环境
系统环境：VMware +
CentOS 6.5 64位。Hadoop版本：基于原生 Hadoop 2，可适合任何 Hadoop 2.x.y 版本，本文以
Hadoop 2.6.0 (stable) 为例。
创建hadoop用户
创建新用户hadoop（推荐） :
| sudo useradd -m hadoop -s /bin/bash |
|---|
为 hadoop 用户增加管理员权限，方便部署：
| 切换root用户su编辑修改/etc/sudoers配置文件visudo在“root ALL=(ALL) ALL”这一行下面，再加入一行：hadoop ALL=(ALL) ALL其中，hadoop为你当前使用的用户名，也就是普通用户的用户名执行命令sudo adduser hadoop sudo |
|---|
更新软件
安装SSH server
集群、单节点模式都需要用到SSH登陆：
| rpm -qa |grep ssh 检查是否装了SSH包yum install openssh-server 没有的话安装ssh chkconfig --list sshd 检查SSHD是否在本运行级别下设置为开机启动 chkconfig --level 2345 sshd on 如果没设置启动就设置 service sshd restart 重新启动 netstat -antp |grep sshd 确认是否启动了22端口 iptables -nL 是否放行了22端口 setup---->防火墙设置 如果没放行就设置放行. |
|---|
安装后，登陆本机：
出现SSH首次登陆提示，输入 yes 。然后按提示输入密码，这样就登陆到本机了。
配置SSH无密码登陆
登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。首先退出刚才的 ssh，就回到了我们原先的终端窗口，然后利用 ssh-keygen 生成密钥，并将密钥加入到授权中：准备工作
| 1、确认本机sshd的配置文件（需要root权限） $ gedit /etc/ssh/sshd_config 找到以下内容，并去掉注释符”#“ RSAAuthentication yes PubkeyAuthentication yes AuthorizedKeysFile .ssh/authorized_keys 2、如果修改了配置文件需要重启sshd服务 （需要root权限） $ /sbin/service sshd restart |
|---|
配置SSH无密码登录：
| 1.生成公钥和私钥 ssh-keygen -t rsa 默认在 ~/.ssh目录生成两个文件： id_rsa ：私钥 id_rsa.pub ：公钥2.导入公钥到认证文件,更改权限 2.1 导入本机 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 2.2 更改权限（对root用户和hadoop（普通用户）都要做这一步） chmod 700 ~/.ssh chmod 600 ~/.ssh/authorized_keys |
|---|
此时再用
ssh localhost
命令，无需输入密码就可以直接登陆了，如下所示：
| [hadoop@localhost ~]$ ssh localhostLast login: Fri Jun 19 01:17:09 2015 from localhost |
安装Java环境
Java环境可选择Oracle 的 JDK，或是 OpenJDK，这里安装原版JDK：1. 拷贝JDK文件到本机/usr/etc/java目录下2. 设置环境变量：
vi /etc/profile 在文件末尾加上：| JAVA_HOME=/usr/java/jdk1.7.0_75JRE_HOME=/usr/java/jdk1.7.0_75/jreCLASSPATH=.:$JAVA_HOME/lib:/dt.jar:$JAVA_HOME/lib/tools.jarPATH=$PATH:$JAVA_HOME/binexport JAVA_HOMEexport JRE_HOMEexport CLASSPATHexport PATH |
|
|---|
3. 让该环境变量生效：
| source ~/.bashrc echo $JAVA_HOME # 检验是否设置正确 |
|---|
安装 Hadoop 2
最新的 Hadoop 2 稳定版可以通过 http://mirror.bit.edu.cn/apache/hadoop/common/stable2/ （推荐）或者http://mirrors.cnnic.cn/apache/hadoop/common/stable/ 下载，下载
hadoop-2.x.y.tar.gz 这个格式的文件，这是编译好的，另一个包含src 的则是 Hadoop 源代码。强烈建议也下载
hadoop-2.x.y.tar.gz.mds 这个文件，该文件包含了检验值可用于检查 hadoop-2.x.y.tar.gz 的完整性，否则若文件发生了损坏或下载不完整，Hadoop 将无法正常运行。
如果你用的不是 2.6.0 版本，则将所有命令中出现的 2.6.0 更改为你所使用的版本。
| cd ~/Downloads # 通过浏览器下载，默认保存在 “下载” 目录中cat ./hadoop-2.6.0.tar.gz.mds | grep 'MD5' # 列出md5检验值md5sum ./hadoop-2.6.0.tar.gz | tr "a-z" "A-Z" # 计算md5值，并转化为大写 |
|---|
若文件不完整则这两个值一般差别很大，可以简单对比下前几个字符跟后几个字符是否相等即可，如下图所示，如果两个值不一样，请务必重新下载。选择将 Hadoop 安装至 /usr/local/ 中：
| cd ~/Downloads sudo tar -zxvf ./hadoop-2.6.0.tar.gz -C /usr/local # 解压到/usr/local中 cd /usr/local/ sudo mv ./hadoop-2.6.0/ ./hadoop # 将文件夹名改为hadoop sudo chown -R hadoop:hadoop ./hadoop # 修改文件权限 |
|---|
Hadoop解压后即可使用。输入如下命令来检查 Hadoop 是否可用，成功则会显示命令用法：
Hadoop单机配置
Hadoop 默认配置是以非分布式模式运行，即单 Java 进程，方便进行调试。可以执行附带的例子 WordCount 来感受下 Hadoop 的运行。将 input 文件夹中的文件作为输入，统计当中符合正则表达式
dfs[a-z.]+
的单词出现的次数，并输出结果到 output 文件夹中。
| cd /usr/local/hadoopmkdir inputcp ./etc/hadoop/*.xml input # 将配置文件作为输入文件 ./bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+' cat ./output/* # 查看运行结果 |
|---|
执行成功后如下所示，输出了作业的相关信息，输出的结果是符合正则的单词dfsadmin出现了1次
Hadoop 默认不会覆盖结果文件，因此再次运行上面实例会提示出错，需要将
./output
删除。
Hadoop伪分布式配置
Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode。Hadoop 的配置文件位于
/usr/local/hadoop/etc/hadoop/
中，伪分布式需要修改2个配置文件
core-site.xml 和
hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。修改配置文件
core-site.xml (
vim /usr/local/hadoop/etc/hadoop/core-site.xml
)，将当中的
<configuration>
</configuration>
[/code]修改为下面配置：
| <configuration> <property> <name>hadoop.tmp.dir</name> <value>file:/usr/local/hadoop/tmp</value> <description>Abase for other temporary directories.</description> </property> <property><name>fs.defaultFS</name> <value>hdfs://localhost:9000</value></configuration> </property> |
|---|
[/code]同样的，修改配置文件
hdfs-site.xml：
| <configuration> <property> <name>dfs.replication</name> <value>1</value> </property><name>dfs.namenode.name.dir</name> <property><value>file:/usr/local/hadoop/tmp/dfs/name</value> </property><property><name>dfs.datanode.data.dir</name></property> <value>file:/usr/local/hadoop/tmp/dfs/data</value></configuration> |
|---|
修改配置文件hadoop-env.sh：
| gedit /usr/local/hadoop/etc/hadoop/hadoop-env.sh 添加：export JAVA_HOME=/usr/java/jdk1.7.0_75 |
|---|
关于Hadoop配置项的一点说明虽然只需要配置 fs.defaultFS 和 dfs.replication 就可以运行（官方教程如此），不过若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行 format 才行。所以我们进行了设置，同时也指定 dfs.namenode.name.dir和 dfs.datanode.data.dir，否则在接下来的步骤中可能会出错。配置完成后，执行 namenode 的格式化:
| bin/hdfs namenode -format |
|---|
成功的话，会看到
successfully formatted
的提示，且提示如下，
Exitting with status 0
表示成功，若为
Exitting with status 1
则是出错。
接着开启
NaneNode
和
DataNode
守护进程。（以后要再启动hadoop，不需要再做format，直接做这一步就好了）
若出现SSH提示，输入yes即可。启动完成后，可以通过命令
jps
来判断是否成功启动，若成功启动则会列出如下进程:
NameNode
、
DataNode
和
SecondaryNameNode
。（如果SecondaryNameNode没有启动，请运行 sbin/stop-dfs.sh 关闭进程，然后再次尝试启动尝试；如果 NameNode或 DataNode 没有启动，请仔细检查之前步骤）。
Hadoop伪分布式实例-WordCount
上面的单机模式，WordCount 读取的是本地数据，伪分布式读取的则是HDFS上的数据。要使用 HDFS，首先需要创建用户目录
| bin/hdfs dfs -mkdir -p /user/hadoop |
|---|
接着将
etc/hadoop
中的文件作为输入文件复制到分布式文件系统中，即将
/usr/local/hadoop/etc/hadoop
复制到分布式文件系统中的
/user/hadoop/input
中。上一步已创建了用户目录 /user/hadoop ，因此命令中就可以使用相对目录如 input，其对应的绝对路径就是/user/hadoop/input:
| bin/hdfs dfs -mkdir inputbin/hdfs dfs -put etc/hadoop/*.xml input |
|---|
复制完成后，可以通过如下命令查看文件列表：
伪分布式运行MapReduce作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（可以将单机步骤中创建的本地 input 文件夹删掉来验证这一点：rm -fr /usr/local/hadoop/input）。
| bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+' |
|---|
查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：
| bin/hdfs dfs -cat output/* |
|---|
也可以将运行结果取回到本地：
| rm -R ./outputbin/hdfs dfs -get output output # 将 HDFS 上的 output 文件夹拷贝到本机cat ./output/* |
|---|
Hadoop运行程序时，默认输出目录不能存在，因此再次运行需要执行如下命令删除 output文件夹:
| bin/hdfs dfs -rm -r /user/hadoop/output # 删除 output 文件夹 |
|---|
若要关闭 Hadoop，则运行
[align=left][/align]
