centos 6.3下安装Hadoop 2.7.1并配置伪分布式集群

 看网上很多人都说，Hadoop 1.x和 2.x的区别，可能就是版本稳定性的区别。因为1.x版本的不会再更新和修复Bug了。但是 2.x 的兴起，就意味着抛弃很多老版的东西。

     1.下载2.7.1版本的Hadoop发行版

      登录Hadoop官方网站下载最新的2.7.1 binary版本：（下最大的那个安装包~）

     


      

      点开以后，就有两种方法来下载安装包了，一个在centos中使用" wget " 命令，一个就是在windows中使用winSCP软件实现与centos的文件传输。

      

      下载完hadoop-2.7.1.tar.gz，拷贝到
/home目录下，然后在该目录下解压安装生成文件/hadoop-2.7.1,
即hadoop被安装到/home/hadoop-2.7.1目录里。

    2.配置Hadoop环境变量

     使用命令“vim /etc/profile”

     export HADOOP_HOME=/home/hadoop-2.7.1

     export PATH=$HADOOP_HOME/bin:$PATH

     保存退出后，使用"source /etc/profile"使设置生效。

 3.配置 Hadoop-env.h文件

 

  

 

   使用"vim hadoop-env.sh"，export JAVA_HOME=/home/hadoop-2.7.1/java，编辑后保存退出。hadoop-env.sh文件中本身就有JAVA_HOME这行，我们只需要把前面的注释#取消，然后修改JAVA_HOME的路径即可。

 4.安装hadoop并且配置文件

 配置hadoop伪分布式文件，记得使用vi或vim命令进行修改和保存退出。

[plain] view
plaincopy

<span style="font-family:Microsoft YaHei;font-size:12px;">在etc/hadoop/core-site.xml：  

  

<configuration>  

    <property>  

        <name>fs.defaultFS</name>  

        <value>hdfs://localhost:9000</value>  

    </property>  

</configuration></span>  

     上述配置说明：hadoop分布式文件系统的两个重要的目录结构，一个是namenode名字空间的存放地方，一个是datanode数据块的存放地方，还有一些其他的文件存放地方，这些存放地方都是基于fs.defaultFS目录的，比如namenode的名字空间存放地方就是 ${fs.defaultFS}/dfs/name,datanode数据块的存放地方就是${fs.defaultFS}/dfs/data，所以设置好fs.defaultFS目录后，其他的重要目录都是在这个目录下面，这是一个根目录。

[plain] view
plaincopy

在etc/hadoop/hdfs-site.xml：  

  

<configuration>  

    <property>  

        <name>dfs.replication</name>  

        <value>1</value>  

    </property>  

</configuration>  

   说明：这里的dfs.replication的value为1是因为我们这里配置的是单机伪分布式，只有一台机子 。

    5.启动hadoop

[plain] view
plaincopy

[root@localhost hadoop-2.7.1]# cd sbin  

[root@localhost sbin]# hadoop namenode -format  

DEPRECATED: Use of this script to execute hdfs command is deprecated.  

Instead use the hdfs command for it.  

15/07/12 02:22:44 INFO namenode.NameNode: STARTUP_MSG:  

/************************************************************  

STARTUP_MSG: Starting NameNode  

STARTUP_MSG:   host = localhost.localdomain/127.0.0.1  

STARTUP_MSG:   args = [-format]  

STARTUP_MSG:   version = 2.7.1  

STARTUP_MSG:   java = 1.7.0_79  

************************************************************/  

中间省略若干。。。。  

/************************************************************  

SHUTDOWN_MSG: Shutting down NameNode at localhost.localdomain/127.0.0.1  

************************************************************/  

    新版的hadoop2.7.1版本的系统可执行文件在/home/hadoop-2.7.1/sbin中，和1.x版本的bin可执行文件有点不同。

    启动hadoop所有进程，使用"./start-dfs.sh"命令，因为在2.x版本中，"start-all.sh"命令已经被摒弃了。

[plain] view
plaincopy

[root@localhost sbin]# ./start-dfs.sh  

15/07/12 02:26:17 WARN util.NativeCodeLoader: Unable to load native-hadoop libra using builtin-java classes where applicable  

Starting namenodes on [localhost]  

localhost: starting namenode, logging to /home/hadoop-2.7.1/logs/hadoop-root-nammain.out  

localhost: starting datanode, logging to /home/hadoop-2.7.1/logs/hadoop-root-datmain.out  

Starting secondary namenodes [0.0.0.0]  

0.0.0.0: starting secondarynamenode, logging to /home/hadoop-2.7.1/logs/hadoop-rocalhost.localdomain.out  

15/07/12 02:26:45 WARN util.NativeCodeLoader: Unable to load native-hadoop libra using builtin-java classes where applicable  

[root@localhost sbin]# jps  

2957 NameNode  

3341 Jps  

3224 SecondaryNameNode  

 上面出现了一个错误，执行"start-dfs.sh"命令后，datanode却没有启动。

[plain] view
plaincopy

<span style="color:#555555;">2015-07-12 02:30:11,369 INFO org.apache.hadoop.ipc.Server: IPC Server Responder: starting  

2015-07-12 02:30:11,373 INFO org.apache.hadoop.ipc.Server: IPC Server listener on 50020: starting  

2015-07-12 02:30:12,345 INFO org.apache.hadoop.hdfs.server.common.Storage: Lock on /tmp/hadoop-ro  

</span><span style="color:#ff6666;">2015-07-12 02:30:12,348 WARN org.apache.hadoop.hdfs.server.common.Storage: java.io.IOException: I = CID-bedad193-15c3-42cc-8f1f-2888abfcbe93; datanode clusterID = CID-92e43622-3107-4382-b360-4ef</span><span style="color:#555555;">  

2015-07-12 02:30:12,359 FATAL org.apache.hadoop.hdfs.server.datanode.DataNode: Initialization failocalhost/127.0.0.1:9000. Exiting.  

java.io.IOException: All specified directories are failed to load.  

</span>  

     从日志中可以看出，原因是因为datanode的clusterID 和 namenode的clusterID 不匹配。解决方法：打开hdfs-site.xml文件配置的datanode和namenode对应的目录，在tmp/hadoop-root/dfs目录下分别打开data和name目录下current文件夹里的VERSION，可以看到clusterID项正如日志里记录的一样，确实不一致，修改datanode里VERSION文件的clusterID
与namenode里的一致，再重新启动dfs（执行start-dfs.sh）再执行jps命令，可以看到datanode已正常启动。出现该问题的原因：在第一次格式化dfs后，启动并使用了hadoop，后来又重新执行了格式化命令（hdfs namenode -format)，这时namenode的clusterID会重新生成，而datanode的clusterID 保持不变。下面就是正确启动了hadoop伪分布式集群~

[plain] view
plaincopy

[root@localhost bin]# hdfs |grep format  

  namenode -format     format the DFS filesystem  

[root@localhost bin]# ls  

container-executor  hadoop  hadoop.cmd  hdfs  hdfs.cmd  mapred  mapred.cmd  rcc  test-container-e  

[root@localhost bin]# jps  

4558 SecondaryNameNode  

7215 Jps  

4284 NameNode  

4379 DataNode  

  6.使用hadoop命令（具体的还是看hadoop官网的File
System Shell Guide）

[plain] view
plaincopy

[root@localhost ~]# hadoop fs   

Usage: hadoop fs [generic options]  

        [-appendToFile <localsrc> ... <dst>]  

        [-cat [-ignoreCrc] <src> ...]  

        [-checksum <src> ...]  

        [-chgrp [-R] GROUP PATH...]  

        [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]  

        [-chown [-R] [OWNER][:[GROUP]] PATH...]  

        [-copyFromLocal [-f] [-p] [-l] <localsrc> ... <dst>]  

        [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]  

        [-count [-q] [-h] <path> ...]  

        [-cp [-f] [-p | -p[topax]] <src> ... <dst>]  

        [-createSnapshot <snapshotDir> [<snapshotName>]]  

        [-deleteSnapshot <snapshotDir> <snapshotName>]  

        [-df [-h] [<path> ...]]  

        [-du [-s] [-h] <path> ...]  

        [-expunge]  

        [-find <path> ... <expression> ...]  

        [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]  

        [-getfacl [-R] <path>]  

        [-getfattr [-R] {-n name | -d} [-e en] <path>]  

        [-getmerge [-nl] <src> <localdst>]  

        [-help [cmd ...]]  

        [-ls [-d] [-h] [-R] [<path> ...]]  

        [-mkdir [-p] <path> ...]  

        [-moveFromLocal <localsrc> ... <dst>]  

        [-moveToLocal <src> <localdst>]  

        [-mv <src> ... <dst>]  

        [-put [-f] [-p] [-l] <localsrc> ... <dst>]  

        [-renameSnapshot <snapshotDir> <oldName> <newName>]  

        [-rm [-f] [-r|-R] [-skipTrash] <src> ...]  

        [-rmdir [--ignore-fail-on-non-empty] <dir> ...]  

        [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]  

        [-setfattr {-n name [-v value] | -x name} <path>]  

        [-setrep [-R] [-w] <rep> <path> ...]  

        [-stat [format] <path> ...]  

        [-tail [-f] <file>]  

        [-test -[defsz] <path>]  

        [-text [-ignoreCrc] <src> ...]  

        [-touchz <path> ...]  

        [-truncate [-w] <length> <path> ...]  

        [-usage [cmd ...]]  

  

Generic options supported are  

-conf <configuration file>     specify an application configuration file  

-D <property=value>            use value for given property  

-fs <local|namenode:port>      specify a namenode  

-jt <local|resourcemanager:port>    specify a ResourceManager  

-files <comma separated list of files>    specify comma separated files to be copied to the map reduce cluster  

-libjars <comma separated list of jars>    specify comma separated jar files to include in the classpath.  

-archives <comma separated list of archives>    specify comma separated archives to be unarchived on the compute machines.  

  

The general command line syntax is  

bin/hadoop command [genericOptions] [commandOptions]<span style="line-height: 35px; font-family: Arial, Helvetica, sans-serif; font-size: 12px; background-color: rgb(255, 255, 255);"> </span>  

     创建好了伪分布式集群，现在就要开始熟悉hadoop命令了。。。