Hadoop环境搭建——单节点篇

自漫聊1.0发布以来，研究Hadoop也有一段时间了，目前环境已基本搭建好，规模为15台的小型集群，昨晚测试时是用wordcount统计一个1.2G的log文件，总耗时2分16秒，虽然测试文件不大，但其性能的优越性已经体现出来了。


闲话不多说了，进正题。



注：本文的环境搭建是针对双系统和linux系统的，而非win下的虚拟机！



流程：


装机阶段： 安装ubuntu，jdk和hadoop


创建一个名为hadoop的用户和用户组


配置阶段： 配置环境变量


创建ssh key


配置hadoop

运行测试阶段： 格式化namenode


启动hadoop


跑wordcount


准备：


ubuntu 10.10


hadoop 0.21.0


jdk1.6.0_23 for linux



装机阶段：

1、安装ubuntu10.10

wubi的傻瓜式安装应该不用我多说了吧，在win下用虚拟光驱载入，然后执行.......另外补充下，安装时最好断开网络连接（我们是直接拔的网线），因为ubuntu安装过程中需要更新一些语言包之类的东西，那些东西与我们要做的事没什么关系，下载时间又长，所以建议不更新。



2、安装jdk1.6.0_23


有多种方法，此处只介绍一种

1、在usr下面新建一个文件夹Java,然后将jdk复制过来（也可直接mv过来）

sudo mkdir /usr/Java

sudo cp jdk的路径 /usr/Java



2、进入到Java目录下，改变文件权限为可执行

cd /usr/Java

sudo chmod u+x jdk1.6.0_23.bin



3、执行安装

sudo ./jdk1.6.0_23.bin

(现象为Unpacking....加一连串解压信息）




3、安装hadoop0.21.0

1、将hadoop0.21.0.tar.gz复制到usr下面的local文件夹内（也可mv）

sudo cp hadoop的路径 /usr/local



2、进入到local目录下，解压hadoop0.21.0.tar.gz

cd /usr/local

sudo tar -xzf hadoop0.21.0.tar.gz



3、为了方便管理，将解压后的文件夹名改为hadoop

sudo mv hadoop0.21.0 hadoop




4、创建一个名为hadoop的用户和用户组


1、创建一个名为hadoop的用户组

sudo addgroup hadoop



2、创建一个名为hadoop的用户，归到hadoop用户组下

sudo adduser --ingroup hadoop hadoop

(注1：前一个hadoop为用户组名，后面的是用户名，之所以名字一样是为了方便统一管理

注2：执行后会有一些信息需要填写，可以不填，都敲回车，用系统默认的即可，大概5个吧)



3、用gedit打开etc下的sudoers文件

sudo gedit /etc/sudoers



4、在 root ALL=(ALL) ALL 下面添加如下一行，然后保存关闭gedit

hadoop ALL=(ALL) ALL

（注1：网上有文档上是说先切换到root用户，然后修改sudoers的权限，再打开添加

hadoop ALL=(ALL) ALL ，然后再将权限改回为只读，这样就要特别注意一

定要将权限改回为只读，不然“sudo”命令就无法使用了，很悲剧的说

注2：添加 hadoop ALL=(ALL) ALL 的意义在于能让hadoop用户使用“sudo”命令
）






配置阶段：

1、配置环境变量


1、用gedit打开etc下的profile文件

sudo gedit /etc/profile



2、在文件最后加入如下几行

export CLASSPATH=.:/usr/Java/jdk1.6.0_23/lib:/usr/Java/jdk1.6.0_23/jre/lib:$CLASSPATH

export PATH=.:/usr/Java/jdk1.6.0_23/bin:/usr/Java/jdk1.6.0_23/jre/bin:/usr/local/hadoop/bin:$PATH

(注1：以上所有jre项都不是必需的，可以不要

注2：在win中环境变量的值是以“;”号隔开的，而这里是“:”

注3：等号后面有个“.”别丢了，它表示当前目录）



3、保存后关闭gedit，并重启机器

sudo reboot

（注：网上也有说用source命令使环境变量立即生效的，但是本人在

实际操作时出了几次问题，所以建议重启机器最保险)



4、重启后用hadoop用户登录，验证配置是否成功

java -version (此语句执行后如显示了jdk版本的话说明配置成功，如果没有则需检查profile中路径是否正确）

（注：最好是用hadoop用户登录，因为以下步骤都是以此为前提的）






2、创建ssh-key

1、确保网络通畅，然后装载ssh服务

sudo apt-get install openssh-server

（注：如果此语句执行失败且结果为“....包被占用”的话，那么应该是ubuntu的“更新管理器”正在后台更新，你可以选择等待或者关闭更新，更新管理器在“系统”菜单中，具体位置忘了.....）



2、创建ssh-key，为rsa （网上文档中也有dsa的）

ssh-keygen -t rsa --P

（注1：此语句网上文档为 ssh-keygen -t rsa -P "" ，效果一样

注2：此语句执行后会要你填写key的保存位置，直接照着系统给出的那个默认位置填，也就是括号里的那个路径，如果全都照此文档操作的话那么括号中路径应该为"/home/hadoop/.ssh/id_rsa"）



3、将此ssh-key添加到信任列表中，并启用此ssh-key

cat /home/hadoop/.ssh/id_rsa.pub >> /home/hadoop/.ssh/authorized_keys

sudo /etc/init.d/ssh reload



3、配置hadoop

1、进入到hadoop目录下，配置conf目录下的hadoop-env.sh中的J***A_HOME

cd /usr/local/hadoop

sudo gedit conf/hadoop-env.sh

（打开后在文档的上部某行有“#export J***A_HOME=...”字样的地方，去掉“#”，

然后在等号后面填写你的jdk路径，完全按此文档来的话应改为 "export J***A_HOME=/usr/Java/jdk1.6.0_23" )



2、配置conf目录下的core-site.xml

sudo gedit conf/core-site.xml

（打开后标签<configuration> </configuration>中是空的，所以在空的地方加入如下配置）

Xml代码

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

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

<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/tmp</value>
</property>

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

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

<property> 
       <name>hadoop.tmp.dir</name>
       <value>/home/hadoop/tmp</value> 
</property>

3、配置conf目录下的mapred-site.xml

sudo gedit conf/mapred-site.xml

（打开后标签<configuration> </configuration>中也是空的，添加如下配置）



Xml代码

<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property>

<property> 
      <name>mapred.job.tracker</name> 
      <value>localhost:9001</value>
 </property>

运行测试阶段:


1、格式化namenode (首次运行必需滴)



1、保证此时在hadoop目录下，如不在请先进入hadoop目录

cd /usr/local/hadoop



2、格式化namenode

hadoop namenode -format



2、启动hadoop

1、修改hadoop文件夹的权限，保证hadoop用户能正常访问其中的文件

sudo chown -hR hadoop /usr/local/hadoop



2、启动hadoop

bin/start-all.sh



3、验证hadoop是否正常启动

jps

（此语句执行后会列出已启动的东西NameNode,JobTracker,SecondaryNameNode...如果NameNode没有成功启动的话就要先执行"bin/stop-all.sh"停掉所有东西，然后重新格式化namenode，再启动）






3、跑wordcount

1、准备需要进行wordcount的文件

sudo gedit /tmp/test.txt

(打开后随便输入一些内容，如"mu ha ha ni da ye da ye da"，然后保存退出）



2、将准备的测试文件上传到dfs文件系统中的firstTest目录下

hadoop dfs -copyFromLocal /tmp/test.txt firstTest

（注：如dfs中不包含firstTest目录的话就会自动创建一个，关于查看dfs文件系统中已有目录的指令为"hadoop dfs -ls")



3、执行wordcount

hadoop jar hadoop-mapred-example0.21.0.jar wordcount firstTest result

（注：此语句意为“对firstTest下的所有文件执行wordcount，将统计结果输出到result文件夹中”，若result文件夹不存在则会自动创建一个）



4、查看结果

hadoop dfs -cat result/part-r-00000

（注：结果文件默认是输出到一个名为“part-r-*****”的文件中的，可用指令“hadoop dfs -ls result”查看result目录下包含哪些文件）





至此单节点环境搭建完成！



集群搭建请参见：
http://vampire1126.iteye.com/blog/891735