来自《Hadoop权威指南》第二版 - Hello Hadoop！云计算开发环境搭建

javac WordCount.java -d /home/你的用户名/WordCount

0. 参考
《Hadoop权威指南》第二版 附录A
1. 运行环境
Ubuntu 8.04
JDK6

2. 软件包
hadoop-0.20.2.tar.gz
http://labs.renren.com/apache-mirror/hadoop/core/
3. 单机模式步骤
Step1. 启动Ubuntu 8.04，打开终端。安装JDK 1.6 并键入java命令测试

sudo -s
sudo apt-get install sun-java6-jdk sun-java6-jre

Step2. 设置系统路径JAVA_HOME，（使用export命令行声明的变量在关闭shell时失效，所以请自行修改把export语句加到~/.bashrc）

export JAVA_HOME=/usr/lib/jvm/java-6-sun

Step3. 解压hadoop-0.20.2.tar.gz到路径 /home/你的用户名/hadoop-0.20.2

export HADOOP_INSTALL=/home/你的用户名/hadoop-0.20.2

export PATH=$PATH:$HADOOP_INSTALL/bin

测试

hadoop version

Step4. 编译自带的例子WordCount.java, 在路径/home/你的用户名/hadoop-0.20.2/src/examples/org/apache/hadoop/examples下面。

编译前去掉源文件中的包名称,即注释掉第一行。

//package org.apache.hadoop.examples;

添加编译所需的CLASS_PATH路径：

export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar:$HADOOP_INSTALL/hadoop-0.20.2-core.jar:$HADOOP_INSTALL/lib/commons-cli-1.2.jar

建一个文件夹存放编译的class文件，/home/你的用户名/WordCount，开始编译：

编译完后在/home/admin/WordCount目录会发现三个class文件WordCount.class，WordCount$Map.class，WordCount$Reduce.class。

cd /home/admin/WordCount

然后执行：

jar cvf WordCount.jar *.class

就会生成 WordCount.jar 文件。

Step5. 构造一些输入数据，input1.txt和input2.txt的文件里面是一些单词，放到jar同一层目录。如下：

[admin@host WordCount]$ cat input1.txt
Hello, i love china
are you ok?
[admin@host WordCount]$ cat input2.txt
hello, i love word
You are ok

在hadoop上新建目录，和put程序运行所需要的输入文件：

hadoop fs -mkdir /tmp/input
hadoop fs -mkdir /tmp/output
hadoop fs -put input1.txt /tmp/input/
hadoop fs -put input2.txt /tmp/input/

Step6.  运行程序,会显示job运行时的一些信息：

hadoop jar WordCount.jar WordCount /tmp/input /tmp/output #如果提示已存在/tmp/output，换个文件夹即可

4. 伪分布式步骤

Step1 注意：启动伪分布式模式之前,需要配置SSH无密码登陆（见hadoop权威指南附录A），以及在conf/hadoop-env.sh中设置JAVA_HOME.

sudo apt-get install ssh

ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

注意这里有个陷阱， ~/.ssh/在home文件夹下面，你要确保authorized_keys只对其所有者root开放读写权限:

chmod 644 authorized_keys

然后才能测试无密码登陆：

ssh localhost

# The java implementation to use.  Required.

export JAVA_HOME=/usr/lib/jvm/java-6-sun

Step2 然后修改conf目录中的xml文件：

1)修改conf/core-site.xml，这里要注意hadoop.tmp.dir的设置，如果不设置，则默认设为/tmp文件夹，每次重启后/tmp会被清除，这样造成namenode无法启动的问题，还有端口选择49000和49001防止与其他程序冲突。

<configuration>
 <property> 
     <name>fs.default.name</name> 
     <value>hdfs://localhost:49000</value> 
   </property> 
   <property>
     <name>hadoop.tmp.dir</name>
     <value>/tmp/hadoop/hadoop-${user.name}</value>
   </property>
</configuration>

2)修改conf/mapred-site.xml:

<configuration> 
<property> 
<name>mapred.job.tracker</name> 
<value>localhost:49001</value> 
</property> 
</configuration>

3)修改conf/hdfs-site.xml:

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

＃参数 fs.default.name 指定 NameNode 的 IP 地址和端口号。缺省值是 file:///, 表示使用本地文件系统, 用于单机非分布式模式。此处我们指定使用运行于本机 localhost 上的 NameNode。
＃参数 mapred.job.tracker 指定 JobTracker 的 IP 地址和端口号。缺省值是 local, 表示在本地同一 Java 进程内执行 JobTracker 和 TaskTracker, 用于单机非分布式模式。此处我们指定使用运行于本机 localhost 上的 JobTracker ( 用一个单独的 Java 进程做 JobTracker )。
＃参数 dfs.replication 指定 HDFS 中每个 Block 被复制的次数，起数据冗余备份的作用。 在典型的生产系统中，这个数常常设置为3。

Step3

hadoop namenode -format

cd $HADOOP_INSTALL/bin/

start-all.sh

step4

访问http://127.0.0.1:50070和http://127.0.0.1:50030测试成功

5. windows下eclipse连接虚拟机中的hadoop注意事项

必须将虚拟机的/etc/host中的127.0.0.1项目去掉，添加真实IP地址对应主机名和localhost，否则windows中不能连接“修改conf目录中的xml文件”步骤中设置的49000和49001端口。

确保windows可以

telnet 虚拟机ip 9000

telnet 虚拟机ip 9001

在hadoop-env.sh加入export HADOOP_OPTS=-Djava.net.preferIPv4Stack=true以使用ipv4监听端口。

之后，在服务器端配置，具体是在conf/mapred-site.xml中添加下面的配置，这一部为了eclipse里面可以显示高级选项（见下文）：

<property>
   <name>hadoop.job.ugi</name>
   <value>root,abc123456</value>
   <description>hadoop user access password</description>
</property>

<property>
   <name>mapred.system.dir</name>
   <value>/home/hadoop/hadoop-0.20.0/tmp/mapred/system</value>
   <description></description>
</property>

具体设置过程见：

http://galpha.iteye.com/blog/1044355

http://hi.baidu.com/coolsunsky/blog/item/c21770ca43ff9554f31fe748.html

http://blog.csdn.net/yangchao228/article/details/6646977

6. 测试运行

在hadoop所在目录里有几个jar文件，其中hadoop-examples-0.20.203.0.jar就是我们需要的，它里面含有wordcount，咱们使用命令建立测试的文件

(1)先在本地磁盘建立两个输入文件file01 和file02:

$ echo “Hello World Bye World” > file01
$ echo “Hello Hadoop Goodbye Hadoop” > file02

(2)在hdfs 中建立一个input 目录：

$ hadoop fs –mkdir input

(3)将file01 和file02 拷贝到hdfs 中：

$ hadoop fs –copyFromLocal /home/hexianghui/soft/file0* input

(4)执行wordcount：

$ hadoop jar hadoop-0.20.1-examples.jar wordcount input output

(5)完成之后，查看结果：

$ hadoop fs -cat output/part-r-00000 

结果为：

Bye 1
Goodbye 1
Hadoop 2
Hello 2
World 2