Hadoop在Windows环境下的部署

注意：本文的配置环境是：

CygWin最新版本2.769

Window7-64bit

JDK1.6.0_31-win64 (JRE6)

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：



下面介绍一下常见的错误处理。

一、如果初始配置错误，大部分网上都建议全部删除再重新安装，但cygwin一旦安装很难完全卸载，只需要把ssh服务停止再重新执行这个命令，再把之前的覆盖掉就可以。

步骤：1.sc delete sshd

2.系统重启，就再配置就ok了
二、执行ssh的key-keygen生成密钥文件，进行免密码登陆后，执行和退出界面如下。