Hadoop2.2.0伪分布式安装及测试笔记

一：环境准备：基于Windows下的VM9的ubuntu12.04-64server.

下载免费的VMware Player并安装好;
下载 免费的Ubuntu 12.04 server版并在VMware中安装好；

二：基础安装：

执行如下命令升级部分软件和把ssh安装好：

(1) sudo apt-get update;

(2) sudo apt-get upgrade;

(3) sudo apt-get install openssh-server;

手动安装JDK。

(1) 下载jdk1.6：http://download.csdn.net/detail/lifuxiangcaohui/7075513。我用的是32位的

(2) 安装JDK并设置环境变量地址：http://www.linuxidc.com/Linux/2012-06/62078.htm

创建hadoop用户。

(1) sudo addgroup hadoop

(2) sudo adduser --ingroup hadoop hduser

建立SSH信任关系，登录localhost就不需要密码

$ cd /home/hduser

$ ssh-keygen -t rsa -P "" #直接回车

$cat .ssh/id_rsa.pub >>.ssh/authorized_keys

注：可通过ssh localhost命令验证。

三：正式安装：

注：以下操作以hduser登录进行操作。

下载hadoop2.2版本。地址：http://apache.dataguru.cn/hadoop/common/hadoop-2.2.0/hadoop-2.2.0.tar.gz。
执行tar zxf hadoop-2.2.0.tar.gz解压至当前目录/home/hduser目录下。
mv hadoop-2.2.0 hadoop

四：配置hadoop:

编辑/home/hduser/hadoop/etc/hadoop/hadoop-env.sh

替换exportJAVA_HOME=${JAVA_HOME}为如下：

export JAVA_HOME=/usr/local/java/jdk1.6.0_45/

export
JAVA_HOME=$JAVA_HOME这样设置会报错，只有使用绝对路径才不会报错

编辑/home/hduser/hadoop/etc/hadoop/core-site.xml，在<configuration>中添加如下：

<property>

<name>hadoop.tmp.dir</name>

<value>/home/hduser/hadoop/tmp/hadoop-${user.name}</value>

<description>A base for other temporarydirectories.</description>

</property>

<property>

<name>fs.default.name</name>

<value>hdfs://localhost:8010</value>

<description>The name of the default file system. A URI whose

scheme and authority determine the FileSystem implementation. The

uri's scheme determines the config property (fs.SCHEME.impl) naming

the FileSystem implementation class. The uri's authority is used to

determine the host, port, etc. for a filesystem.</description>

</property>

备注：配置了/home/hduser/hadoop/tmp/这个目录，必须执行mkdir /home/hduser/hadoop/tmp/创建它，否则后面运行会报错。

编辑/home/hduser/hadoop/etc/hadoop/mapred-site.xml：

(1) mv /home/hduser/hadoop/etc/hadoop/mapred-site.xml.template/home/hduser/hadoop/etc/hadoop/mapred-site.xml

(2) 在<configuration>中添加如下:

<property>

<name>mapred.job.tracker</name>

<value>localhost:54311</value>

<description>The host and port that the MapReduce job tracker runs

at. If "local", thenjobs are run in-process as a single map

and reduce task.

</description>

</property>

<property>

<name>mapred.map.tasks</name>

<value>10</value>

<description>As a rule of thumb, use 10x the number of slaves(i.e., number of tasktrackers).

</description>

</property>

<property>

<name>mapred.reduce.tasks</name>

<value>2</value>

<description>As a rule of thumb, use 2x the number of slaveprocessors (i.e., number of tasktrackers).

</description>

</property>

编辑/home/hduser/hadoop/etc/hadoop/hdfs-site.xml，在<configuration>中添加如下：

<property>

<name>dfs.replication</name>

<value>1</value>

<description>Default block replication.

The actual number of replications can be specified when the file iscreated.

The default is used if replication is not specified in create time.

</description>

</property>

五：运行Hadoop

在初次运行Hadoop的时候需要初始化Hadoop文件系统，命令如下：

$cd /home/hduser/hadoop/bin

$./hdfs namenode -format //格式化namenode

如果执行成功，你会在日志中(倒数几行)找到如下成功的提示信息：

common.Storage: Storage directory/home/hduser/hadoop/tmp/hadoop-hduser/dfs/name has been successfully formatted.

运行命令如下：

$cd /home/hduser/hadoop/sbin/

$./start-dfs.sh //开始hadoop守护进程

注：该过程需要多次输入密码, 如果不想多次输入密码，可先用ssh建立信任。

hduser@ubuntu:~/hadoop/sbin$ jps //查看守护进程

4266 SecondaryNameNode

4116 DataNode

4002 NameNode

注：用jps查看启动了三个进程。

$./start-yarn.sh

hduser@ubuntu:~/hadoop/sbin$ jps

4688 NodeManager

4266 SecondaryNameNode

4116 DataNode

4002 NameNode

4413 ResourceManager

六：查看Hadoop资源管理器

http://192.168.128.129:8088/，将其中的192.168.128.129替换为你的实际IP地址。

七：测试Hadoop

运行hadoop自带的词频统计的例子

（执行以下步骤的前提是先启动hadoop，namenode和datanode进程必须启动）

首先在hdfs虚拟文件上创建文件夹input 命令：hdfs dfs -mkdir /input

上传文件到hdfs上命令：hdfs dfs -put /home/hduser/hadoop/etc/hadoop/ /input

(把/home/hduser/hadoop/etc/hadoop/下所有的文件复制到input下)

执行例子,命令

hadoop jar /home/hduser/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples- 2.2.0.jar wordcount /input/hadoop /output

注意：output是自动创建的，执行前不能存在

执行成功后，可以通过浏览器访问HDFS文件下的output:











八：停止Hadoop

若停止hadoop，依次运行如下命令：

$./stop-yarn.sh

$./stop-dfs.sh

九：参考资料

http://wenku.baidu.com/view/1681511a52d380eb62946df6.html

DFSShell 　　

HDFS允许用户数据由文件和文件夹式的管理，它提供一个接口叫DFSShell，让用户和HDFS中的数据交互 　　命令集的语法跟其他的shells（bash,csh）相似 　　

创建目录foodir : hadoop fs -mkdir /foodir 　　

查看文件 /foodir/myfile.txt : hadoop dfs -cat /foodir/myfile.txt 　　

删除文件/foodir/myfile.txt : hadoop dfs -rm /foodir myfile.txt 　　

DFSAdmin 　　

DFSAdmin命令集是用于管理dfs集群的，这些命令只由HDFS管理员使用 　　

将集群设置成安全模式 : hadoop dfsadmin-safemode enter 　　

产生一个数据节点的列表 : hadoop dfsadmin-report或者hdfsdfsadmin -report　

去掉一个数据节点: hadoop dfsadmin-decommission datanodename