Ubuntu下用hadoop2.4搭建集群（伪分布式）

要真正的学习hadoop，就必需要使用集群，可是对于普通开发人员来说，没有大规模的集群用来測试，所以仅仅能使用伪分布式了。以下介绍怎样搭建一个伪分布式集群。

为了节省时间和篇幅，前面一些步骤不再叙述。本文是在基于单机模式的前提下进行得搭建。若不会搭建单机模式。请看我的前一篇文章。Ubuntu下用hadoop2.4搭建集群（单机模式）

第一步 配置hdfs-site.xml

/usr/local/hadoop/etc/hadoop/hdfs-site.xml用来配置集群中每台主机都可用，指定主机上作为namenode和datanode的文件夹。

通过命令打开文件

sudo  gedit  /usr/local/hadoop/etc/hadoop/hdfs-site.xml

改动文件内容

在该文件的<configuration></configuration>之间添加例如以下内容

 <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/hdfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/hdfs/data</value>
 </property>

保存、关闭编辑窗体

然后在hadoop 文件夹下新建文件夹。

这些都能够自定义的，仅仅只是须要注意一点的是。在hdfs-site.xml里面所写的路径名须要和你建的文件名称一样。

不要搞错这一点就没问题。

通过命令新建目录。

一个命令就可搞定。当然分开写也是能够的。（记得是在hadoop目录以下）

第二步 配置core-site.xml

这个文件包括了hadoop启动时候的配置信息  文件在这个文件夹下usr/local/hadoop/etc/hadoop/core-site.xml

首先通过命令打开配置文件

sudo gedit /usr/local/hadoop/etc/hadoop/core-site.xml

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhvdXpob3VqaWFucXVhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

在该文件的<configuration></configuration>之间添加例如以下内容。

这里我要特别的说明一下，能够使用以下三个都实验一下。笔者优先推荐第一个，这一个一般不会有问题。有的时候可能和hadoop的版本号以及系统本身一些问题。假设配置结束后不能启动，大家能够试试以下两个。

第一种：

<property>
        <name>fs.default.name</name>
        <value>hdfs://localhost:9000</value>
    </property>

另外一种：

 <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>

defaultFS是新版本号得一种写法，假设使用前面的default.name一般没有问题。有时候会提示你过期，让你使用defaultFS。能够都试一下。

第三种：

 <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>

这样的配置的目的是有个说法是如没有配置 hadoop.tmp.dir 參数。此时 Hadoop 默认的使用的暂时文件夹为 /tmp/hadoo-hadoop，而这个文件夹在每次重新启动后都会被干掉。必须又一次运行 format 才行（未验证），所以伪分布式配置中不妨设置一下。

我也没有验证过。读者能够尝试一下。

第三步 配置yarn-site.xml

/usr/local/hadoop/etc/hadoop/yarn-site.xml包括了MapReduce启动时的配置信息。之前的hadoop版本号是没有这个的。启动都时候仅仅用bin/start-all.sh就能够，如今使用了yarn框架后须要对它进行配置。

我可是配置2.4都时候。使用了曾经配置1.1时候的方法。结果搞了半天。白白浪费了时间。

编辑器中打开此文件

sudo gedit    /usr/local/hadoop/etc/hadoop/yarn-site.xml

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhvdXpob3VqaWFucXVhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

在该文件的<configuration></configuration>之间添加例如以下内容：

   <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</value>
   </property>

保存、关闭编辑窗体

第四步 配置mapred-site.xml

默认情况下，/usr/local/hadoop/etc/hadoop/目录下有mapred.xml.template文件，我们要复制该文件，并命名为mapred.xml，该文件用于指定MapReduce使用的框架。之前的有些版本号直接使用里面就有mapred.xml文件，2.4版本号，仅仅是提供了一个模板，所以我们须要自己复制一个mapred.xml文件。

复制并重命名（注意路径）

cp mapred-site.xml.template mapred-site.xml

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhvdXpob3VqaWFucXVhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">    编辑器打开此新建文件

sudo gedit /usr/local/hadoop/etc/hadoop/mapred-site.xml

在该文件的<configuration></configuration>之间添加例如以下内容：

 <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
  </property>

保存、关闭编辑窗体

第五步 格式化分布式文件系统并启动hadoop

使用例如以下命令（路径要在hadoop文件夹下，新手可能easy忽视这些问题。包含前面的都须要注意路径问题。）

  hdfs namenode -format    

仅仅须要运行一次就可以，假设在hadoop已经使用后再次运行，会清除掉hdfs上的全部数据。

经过上文所描写叙述配置和操作后。以下就能够启动这个单节点的集群

运行启动命令：

sbin/start-dfs.sh    

首次运行得话，假设有yes /no提示，输入yes，回车就可以。   结果例如以下

接下来，运行：

    sbin/start-yarn.sh 

结果例如以下

执行完这两个命令后，Hadoop会启动并执行

运行 jps命令。会看到Hadoop相关的进程，例如以下图。假设不完整的话，就是配置没有正确了。

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhvdXpob3VqaWFucXVhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

同一时候我们也能够在浏览器上查看。

浏览器打开 http://localhost:50070/会看到hdfs管理页面

浏览器打开http://localhost:8088，会看到hadoop进程管理页面。

第六步 通过wordcount程序来检查执行结果。

在介绍步骤之前，有必要了解，bin/hadoop是一个命令，如今也能够用bin/dfs 。

首先创建一个目录。这不是普通的目录，创建完毕后你是不能在目录以下看到的，须要用hadoop文件系统指令才干够看到。

当然。使用Eclipse开发的话就能够看到文件系统里面的文件。下一篇博客我将会解说怎样使用Eclispe搭建hadoop环境。

   bin/hadoop fs -mkdir -p input

把hadoop文件夹下的README.txt复制到dfs新建的input里，也能够拷贝其它的文件。对vim比較熟悉的也可自己写入。

   hadoop fs -copyFromLocal README.txt input

-copyFromLocal是hadoop文件系统的一个操作指令。

执行WordCount

 hadoop jar share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.4.0-sources.jar org.apache.hadoop.examples.WordCount input output

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhvdXpob3VqaWFucXVhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

能够看到执行过程。

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhvdXpob3VqaWFucXVhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

能够看到执行结果。

执行完成后，查看单词统计结果

 hadoop fs -cat output/*

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhvdXpob3VqaWFucXVhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

结果是：

第二次执行之前，请先删除output文件。否则会报错。

使用命令：

hadoop fs -rm -R ./output

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhvdXpob3VqaWFucXVhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

细心的读者应该发现了我得截图中。一直存在这样一个异常。

提示WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable

这是由于hadoop native library是32位系统编译的，在64位系统上会有这个提示，须要下载hadoop的源代码又一次编译，可參考http://stackoverflow.com/questions/19943766/hadoop-unable-to-load-native-hadoop-library-for-your-platform-error-on-centos

我编译了问题还是没有解决。可能和我系统本身有一些关系。

详细能够參考这个博客。在文章的末尾作者讲得非常清楚

http://dblab.xmu.edu.cn/blog/powerxing/install-hadoop-2-4-1-single-node/