将配置环境都放于/etc/profile/
1 检查是否已安装JDK
配置环境
$ export JAVA_HOME=/usr/local/jdk1.7
$ export PATH=$JAVA_HOME/bin:${PATH}
2 安装Hadoop
Hadoop包括3个主要工程:
Commons
HDFS
MapReduce
1) 解压缩
$ tar –xf hadoop-1.0.4-bin.tar.gz
2) 为hadoop的安装路径添加方便使用的符号链接
$ ln –s /usr/local/Hadoop-1.0.4/opt/hadoop
3) 配置环境
$ exportHADOOP_HOME=/usr/local/Hadoop-1.0.4
$ export PATH=$HADOOP_HOME/bin:$PATH
4) 在hadoop安装路径下,进入conf目录并编辑hadoop-env.sh文件,搜索JAVA_HOME并取消该行的注释,修改其路径并使其指向JDK的安装路径。
3 安装SSH
l 创建一对OpenSSH密钥对
$ ssh-keygen
l 将新生成的公钥复制至已授权秘钥列表
$ cp .ssh/id_rsa.pub .ssh/authorized_keys
l 连接本地主机
$ ssh localhost
The authenticity ofhost ‘localhost(127.0.0.1)’ can’t be establiched.
RSA key fingerprintis b6:0c:bd:57:32:b6:66:7c:33:7b:62:92:61:fd:ca:2a.
Are you sure you wantto continue connecting (yes/no)? yes
Warning: permanentlyadded ‘localhost’ (RSA) to the list of known hosts.
l 确认无密码的SSH可以运行
$ ssh localhost
4 测试
到目前为止,这都非常简单,只涉及下载和系统管理。现在,终于可以和hadoop打交道了。运行一个简单的例子,以表明hadoop正在运行。使用一个简单的hadoop示例程序计算圆周率的值。这主要是为了验证安装,同时展示MapReduce作业如此之快的执行速度。假设HADOOP_HOME/bin目录已存在于用户的PATH变量,键入一下命令。
$ hadoop jar hadoop/hadoop-example-1.0.4.jar pi 4 1000
5 3种模式
本地独立模式:如果不进行任何配置的话,这是hadoop的默认工作模式。在这种模式下,hadoop的所有组件,如NameNode,DataNode,JobTracker和TaskTracker,都运行在同一个java进程中。
伪分布模式:在这种模式下,hadoop的各个组件都拥有一个单独的java虚拟机,它们之间通过网络套接字通信。这种模式在一台主机上有效地产生了一个具有完整功能的微型集群。
完全分布模式:在这种模式下,hadoop分布在多台主机上,其中一些事通用的工作机,其余的是组件的专用主机,比如NameNode和JobTracker。
伪分布模式的配置
主要是修改hadoop安装包中conf目录下的*-site.xml文件,分别如下。
core-site.xml
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
mapred-site.xml
<configuration>
<property>
<name>mapred.job.tarcker</name>
<value>localhost:9001</value>
</property>
</configuration>
变量dfs.default.name保存了NameNode的位置,HDFS和MapReduce组件都需要它。这也是它出现在core-site.xml文件中而不是hdfs.site.xml文件中的原因。
变量dfs.replication指定了每个HDFS数据块的复制次数。这里只有一台主机和一个伪分布模式的DataNode,将此值修改为1。
变量mapred.job.tracker保存了JobTracker的位置,因为只有MapReduce组件需要知道这个位置,所以它出现在mapred-site.xml文件中。
其中9000和9001是hadoop常用的默认端口,也可以修改为其他端口号。
6 配置根目录并格式化文件系统
伪分布模式,或者是完全分布模式,在启动hadoop集群之前都需要执行两个步骤。一是设置存储hadoop文件的根目录。二是格式化HDFS文件系统。
6.1 修改HDFS的根目录
创建hadoop保存数据的目录
$ mkdir /var/lib/hadoop
确保任何用户都可在此目录写入数据
$ chmod 777 /var/lib/hadoop
再次修改core-site.xml文件,添加下列属性
<property>
<name>hadoop.tmp.dir</name>
<value>/var/lib/hadoop</value>
</property>
由于我们将在hadoop中存储数据,同时所有组件都运行在本地主机,这些数据都需要存储在本地文件系统的某个地方。不管选择了何种模式,hadoop默认使用hadoop.tmp.dir属性作为根目录,所有文件和数据都将写入该目录。
例如,MapReduce使用根目录下的/mapred目录,HDFS使用/dfs目录。危险的是,hadoop.tmp.dir的默认值为/tmp,一些版本的Linux系统会在每次重新启动时删除/tmp内容。所以,明确规定数据留存的位置更为安全。
6.2 格式化NameNode
$ hadoop namenode –format
格式化NameNode的命令可以执行多次,但是这样会使现有的文件系统数据受损。只有在hadoop集群关闭和你想进行格式化的情况下,才能执行格式化。但在其他大多数情况下,格式化操作会快速、不可恢复地删除HDFS上的所有数据。它在大型集群上的执行时间更长。所以一定要小心!
7 启动并使用hadoop
在本地模式中,所有hadoop组件只在作业的生命周期运行;伪分布和全分布的hadoop集群与此不同,其组件以长期运行的进程的形式存在。在使用HDFS或MapReduce之前,需要事先启动所需组件。
1)$ start-dfs.sh
2)$ start-mapred.sh
关闭的时候先关闭mapred.sh,再关闭dfs.sh
8 通过浏览器查看hadoop活动
1)HDFS网络用户接口 50030端口
http://localhost:50030
2)MapReduce的网咯用户接口 50070
http://localhost:50070