Hadoop在Windows环境下的部署[转]

/article/1920604.html

经过一整天的折腾，参考了网上很多资料，我机器上的Hadoop似乎是配置成功了。下面分享一下详细的配置过程。也祝愿大家在配置的过程中少走弯路。

注意：本文的配置环境是：

CygWin最新版本2.769下载地址

Window7-64bit

JDK1.6.0_31-win64 (JRE6)下载地址

Eclipse-Indigo..

Hadoop 0.20.2 (注意：0.20.203版本不可用，会导致tasktracker无法启动)下载地址

-----------------------------------------华丽分割------------------------------------
环境安装&配置：
1.JDK，我的安装目录：C/Java，安装后视图



安装好了JDK，然后配置JAVA_HOME环境变量:



然后，把JDK下面的BIN目录追加到环境变量PATH后面。

2.CygWin，安装过程中记得选择所需的包，这里需要的是:
Net Category下的：openssh,openssl
BaseCategory下的：sed （若需要Eclipse，必须sed）
Devel Category下的：subversion（建议安装）。具体请参考下面的图示：







安装完成后，把CygWin的bin目录以及usr/sbin 追加到系统环境变量PATH中。

3.Hadoop
把下载的hadoop-0.20.2.tar.gz解压到指定目录。我把解压后的Hadoop程序放到了Cygwin根目录下的hadoop文件夹中。具体如下图示：
（不要使用0.20.203版本的Hadoop！！！）



下面开始配置Hadoop。需要配置的文件：（hadoop/conf目录下）

hadoop-env.sh

core-site.xml

hdfs-site.xml

mapred-site.xml

第一个文件 hadoop-env.sh



把里面的JAVA_HOME改掉，注意export前面的#号要去掉。
而且必须要使用linux的路径表达方式。我的jdk路径是 C:\JAVA\jdk1.6.0_31，在CygWin中对应的路径为： /cygdrive/c/java/jdk1.6.0_31

第二个文件：core-site.xml
首先删除它，然后把hadoop/src/core目录下的core-default.xml文件复制到conf目录下，并命名为core-site.xml。然后修改其中的fs.default.name变量，如下所示。
（确保端口号（我的是9100）未被占用）



第三个文件：hdfs-site.xml
首先把它删除，然后复制src/hdfs目录下的hdfs-default.xml到conf目录下，并改名为hdfs-site.xml
然后修改dfs.replication变量，如下图示：
该变量意思是文件系统中文件的复本数量。在单独的一个数据节点上运行时，HDFS无法将块复制到三个数据节点上。



第四个文件：mapred-site.xml
首先删除它，然后复制src/mapred目录下的mapred-default.xml到conf目录下，并改名为mapred-site.xml，然后修改其mapred.job.tracker变量：
（同样确保端口号未被占用）



----------------------------------华丽分割-------------------------------------
配置SSH服务（首先确认安装了OpenSSH,OpenSSL两个包）
1.打开CygWin输入SSH-HOST-CONFIG
2.系统提示：should privilege separation be used ? 回答：no
3.系统提示：if sshd should be installed as service?回答：yes
4.系统提示：the value of CYGWIN environment variable 输入: ntsec
5.成功
下面是图示（我自己当时没记录，所以参考的是网络上的图片）



下一步，进入Window系统的服务菜单，打开Cygwin的SSHD服务：如下图所示：



下面继续回到CygWin环境：执行如下命令：
1.ssh-keygen然后一直回车
2.cd ~/.ssh
3. cp id_rsa_pub anthorized_keys
4.exit 退出cygwin，若不退出，可能出错
再次登录时查看一下：



5运行 ssh localhost 若有提示，则回车。
6执行 ps 若看到 有/usr/bin/ssh 进程，说明成功

------------------------------------华丽分割----------------------------------
启动Hadoop
第0步：为了避免jobtracker，info could only be replicated to 0 node,instead of 1错误，最好把 hadoop/conf目录下面的 masters和slaves文件全部改为127.0.0.1（原内容为：localhost）

第一步，在hadoop目录下创建目录logs，用于保存日志

第二步，格式化管理者，即namenode，创建HDFS
执行命令： bin/hadoop namenode -format，下面示代表成功



此时，执行ps，应该能看到ssh进程，且看不到java虚拟机进程。

第三步，启动Hadoop，执行命令： bin/start-all.sh
然后执行jps命令，你可能会看到如下图：



会发现Datanode ，Secondarynamenode以及TaskTracker都没有启动。网上有人说是JPS的问题，具体不是很清楚，但本文后面的文件系统可以使用。Datanode可以保存数据，继续看吧。

不过此时执行PS命令，能看到5个JVM进程。



不知道这算不算成功，但我的Logs日志文件夹里面没有报错。

------------------------------华丽分割---------------------------------------
文件系统操作
为了验证HDFS能够正常工作我们可以进行文件的上传操作。
执行命令：
bin/hadoop fs -mkdir In
bin/hadoop fs -put *.txt In
以上命令会在HDFS中建立In文件夹，然后把本地Hadoop目录下的所有文本文件上传到HDFS中，Hadoop目录下共用四个txt文件：



OK，上传的太少，不爽，再上传一部电影。比如，我要把一个视频文件movie.mpg上传到HDFS中，首先，在Hadoop根目录下建立文件夹local，然后把movie.mpg拷贝到其中



下面执行命令：



然后，查看文件系统是否有上述文件：



可以看到Movie.mpg在HDFS中。

同样在Eclipse中也能看到哇：



OK，突然不能贴图了，我再接着写一篇吧。介绍一下常见的错误处理。

本文接上一篇：/article/1920604.html

上一篇最后贴的图是在Eclipse下查看文件系统组成。

配置Eclipse插件请参考/article/5115847.html

------------------------------------------------------------------------------------------

继续上一篇。上传完视频以后，可以通过如下几个命令查看系统的运行情况：

bin/hadoop dfsadmin -report



bin/hadoop dfs -lsr / 查看文件系统



OK。我在配置过程中主要遇到的错误是：

错误1. ...could only be replicated to 0 nodes,instead of 1



这个错误主要的解决方法是:

1.把 tmp文件全部删除。

2.然后把hadoop/conf目录下的slaves,masters文件内容全部改成 127.0.0.1

3.重新格式化namenode :(bin/hadoop namenode -format)

也许你不知道hadoop 的tmp文件在哪里，默认情况下应该才 cygwin根目录下的tmp文件夹内：

如下图所示：



把它们都删掉。就OK了。 (cd /tmp , rm -rf *)

参考博客：/article/4204666.html

错误2：

name node is in safe mode

直接输入命令： bin/hadoop dfsadmin -safemode leave 离开安全模式

----------------------------------华丽分割------------------------------

记录配置过程到此结束，如有错误，烦请指出，不胜感激。