Mac os10.9.4下安装Hadoop2.4.0，Mahout的惨痛血泪史

http://blog.csdn.net/feitongxunke​

一定要大概浏览完，有个整体的布局才行！写这篇文章花了2天，犯了很多错误，比如hadoop版本，比如配置信息，下次一定要注意，留个完整记录。

1.java

安装java，去官网上下载，这个没什么好说的。

2.Maven

2.1安装Maven

先从http://maven.apache.org/download.cgi ，下载Maven 3.2.2 (Binary tar.gz)，然后解压，并将解压出来的文件夹放到环境变量里面。

  
  
vi .bash_profile

  
  
MAVEN_HOME=/Users/ericxk/dev/maven/apache-maven-3.2.2
PATH=$PATH:$MAVEN_HOME/bin
export MAVEN_HOME
export PATH

  
  
source .bash_profile  //使配置文件生效

2.2给eclipse安装m2eclipse插件

在eclipse marketplace中安装Maven Integration for Eclipse(Juno and newer)即可，这里要根据自己的eclipse版本来选择，最新的eclipse是Luna。

安装好之后在preference->maven->installations里面添加maven文件夹位置，然后在user settings里面指向apache-maven-3.2.2/conf/settings.xml，在指向之前要把setting.xml这个文件里面repository的位置修改了，注意改了之后要把注释去掉才能生效。

3.Hadoop2.4.0

3.1下载Hadoop

http://hadoop.apache.org 到这个网站上面下载，这里下载的是hadoop-2.4.0。

3.2配置Hadoop，伪分布节点

要修改5个文件，分别是core-site.xml,yarn-site.xml,mapred-site.xml,hdfs-site.xml,hadoop-env.sh。网上说前4个文件在conf目录里面，但那是对应Hadoop 0.20版本，这里几个文件都在etc/hadoop/目录里面，其中hadoop2.4.0没有mapred-site.xml，可以直接修改mapred-site.xml.template。
core-site.xml，其中tmp.dir是临时目录，为了方便管理自己给他们都放在一个文件了。

  
  
<property>
    <name>hadoop.tmp.dir</name>
    <value>/Users/ericxk/dev/hadoop/tmp/hadoop-${user.name}</value>
    <description>A base for other temporary directories.</description>
</property>
<property>  
        <name>fs.default.name</name>  
        <value>hdfs://localhost:9000</value>  
</property>

yarn-site.xml

  
  
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>
<property>
    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>

创建和配置mapred-site.xml，可以利用mapred-site.xml.template，然后另存为mapred-site.xml。

  
  
<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>

hdfs-site.xml，其中name.dir和data.dir单独建立了文件夹，方便管理。

  
  
<property>
    <name>dfs.replication</name>
    <value>1</value>
</property>
<property>
    <name>dfs.namenode.name.dir</name>
    <value>file:/Users/ericxk/dev/hadoop/hdfs/name</value>
</property>
<property>
    <name>dfs.datanode.data.dir</name>
    <value>file:/Users/ericxk/dev/hadoop/hdfs/data</value>
</property>

hadoop-env.sh，第一条语句是mac os下添加的，不添加容易出现“Unable to load realm info from SCDynamicStore”。这里的意思是设置启动hadoop时设定相关的JVM参数。

  
  
export HADOOP_OPTS="-Djava.security.krb5.realm=OX.AC.UK -Djava.security.krb5.kdc=kdc0.ox.ac.uk:kdc1.ox.ac.uk"
export JAVA_HOME=/System/Library/Frameworks/JavaVM.framework/Versions/1.6.0/Home 
export HADOOP_INSTALL=/Users/ericxk/dev/hadoop/hadoop-2.4.0
export PATH=$PATH:$HADOOP_INSTALL/bin

3.3验证，运行wordcount

3.3.1. 首先格式化namenode

终端执行

  
  
~/dev/hadoop/hadoop-2.4.0/bin/hadoop namenode -format

注意问题：

• 这个里面有个问题就是ssh连接不上，原来是host里面没有添加localhost 127.0.0.1。

3.3.2. 启动hadoop

终端执行

  
  
~/dev/hadoop/hadoop-2.4.0/sbin/start-dfs.sh  
~/dev/hadoop/hadoop-2.4.0/sbin/start-yarn.sh

3.3.3. 查看hadoop管理界面

可以在http://localhost:50070 看到hdfs管理页面，http://localhost:8088 看到hadoop进程管理页面。

3.3.4. wordcount验证

• dfs上创建input目录

  
  
~/dev/hadoop/hadoop-2.4.0/bin/hadoop fs -mkdir -p input

• 把hadoop目录下的README.txt拷贝到dfs新建的input里

  
  
~/dev/hadoop/hadoop-2.4.0/bin/hadoop fs -copyFromLocal ~/dev/hadoop/hadoop-2.4.0/README.txt input

• 运行WordCount

  
  
hadoop jar ~/dev/hadoop/hadoop-2.4.0/share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.4.0-sources.jar org.apache.hadoop.examples.WordCount input output

• 运行完毕后，查看单词统计结果

  
  
~/dev/hadoop/hadoop-2.4.0/bin/hadoop fs -cat output/*

参考文章：

http://www.cnblogs.com/kinglau/p/3796164.html

http://andy-ghg.iteye.com/blog/1165453

http://www.cnblogs.com/gamix/archive/2012/12/02/install-hadoop-on-mac-osx-lion.html

http://www.aboutyun.com/thread-7779-1-1.html

http://blog.csdn.net/zhangzhaokun/article/details/17427835

3.4. 配置eclipse

进行到这一步，可以松一口气，前面的步骤挺繁琐的，容易出了一些小错误，不过看看调试信息改改一般没问题，实在不行baidu google之。

结果我发现还是不能松一口气，这个eclipse hadoop插件也是挺繁琐的。。。。。。应该是相当繁琐，因为版本的问题。下面接着再战。

[github]https://github.com/winghc/hadoop2x-eclipse-plugin 上面有个hadoop2x-eclipse-plugin，download下来看看，发现要用ant编译。

3.4.1安装ant

在官网上下载http://ant.apache.org/bindownload.cgi ，把解压出来的目录加入环境变量。

  
  
export ANT_HOME=/usr/local/apache-ant-1.9.3  
export PATH=${PATH}:${ANT_HOME}/bin

3.4.2编译hadoop-eclipse-plugin-2.4.0

这个时候执行下面语句，前面是eclipse的路径，后面是hadoop的路径：

  
  
$ ant jar -Dversion=2.4.0 -Declipse.home=/Users/ericxk/dev/eclipse -Dhadoop.home=/Users/ericxk/dev/hadoop/hadoop-2.4.0

但是发现一些错误，下面的历程就是过五关斩六将了。

主要更改两个配置文件，

hadoop2x-eclipse-plugin-master\src\contrib\eclipse-plugin\build.xml

hadoop2x-eclipse-plugin-master\ivy\libraries.properties（变量配置信息存放地点）

首先要更改libraries.properties，里面hadoop的版本型号2.4.0，然后是commons-lang.version为2.6，然后还要在build.xml里面修改。原因是build.xml里面有些没有使用配置变量信息，直接用的版本号，所以里面也有要修改的地方。

最后还要在build.xml里面添加：

  
  
lib/commons-collections-${commons-collections.version}.jar,  
<copy file="${hadoop.home}/share/hadoop/common/lib/commons-collections-${commons-collections.version}.jar"  todir="${build.dir}/lib" verbose="true"/>

上面修改方法参考了csdn的博客，下面有链接，但是这里也有些地方和博客不一样，具体环境具体分析，并不难，就是有些繁琐。

生成的插件路径在输出结果有提到，将插件放到eclipse的plugins文件夹即可。

3.4.3测试hadoop-eclipse-plugin-2.4.0

这里有几点要注意：

①启动hadoop守护进程

②启动eclipse，在preference的hadoop map/reduce填写好hadoop路径

③配置map/reduce locations，然后新建一个hadoop location。

④这里的map/reduce master就填写localhost 9001，dfs master填写localhost 9000。

这里分别对应的mapred-site.xml、core-site.xml中配置的地址及端口。

⑤这个时候可以新建项目，然后上传模拟数据文件，最后跑一下wordcount。具体的命令这里就不说了。可以参考下面给的链接。

注意问题：

• hadoop fs -ls 查看文件
• hadoop fs -put 上传目录
• run的时候要新建个java application 然后在参数里面填写上输入和输出的路径。
• 还有个问题就是，这个版本的插件十分不稳定，容易出现nullpointexception，和下面给出的网站说法是一样的，先将就着用吧。

参考网站：

https://github.com/winghc/hadoop2x-eclipse-plugin

http://kangfoo.u.qiniudn.com/article/2013/12/build-hadoop2x-eclipse-plugin/

http://blog.csdn.net/yueritian/article/details/23868175

http://www.linuxidc.com/Linux/2012-01/51994p3.htm

4.Mahout

4.0这里被坑了。。

终于来到了这一步，时间已经过去2天多了。其实回头看看操作并不繁琐，繁琐的是去网上查找需要的资料，以及调试错误。随带吐槽一句我昨天看到的hadoop在mac os下可以用mac ports一条语句就安装好了不过这个我没有试过。

到了这里我查阅资料发现一个问题，就是mahout针对的hadoop版本会出现部分api不兼容的问题。因此我之前安装的hadoop2.4.0就是个坑！！！！！！！

现在有个两个思路，1是继续使用2.4.0，重新编译适合2.4.0的，2是使用1.2.1，直接配合mahout0.9。
我现在决定采用第二个方法，因为第一个方法

虽然hadoop1.2.1和2.4.0文件结构不一样，但是很多东西相同的，一通百通。配置以及eclipse的插件都没什么问题，重新按照网上教程弄弄就行。

hadoop1.2.1 下载地址：http://apache.fayea.com/apache-mirror/hadoop/common/hadoop-1.2.1/hadoop-1.2.1.tar.gz

然后参考两篇文章，下面参考网站已经给出，需要注意的是设置好几个路径，方便自己以后控制：

hadoop.tmp.dir dfs.namenode.name.dir dfs.datanode.data.dir

然后还要在hadoop-env.sh中加入JAVA_HOME环境变量就行了。

如果不想ssh输入密码，执行下面即可

  
  
ssh-keygen  -t  dsa -P '' -f  ~/.ssh/id_dsa
cat  ~/.ssh/id_dsa.pub  >>  ~/.ssh/authorized_keys

然后hadoop eclipse插件网上也有，可以去csdn上面下载。也就不用重新编译了。

接下来激动人心的时刻就要来了，开始安装mahout。

4.1 mahout0.9安装配置

官网下载mahout-distribution-0.9.tar.gz即可。下载好了，将几个目录加入环境变量，然后就可以使用。

在这里我贴出这篇文章所有环境变量的设置。下面这部分都是添加到~/.bash_profile里面去的。记住添加好之后要执行source ~/.bash_profile使之生效。

  
  
export MAVEN_HOME=/Users/ericxk/dev/maven/apache-maven-3.2.2
export HADOOP_HOME=/Users/ericxk/dev/hadoop/hadoop-1.2.1
export ANT_HOME=/Users/ericxk/dev/apache-ant-1.9.4
export HADOOP_CONF_DIR=${HADOOP_HOME}/conf
export MAHOUT_HOME=/Users/ericxk/dev/mahout-distribution-0.9
export MAHOUT_CONF_DIR=${MAHOUT_HOME}/conf
export PATH=${PATH}:${ANT_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_CONF_DIR}:${ANT_HOME}/bin:${MAVEN_HOME}/bin:${MAHOUT_CONF_DIR}

4.2运行mahout案例

去这个网站上面下载测试数据：

http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data

①启动hadoop集群

  
  
~/dev/hadoop/hadoop-1.2.1/bin/start-all.sh

②创建测试目录testdata

  
  
hadoop fs -mkdir testdata

③将测试数据导入testdata

  
  
hadoop fs -put ~/dev/synthetic_control.data.txt testdata

④运行k-means算法

  
  
hadoop jar ~/dev/mahout-distribution-0.9/mahout-examples-0.9-job.jar org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

⑤查看运行结果

  
  
hadoop fs -ls output

参考网站：

http://blog.csdn.net/fansy1990/article/details/23261633

http://www.haogongju.net/art/2557638

http://www.cnblogs.com/yjmyzz/p/3380627.html

http://wojiaolongyinong.iteye.com/blog/1946817