课程资源网站教建设现状分析全网搜索关键词查询
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 <configuration> 和 </configuration> 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 <configuration> 和 </configuration> 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 <configuration> 和 </configuration> 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 <configuration> 和 </configuration> 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。
