伪分布式Hadoop安装配置测试全过程

伪分布式Hadoop安装配置测试全过程 1、安装ubuntu10.10 wubi的傻瓜式安装应该不用我多说了吧，在win下用虚拟光驱载入，然后执行.......另外补充下，安装时最好断开网络连接(我们是直接拔的网线)，因为ubuntu安装过程中需要更新一些语言包之类的东西，那些东西与我们要做的事没什么关系，下载时间又长，所以建议不更新。 2、安装jdk1.6.0_23 有多种方法，此处只介绍一种 1、在usr下面新建一个文件夹Java,然后将jdk复制过来(也可直接mv过来) sudo mkdir /usr/Java sudo cp jdk的路径 /usr/Java 2、进入到Java目录下，改变文件权限为可执行 cd /usr/Java sudo chmod u+x jdk1.6.0_23.bin 3、执行安装 sudo ./jdk1.6.0_23.bin (现象为Unpacking....加一连串解压信息) 3、安装hadoop0.21.0 1、将hadoop0.21.0.tar.gz复制到usr下面的local文件夹内(也可mv) sudo cp hadoop的路径 /usr/local 2、进入到local目录下，解压hadoop0.21.0.tar.gz cd /usr/local sudo tar -xzf hadoop0.21.0.tar.gz 3、为了方便管理，将解压后的文件夹名改为hadoop sudo mv hadoop0.21.0 hadoop 4、创建一个名为hadoop的用户和用户组 1、创建一个名为hadoop的用户组 sudo addgroup hadoop 2、创建一个名为hadoop的用户，归到hadoop用户组下 sudo adduser --ingroup hadoop hadoop (注1:前一个hadoop为用户组名，后面的是用户名，之所以名字一样是为了方便统一管理 注2:执行后会有一些信息需要填写，可以不填，都敲回车，用系统默认的即可，大概5个吧) 3、用gedit打开etc下的sudoers文件 sudo gedit /etc/sudoers 4、在 root ALL=(ALL:ALL) ALL 下面添加如下一行，然后保存关闭gedit hadoop ALL=(ALL:ALL) ALL (注1:网上有文档上是说先切换到root用户，然后修改sudoers的权限，再打开添加 hadoop ALL=(ALL) ALL ，然后再将权限改回为只读，这样就要特别注意一 定要将权限改回为只读，不然“sudo”命令就无法使用了，很悲剧的说 注2:添加 hadoop ALL=(ALL) ALL 的意义在于能让hadoop用户使用“sudo”命令 ) 配置阶段: 1、配置环境变量 1、用gedit打开etc下的profile文件 sudo gedit /etc/profile 2、在文件最后加入如下几行 export CLASSPATH=.:/usr/Java/jdk1.6.0_23/lib:/usr/Java/jdk1.6.0_23/jre/lib:$CLASSPATH export PATH=.:/usr/Java/jdk1.6.0_23/bin:/usr/Java/jdk1.6.0_23/jre/bin:/usr/local/hadoop/bin:$PATH (注1:以上所有jre项都不是必需的，可以不要 注2:在win中环境变量的值是以“;”号隔开的，而这里是“:” 注3:等号后面有个“.”别丢了，它表示当前目录) 3、保存后关闭gedit，并重启机器 sudo reboot (注:网上也有说用source命令使环境变量立即生效的，但是本人在 实际操作时出了几次问题，所以建议重启机器最保险) 4、重启后用hadoop用户登录，验证配置是否成功 java -version (此语句执行后如显示了jdk版本的话说明配置成功，如果没有则需检查profile中路径是否正确) (注:最好是用hadoop用户登录，因为以下步骤都是以此为前提的) 2、创建ssh-key 1、确保网络通畅，然后装载ssh服务 sudo apt-get install openssh-server (注:如果此语句执行失败且结果为“....包被占用”的话，那么应该是ubuntu的“更新管理器”正在后台更新，你可以选择等待或者关闭更新，更新管理器在“系统”菜单中，具体位置忘了.....) 2、创建ssh-key，为rsa (网上文档中也有dsa的) ssh-keygen -t rsa --P (注1:此语句网上文档为 ssh-keygen -t rsa -P "" ，效果一样 注2:此语句执行后会要你填写key的保存位置，直接照着系统给出的那个默认位置填，也就是括号里的那个路径，如果全都照此文档操作的话那么括号中路径应该为"/home/hadoop/.ssh/id_rsa") 3、将此ssh-key添加到信任列表中，并启用此ssh-key cat /home/hadoop/.ssh/id_rsa.pub >> /home/hadoop/.ssh/authorized_keys sudo /etc/init.d/ssh reload 3、配置hadoop 1、进入到hadoop目录下，配置conf目录下的hadoop-env.sh中的JAVA_HOME cd /usr/local/hadoop sudo gedit conf/hadoop-env.sh (打开后在文档的上部某行有“#export JAVA_HOME=...”字样的地方，去掉“#”， 然后在等号后面填写你的jdk路径，完全按此文档来的话应改为 "export JAVA_HOME=/usr/Java/jdk1.6.0_23" ) 2、配置conf目录下的core-site.xml sudo gedit conf/core-site.xml (打开后标签 中是空的，所以在空的地方加入如下配置) Xml代码 1. 2. fs.default.name 3. hdfs://localhost:9000 4. 5. 6. 7. dfs.replication 8. 1 9. 10. 11. 12. hadoop.tmp.dir 13. /home/hadoop/tmp 14. 3、配置conf目录下的mapred-site.xml sudo gedit conf/mapred-site.xml (打开后标签 中也是空的，添加如下配置) Xml代码 1. 2. mapred.job.tracker 3. localhost:9001 4. 运行测试阶段: 1、格式化namenode (首次运行必需滴) 1、保证此时在hadoop目录下，如不在请先进入hadoop目录 cd /usr/local/hadoop 2、格式化namenode hadoop namenode -format 2、启动hadoop 1、修改hadoop文件夹的权限，保证hadoop用户能正常访问其中的文件 sudo chown -hR hadoop /usr/local/hadoop 2、启动hadoop bin/start-all.sh 3、验证hadoop是否正常启动 jps (此语句执行后会列出已启动的东西NameNode,JobTracker,SecondaryNameNode...如果NameNode没有成功启动的话就要先执行"bin/stop-all.sh"停掉所有东西，然后重新格式化namenode，再启动) 3、跑wordcount 1、准备需要进行wordcount的文件 sudo gedit /tmp/test.txt (打开后随便输入一些内容，如"mu ha ha ni da ye da ye da"，然后保存退出) 2、将准备的测试文件上传到dfs文件系统中的firstTest目录下 hadoop dfs -copyFromLocal /tmp/test.txt firstTest (注:如dfs中不包含firstTest目录的话就会自动创建一个，关于查看dfs文件系统中已有目录的指令为"hadoop dfs -ls") 3、执行wordcount hadoop jar hadoop-mapred-example0.21.0.jar wordcount firstTest result (注:此语句意为“对firstTest下的所有文件执行wordcount，将统计结果输出到result文 件夹中”，若result文件夹不存在则会自动创建一个) 4、查看结果 hadoop dfs -cat result/part-r-00000 (注:结果文件默认是输出到一个名为“part-r-*****”的文件中的，可用指令“hadoop dfs -ls result”查看result目录下包含哪些文件)