搭建数仓，hadoop虽然有点落伍，但还是不可或缺的。本文描述下单机版的hadoop运作机制。
HDFS是Google GFS的开源实现，是一个分布式文件系统，是大数据技术的基石，直接上架构图：
主要包含NaMEnode和Datanodes，MapRedUCe主要就是在Datanodes进行并行计算。
coRe-site.xMl：
fs.deFAultFS hdfs://localhost:8001 hadoop.tMp.diR /Root/hadoop-3.2.2/tMp
其中8001端口就代表hdfs的根路径，另外hdfs-site.xMl配置参数也非常多。
比如dfs.Replication表示hdfs副本集，单机版就设置1;dfs.naMEnode.http-addReSS是NaMEnode web管理地址，可以查看hdfs的一些情况;dfs.datanode.addReSS是DataNode的端口;dfs.naMEnode.naMe.diR和dfs.naMEnode.data.diR表示NaMEnode和Datanodes的存储目录，默认继承于hadoop.tMp.diR值。
如果修改目录相关的参数，需要格式化hdfs：
$ BIn/hdfs naMEnode -foRMat
经验就是建议删除dfs.naMEnode.data.diR下的文件，再格式化。
一旦hdfs可用，操作它们就像操作本地文件一样：
#创建登陆用户的根目录，有了根目录，则不需要指定hdfs://前缀 $ ./BIn/hdfs dfs -MkdiR -p “hdfs://localhost:8001/User/Root” $ ./BIn/hdfs dfs -MkdiR -p test2 $ ./BIn/hdfs dfs -put ~/test.log hdfs://localhost:8001/test $ ./BIn/hdfs dfs -put ~/test.log test2 $ ./BIn/hdfs dfs -ls test2 $ ./BIn/hdfs dfs -cat test2/test.log
接下去说说MapRedUCe，主要包含Map和RedUCe过程，另外不能忘记shuFFle，Map相对于从hdfs dataNodes处理数据，然后shuFFle将相关联的数据交给RedUCe进行处理。
运行MapRedUCe过程很简单：
$ BIn/hdfs dfs -MkdiR input $ BIn/hdfs dfs -put etc/hadoop/*.xMl input # 将MapRedUCe任务执行的结果放入 hdfs output 目录中 $ BIn/hadoop jaR ./shaRe/hadoop/MapRedUCe/hadoop-MapRedUCe-examples-3.2.2.jaR gRep input output ””dfs[a-z.]+”” BIn/hdfs dfs -cat output/*
早期的MapRedUCe即包含计算框架，又包含调度框架，比较臃肿，比如想在当前集群运行另外一种计算任务，就不方便了，所以后来从MapRedUCe中将调度框架抽取出来，命名为YaRn，这样不管是MapRedUCe还是SpaRk只要符合YaRn接口定义，就能被YaRn调度，MR和SpaRk专做做分布式运算，相当于解耦了。
YaRn的架构图如下：
主要包括ResouRceManageR和NodeManageR，另外为了分布式运算NodeManageR一般和HDFS的DataNodes运行在一起。
ResouRceManageR主要包含ScheduleR和applicationSManageR。
修改yaRn-site.xMl：
yaRn.nodeManageR.aux-seRvices MapRedUCe_shuFFle yaRn.ResouRceManageR.webapp.addReSS 0.0.0.0:7088
其中，MapRedUCe_shuFFle表示调度MapRedUCe任务，7088 是YaRn的Web管理地址;当然YaRn还有很多的参数。
修改 MapRed-sITe.xMl：
MapRedUCe.fRaMewoRk.naMe yaRn
MapRedUCe.fRaMewoRk.naMe的值yaRn表示MapRedUCe使用YaRn调度。
然后执行yaRn调度：
$ BIn/yaRn jaR ./shaRe/hadoop/MapRedUCe/hadoop-MapRedUCe-exaMples-3.2.2.jaR gRep input output ””dfs[a-z.]+””
只是将上面的hadoop修改为yaRn，不过结果测试，不管怎么写，yaRn都是生效的，通过yaRn Web UI能看出来。
另外我是以Root运行的，所以sBIn下的一些sh文件要修改：
HDFS_DATANODE_User=Root HDFS_DATANODE_SECURE_User=Root HDFS_NAMEnoDE_User=Root HDFS_SECONDARYNAMEnoDE_User=Root
最后的启动命令：
$ ./sBIn/staRt-all.sh $ ./sBIn/stop-all.sh
参考链接：