二.hadoop环境搭建

目录：

目录见文章1

文章：官方文档hadoop2.7.4

目的

这篇文档的目的是帮助你快速完成单机上的Hadoop安装与使用以便你对Hadoop分布式文件系统(HDFS)和Map-Reduce框架有所体会，比如在HDFS上运行示例程序或简单作业等。

概述

• GNU/Linux是产品开发和运行的平台。 Hadoop已在有2000个节点的GNU/Linux主机组成的集群系统上得到验证。
• Win32平台是作为开发平台支持的。由于分布式操作尚未在Win32平台上充分测试，所以还不作为一个生产平台被支持。
• (1) Java^TM  JDK1.5+，必须安装。(2)ssh 必须安装并且保证 sshd一直运行（以便用Hadoop 脚本管理远端Hadoop守护进程）。

安装软件

如果你的集群尚未安装所需软件，你得首先安装它们。

以Ubuntu Linux为例:

$ sudo apt-get install openssh-server
$ sudo apt-get install rsync

下载

为了获取Hadoop的发行版，从Apache的某个镜像服务器上下载最近的 稳定发行版。

运行Hadoop集群的准备工作

解压所下载的 Hadoop 发行版。编辑 etc/hadoop/hadoop-env.sh 文件，定义如下参数：

# 设置 Java 的安装目录
export JAVA_HOME=/usr/software/java/jdk1.8

尝试如下命令：

$ bin/hadoop 
将会显示hadoop 脚本的使用文档。

现在你可以用以下三种支持的模式中的一种启动Hadoop集群：

• 单机模式
• 伪分布式模式
• 完全分布式模式

单机模式的操作方法

默认情况下，Hadoop被配置成以非分布式模式运行的一个独立Java进程。这对调试非常有帮助。

下面的实例将已解压的 conf 目录拷贝作为输入，查找并显示匹配给定正则表达式的条目。输出写入到指定的output目录。

$ mkdir input
$ cp etc/hadoop/*.xml input
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar grep input output 'dfs[a-z.]+'
$ cat output/*

输出结果如下：

2    dfs.replication
1    dfsadmin
1    dfs.name.dir
1    dfs.data.dir

伪分布式模式的操作方法

Hadoop 可以在单节点上以所谓的伪分布式模式运行，此时每一个 Hadoop 守护进程都作为一个独立的 Java 进程运行。

配置:

etc/hadoop/core-site.xml

<configuration>
    <property>
        <name>fs.defaultFS.name</name>
        <value>hdfs://localhost:9000</value>
    </property>
    <property>
        <name>fs.default.name</name>
        <value>hdfs://localhost:9000</value>
    </property>
    <property>
      <name>hadoop.tmp.dir</name>
      <value>/usr/software/hadoop/tmp</value>
    </property>
</configuration>

附：配置fs.default.name的原因：http://blog.csdn.net/lisongjia123/article/details/77414189

etc/hadoop/hdfs-site.xml

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

由于我们只有一台主机和一个为分部模式的datanode，所以dfs.replication值为1

免密码 ssh 设置（跟上一节的hadoop入门须知里一样）

现在确认 能否不输入口令就用 ssh 登录 localhost:

$ ssh localhost

如果不输入口令就无法用 ssh 登陆 localhost，执行下面的命令：

$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

执行

下面演示本地运行一个 MapReduce 的 job，以下是运行步骤。

（1）格式化一个新的分布式文件系统：

$ bin/hdfs namenode -format

（2）启动 NameNode 守护进程和 DataNode 守护进程：

$ sbin/start-dfs.sh

Hadoop 守护进程的日志写入到 $HADOOP_LOG_DIR目录（默认是 $HADOOP_HOME/logs）

（3）浏览 NameNode 的网络接口，它们的地址默认为：

NameNode - http://localhost:50070/

注意：这个http://localhost:50070/是在linux下的访问的localhost:50070,windows下要改成linux的http://[ip]:50070 来访问

（4）创建 HDFS 目录来执行 MapReduce 的 job：

$ bin/hdfs dfs -mkdir /user
$ bin/hdfs dfs -mkdir /user/<username>

（5）将输入文件拷贝到分布式文件系统：

$ bin/hdfs dfs -put input input

hadoop fs -put < local file > < hdfs file >

//这一行 会在上个步骤的文件目录下，创建input文件夹

（6）运行发行版提供的示例程序：

$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar grep input output 'dfs[a-z.]+'

此处，使用命令

$ bin/hdfs dfs -ls input　　可以查看到input目录下刚拷贝的xml文件

$ bin/hdfs dfs -ls /　　　　可以查看目录

如果报错output已存在，需要删除分布式系统中已存在的output文件夹

$ bin/hdfs dfs -ls　　　　查看到分布式系统新建的文件夹，如input和步骤6生成的output文件夹

$ bin/hdfs dfs –rm –r output　　可删除分布式系统output文件夹

附录：hadoop HDFS常用文件操作命令

（7）查看输出文件

将输出文件从分布式文件系统拷贝到本地文件系统查看：

$ bin/hdfs dfs -get output output
$ cat output/*

或者，在分布式文件系统上查看输出文件：

$ bin/hdfs dfs -cat output/*

（8）完成全部操作后，停止守护进程：

$ sbin/stop-dfs.sh