在ubuntu部署hadoop之单机模式与伪分布式模式部署

这几天刚接触Hadoop，在学习如何搭建一个Hadoop集群。对于初学者来说，环境搭建还是比较麻烦的，我这里说一下我的配置方法，仅供大家参考。

我的环境是ubuntu12.10+hadoop1.1.0.

Hadoop的运行模式有以下三种。

单机模式（standalone）

单机模式是 Hadoop 的默认模式。当首次解压 Hadoop 的源码包时， Hadoop 无法了解硬件安装环境，便保守地选择了最小配置。在这种默认模式下所有 3 个 XML 文件均为空。当配置文件为空时， Hadoop 会完全运行在本地。因为不需要与其他节点交互，单机模式就不使用 HDFS ，也不加载任何 Hadoop 的守护进程。该模式主要用于开发调试 MapReduce 程序的应用逻辑。

伪分布模式（ Pseudo-DistributedMode ）

伪分布模式在“单节点集群”上运行 Hadoop，其中所有的守护进程都运行在同一台机器上。该模式在单机模式之上增加了代码调试功能，允许你检查内存使用情况， HDFS输入输出，以及其他的守护进程交互。

全分布模式（ FullyDistributed Mode ）

Hadoop守护进程运行在一个集群上。

Step 1.

由于hadoop是用java语言编写的，所以第一步我们需要安装JDK。

建议大家去oracle到官网去下载，不要去apt-get到方法，因为apt-get得到到jdk不是官方到版本，在以后到调试中会有意想不到的问题。

http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html

我这里给出了官网下载地址，大家根据自己到系统下载相应版本即可。我这里下载到是tar.gz格式的。

将得到到tar.gz 文件解压到一个文件夹下。然后，配置环境变量。方法如下：

首先

sudo gedit /etc/profile

打开profile文件在文件到最后加上这些代码;

#set java environment

JAVA_HOME=/home/liujiacai/program/jdk1.7.0_09     

export CLASSPATH=$JAVA_HOME/lib:$CLASSPATH

export PATH=$JAVA_HOME/bin:$PATH 

上面到JAVA_HOME的值是我机器上jdk的文件路径，大家改为自己到即可。最后保存文件即可。

为了是环境变量生效，需要注销一下当前用户，重新登录后在控制台中输入

java -version

如果能到的jdk到版本信息说明已经配置成功

这是我机器上得到到信息。

对于hadoop到三种运行模式都需要配置jdk路径，所以首先介绍这个到配置

将下载好的hadoop解压，重新命名为hadoop（这是为了方便以后到操作）。进入conf文件夹下，在hadoop-env.sh文件中做修改，在第九行左右到位置中有#export JAVA_HOME=*******这样到字样，首先将#（这里#为注释到作用）去掉，修改JAVA_HOME的值为你机器中jdk到文件路径即可，这里到值和/etc/profile是相同的。

Step 2.单机模式安装

我这里假设你的控制台的当前路径是hadoop文件夹

在这中模式下直接运行wordcount例子即可

bin/hadoop jar hadoop-ex*.jar wordcount conf output

这样就可以在output文件夹中看到统计到结果。

Step 3.伪分布式模式安装

这里需要修改conf文件夹中到三个文件。分别是core-site.xml、mapred-site.xml、hdfs-site.xml三个文件

具体修改内容如下：

conf/core-site.xml:

<configuration>
     <property>
         <name>fs.default.name</name>
         <value>hdfs://localhost:9000</value>
     </property> 
     <property>
         <name>hadoop.tmp.dir</name>
         <value>/home/liujiacai/hadoop/logs</value>
     </property>
</configuration>

conf/hdfs-site.xml:

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

conf/mapred-site.xml:

<configuration>
     <property>
         <name>mapred.job.tracker</name>
         <value>localhost:9001</value>
     </property>
</configuration>

这样就配置好hadoop了，由于haoop不同结点间到通信是用的ssh，所以我们还需要安装ssh

ssh原理解释:点这里

在ubnuntu下直接在控制台中输入

sudo apt-get install openssh-server

如果提示找不到源，更新ubuntu到软件中心即可

sudo apt-get update

这样就安装完成了ssh。下面需要设置免密钥登录ssh了。输入下面两行代码即可：

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

这样以后登录本地ssh就不需要密码了。

这里稍微解释一下：ssh-keygen代表生成密钥；-t（注意区分大小写）表示指定生成的密钥类型，dsa是dsa密钥认证的意思，即密钥类型；-P用于提供密语；-f指定生成的密钥文件。然后把id_dsa.pub（公钥）追加到授权的key里面去。

下面就可以运行wordcount了

（1）首先格式化namenode并，开启hadoop相关进程

bin/hadoop namenode -format

bin/start-all.sh

输入上面两条命令后hadoop就已经开启了。

（2）运行wordcount例子

首先把本地到conf文件夹中到文件上传到hdsf文件系统到input文件夹下

bin/hadoop fs -mkdir /input
bin/hadoop fs -put conf/* /input

下面即可运行wordcount了

bin/hadoop jar hadoop-examples-*.jar wordcount /input /output

查看结果可用下面这条命令

bin/hadoop fs -cat /output/*

这样就可以看到统计以后到结果

关闭hadoop进程到命令是

bin/stop-all.sh

Step 4.全分布式模式安装

这种模式比较复杂，请大家熟悉上面两种模式后再进行配置。

具体方式参照我的另一篇文章：

Hadoop全分布式环境搭建

最后祝你好运。Good Luck

PS：参考文章

http://www.linuxidc.com/Linux/2012-02/53927.htm