin/hadoop-daemon.sh start namenode #stop用來停止守護(hù)進(jìn)程
$ sbin/hadoop-daemon.sh start datanode
# jps --Process Status查看java進(jìn)程，數(shù)字為PID（Process id）
PS:
若是提示某個服務(wù)已經(jīng)啟動，可以去/tmp目錄下刪除對應(yīng)的pid文件
打開瀏覽器：
http://你的虛擬機IP:50070/
http://你的虛擬機IP:50070/dfshealth.jsp
上傳文件：(測試HDFS)
# 隨便創(chuàng)建一個文件a.txt，測試用
$ vi a.txt
# 打開網(wǎng)頁，Utilities--Browse file system
$ hdfs dfs -mkdir /input #在HDFS上創(chuàng)建文件夾，沒有類似-cd進(jìn)入目錄的參數(shù)
$ hdfs dfs -put a.txt /input #把本地文件拷到HDFS
配置Yarn
** 兩個管理器：resourcemanager、nodemanager
a)
# 在/etc/hadoop里，yarn-env.sh和mapred-env.sh文件：
# 將"export JAVA_HOME"注解取消
export JAVA_HOME=/opt/modules/jdk1.7.0_67
b)
#yarn-site.xml文件
<!--NodeManager上運行的輔助(auxiliary)服務(wù)，需配置成mapreduce_shuffle，才可運行MapReduce程序-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!--指定resourcemanager主機-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>blue01.mydomain</value>
</property>
c)
#mapred-site.xml文件（去掉.template）
<!--mapreduce是一種編程模型，運行在yarn平臺上面-->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
d)
hadoop-2.5.0/etc/hadoop/slaves文件:
** 記錄哪些主機是datanode，每行一個主機名
** 替換掉原本localhost
blue01.mydomain
** 進(jìn)入hadoop目錄，啟動yarn
$ sbin/yarn-daemon.sh start resourcemanager
$ sbin/yarn-daemon.sh start nodemanager
** yarn的作業(yè)監(jiān)控平臺，顯示yarn平臺上運行job的所用資源（CPU、內(nèi)存）等信息
http://192.168.122.128:8088
測試：運行一個mapreduce作業(yè)
（需要啟動namenode和datanode守護(hù)進(jìn)程，在http://192.168.122.128:50070查看目標(biāo)文件和結(jié)果文件）
# 運行官方提供的jar包，進(jìn)行文件內(nèi)單詞統(tǒng)計（本例是以tab鍵'\t'作為單詞間的分隔符）
# wordcount為程序名
# /input是輸入路徑，統(tǒng)計目錄里的所有文件（可以上傳多個文件試試）
# /output是輸出路徑，為了防止結(jié)果被意外覆蓋，Hadoop規(guī)定輸出文件一定不能存在
$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /input /output
# 可以打開http://192.168.122.128:8088，查看運行信息
# 查看統(tǒng)計結(jié)果
$ bin/hdfs dfs -cat /output/p*
** 點擊history無效，繼續(xù)配置historyserver服務(wù):
** 歷史服務(wù)：查看已經(jīng)運行完成的MapReduce作業(yè)記錄，比如本次作業(yè)用了多少Mapper、Reducer，
** 還能看到作業(yè)提交時間、作業(yè)啟動時間、作業(yè)完成時間等信息。
配置日志服務(wù)器：
yarn-site.xml文件
<!--啟用日志聚合功能-->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!--日志保留時間，單位秒-->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>86400</value>
</property>
mapred-site.xml文件
<!--JobHistory服務(wù)的IPC地址(IPC：Inter-Process Communication進(jìn)程間通信)-->
<property>
<name>mapreduce.jobhistory.address</name>
<value>blue01.mydomain:10020</value>
</property>
<!--日志的web訪問地址-->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>blue01.mydomain:19888</value>
</property>
重啟yarn服務(wù)（jps）
$ sbin/yarn-daemon.sh stop resourcemanager
$ sbin/yarn-daemon.sh stop nodemanager
$ sbin/yarn-daemon.sh start resourcemanager
$ sbin/yarn-daemon.sh start nodemanager
啟動historyserver服務(wù)
$ sbin/mr-jobhistory-daemon.sh start historyserver
再次運行任務(wù)，必需改變輸出目錄
$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /input/ /output2
需要在（注意：是Windows目錄，而不是Linux）
C:\Windows\System32\drivers\etc里面的hosts文件里添加映射
192.168.122.128 blue01.mydomain
此時再點擊history，就能看到結(jié)果
解決警告：
$ bin/hdfs dfs -cat /output/par*
# 執(zhí)行類似的命令時，會出現(xiàn)WARN
# Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
# 意思是當(dāng)前平臺（Centos6.4 64bit）不能加載（不兼容）hadoop包，hadoop包在lib目錄下
解決方法：
用native-2.5.0.tar.gz替換lib/native包
[tom@blue01 lib]$ rm -rf native
$ tar zxvf /opt/softwares/native-2.5.0.tar.gz
** 注意：CDH版本Hadoop不能用這個包來替換
=======================================================
PS：
編譯Hadoop（選做，在Windows平臺安裝hadoop時，或者添加Hadoop一些額外功能時，才需要編譯）
** hadoop-2.5.0.tar.gz 編譯過后的包
** hadoop-2.5.0-src.tar.gz 沒有經(jīng)過編譯的
** 系統(tǒng)必須聯(lián)網(wǎng)（mvn倉庫）
hadoop-2.5.0-src.tar.gz --> hadoop-2.5.0.tar.gz
** 時間比較長，而且對網(wǎng)絡(luò)條件要求高，只要有一個包maven下載漏掉，就要重新編譯，很麻煩（參考編譯操作文檔）
