Hadoop伪分布配置与基于Eclipse开发环境搭建
hadoop 2014-09-04
目录
1、开发配置环境：
2、Hadoop服务端配置（Master节点）
3、基于Eclipse的Hadoop2.x开发环境配置
4、运行Hadoop程序及查看运行日志
1、开发配置环境：
开发环境：Win7（64bit）+Eclipse（kepler service release 2）
配置环境：Ubuntu Server 14.04.1 LTS（64-bit only）
辅助工具：WinSCP + Putty
Hadoop版本：2.5.0
Hadoop的Eclipse开发插件（2.x版本适用）：http://pan.baidu.com/s/1dDBxUSh
服务器端JDK版本：OpenJDK7.0
以上所有工具请自行下载安装。
2、Hadoop服务端配置（Master节点）
最近一直在摸索Hadoop2的配置，因为Hadoop2对原有的一些框架API做了调整，但也还是兼容旧版本的（包括配置）。像我这种就喜欢用新的东西的人，当然要尝一下鲜了，现在网上比较少新版本的配置教程，那么下面我就来分享一下我自己的实战经验，如有不正确的地欢迎指正:)。
假设我们已经成功地安装了Ubuntu Server、OpenJDK、SSH，如果还没有安装的话请先安装，自己网上找一下教程，这里我就说一下SSH的无口令登陆设置。首先通过
$ ssh localhost
测试一下自己有没有设置好无口令登陆，如果没有设置好，系统将要求你输入密码，通过下面的设置可以实现无口令登陆，具体原理请百度谷歌：
$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
其次是Hadoop安装（假设已经安装好OpenJDK以及配置好了环境变量），到Hadoop官网下载一个Hadoop2.5.0版本的下来，好像大概有100多M的tar.gz包，下载 下来后自行解压，我的是放在/usr/mywind下面，Hadoop主目录完整路径是/usr/mywind/hadoop，这个路径根据你个人喜好放吧。
--------------------------------------分割线 --------------------------------------
--------------------------------------分割线 --------------------------------------
解压完后，打开hadoop主目录下的etc/hadoop/hadoop-env.sh文件，在最后面加入下面内容：
# set to the root of your Java installation
export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64
# Assuming your installation directory is /usr/mywind/hadoop
export HADOOP_PREFIX=/usr/mywind/hadoop
为了方便起见，我建设把Hadoop的bin目录及sbin目录也加入到环境变量中，我是直接修改了Ubuntu的/etc/environment文件，内容如下：
PATH="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/usr/lib/jvm/java-7-openjdk-amd64/bin:/usr/mywind/hadoop/bin:/usr/mywind/hadoop/sbin"
JAVA_HOME="/usr/lib/jvm/java-7-openjdk-amd64"
CLASSPATH=".:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar"
也可以通过修改profile来完成这个设置，看个人习惯咯。假如上面的设置你都完成了，可以在命令行里面测试一下Hadoop命令，如下图：
假如你能看到上面的结果，恭喜你，Hadoop安装完成了。接下来我们可以进行伪分布配置（Hadoop可以在伪分布模式下运行单结点）。
首先是core-site.xml配置HDFS地址及临时目录（默认的临时目录在重启后会删除）：
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://192.168.8.184:9000</value>
<description>same as fs.default.name</description>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/mywind/tmp</value>
<description>A base for other temporary directories.</description>
</property>
</configuration>
然后是hdfs-site.xml配置集群数量及其他一些可选配置比如NameNode目录、DataNode目录等等：
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>/usr/mywind/name</value>
<description>same as dfs.name.dir</description>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/usr/mywind/data</value>
<description>same as dfs.data.dir</description>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
<description>same as old frame,recommend set the value as the cluster DataNode host numbers!</description>
</property>
</configuration>
接着是mapred-site.xml配置启用yarn框架：
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
最后是yarn-site.xml配置NodeManager:
<configuration>
<!-- Site specific YARN configuration properties -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
注意，网上的旧版本教程可能会把value写成mapreduce.shuffle，这个要特别注意一下的，至此我们所有的文件配置都已经完成了，下面进行HDFS文件系统进行格式化：
$ hdfs namenode -format
然后启用NameNode及DataNode进程：
$ start-yarn.sh
然后创建hdfs文件目录
$ hdfs dfs -mkdir /user
$ hdfs dfs -mkdir /user/a01513
注意，这个a01513是我在Ubuntu上的用户名，最好保持与系统用户名一致，据说不一致会有许多权限等问题，我之前试过改成其他名字，报错，实在麻烦就改成跟系统用户名一致吧。
然后把要测试的输入文件放在文件系统中：
$ hdfs dfs -put /usr/mywind/psa input
文件内容是Hadoop经典的天气例子的数据：
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456+001212345678903456
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456+011212345678903456
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456+021212345678903456
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456+003212345678903456
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456+004212345678903456
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456+010212345678903456
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456+011212345678903456
12345679867623119010123456798676231190501234567986762311901012345679867623119010123456+041212345678903456
12345679867623119010123456798676231190501234567986762311901012345679867623119010123456+008212345678903456
把文件拷贝到HDFS目录之后，我们可以通过浏览器查看相关的文件及一些状态：
http://192.168.8.184:50070/
这里的IP地址根据你实际的Hadoop服务器地址啦。
好吧，我们所有的Hadoop后台服务搭建跟数据准备都已经完成了，那么我们的M/R程序也要开始动手写了，不过在写当然先配置开发环境了。
