Hadoop1 Centos伪分布式部署

前言:

      毕业两年了，之前的工作一直没有接触过大数据的东西，对hadoop等比较陌生，所以最近开始学习了。对于我这样第一次学的人，过程还是充满了很多疑惑和不解的，不过我采取的策略是还是先让环境跑起来，然后在能用的基础上在多想想为什么。

      通过这三个礼拜(基本上就是周六周日，其他时间都在加班啊T T)的探索，我目前主要完成的是:

　　1.在Linux环境中伪分布式部署hadoop(SSH免登陆)，运行WordCount实例成功。  http://www.cnblogs.com/PurpleDream/p/4009070.html

      2.自己打包hadoop在eclipse中的插件。 http://www.cnblogs.com/PurpleDream/p/4014751.html

      3.在eclipse中访问hadoop运行WordCount成功。 http://www.cnblogs.com/PurpleDream/p/4021191.html

      所以我下边会分三次记录下我的过程，为自己以后查阅方便，要是能帮助到其他人，自然是更好了！

===============================================================长长的分割线====================================================================

正文:

       我的部署环境是之前在阿里云购买的Linux云服务器(大家用自己的linux环境，或者搭个VM虚拟机也是可以滴)，系统是CentOS6.X，之前需要自己安装好JDK，我安装的是1.6的，注意这个后边在安装完hadoop后，也需要给Hadoop配置JAVA_HOME，不然会报错。

在安装hadoop之前，我们需要先配置SSH免登陆，如果不配置的话，我们后边在启动hadoop时，都将需要输入密码，到时会很麻烦，这个网上有很多资料，也可以参考我的另外一篇博客:http://www.cnblogs.com/PurpleDream/p/4012328.html 。注意，我的基本与网上步骤一致，这个也是我当初参考网上的步骤，在执行的时候根据自己的情况稍加修改，就可以了。

安装hadoop首先是下载hadoop，由于我参考的《hadoop实战》这本书，所以为了更接近书中的内容，同时也考虑到高版本的hadoop涉及的东西会更多，不利于我这样的初学者学习，所以我选择hadoop-1.0.1这个版本。下边的网址中是完整的hadoop版本的下载列表，也可以根据自己的需要去下载：http://archive.apache.org/dist/hadoop/core/。

我下载的是hadoop-1.0.1.tar.gz，通过SSH工具上传到linux服务器的目录中(我的是:/myself_setted/hadoop)，然后利用解压缩命令“tar -zxvf hadoop-1.0.1.tar.gz”解压到当前目录。

进入解压缩后的目录(我的是:/myself_setted/hadoop/hadoop-1.0.1),进入conf文件夹，进行配置:

1.首先打开hadoop-env.sh文件，修改配置文件如下:export JAVA_HOME=/usr/java/jdk1.6.0_35     注意，此处的jdk路径是之前在安装JDK时配置的路径，不要写错，如果配置有误，后边在启动hadoop时，会报找不到java的错误。

2.然后在打开core-site.xml文件，这里配置的是HDFS的地址及段口红，配置如下：

<configuration>
        <property>
                <name>fs.default.name</name>
                <value>hdfs://localhost:9000</value>
        </property>
</configuration>

3.再打开hdfs-site.xml文件，配置的备份方式默认是3，在我们这种伪分布式部署方式中，需要将其配置为1

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

4.最后是MapReduce的配置文件，打开mapred-site.xml，配置JobTracker的地址和端口

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

通过上边的四步，我们已经完成了基本的配置工作，在启动hadoop前，我们还需要格式化hadoop，我们需要将目录切换到解压缩后的根目录(我的是:/myself_setted/hadoop/hadoop-1.0.1),依次执行以下命令:

1.bin/hadoop namenode -format

2.bin/hadoop datanode -format

3.bin/start-all.sh

通过上边的三步，我们可以认为我们的hadoop已经启动，但是我们还需要验证启动是否有问题，验证的方法比较多，我就说说我用的(以下的验证方法是并列的关系，不是先后继承关系):

1.打开浏览器，分别输入网址http://localhost:50030（MapReduce的web页面）;http://localhost:50070（HDFS的web页面）。由于我的是云服务器，所以我自己的在查看的时候，localhost替换为服务器的公网IP

2.在linux环境下，输入JPS，查看关于hadoop的进程是否完整，完整事例如下(进程号不定哈):

 TaskTracker
 JobTracker
 Jps
 NameNode
 SecondaryNameNode
 DataNode

当然如果上边的验证基本没有问题，我相信你已经接近成功了，下边我们将具体执行一个“作业”，来验证我们的环境。我们运行的例子就是hadoop中的hello word程序，即WordCount，顾名思义就是计算单词的出现次数，步骤如下:

1.在以上的hadoop启动的情况下，我们首先在hadoop-1.0.1的根目录(我的是:/myself_setted/hadoop/hadoop-1.0.1),建立一个文件夹叫test，然后我们再test文件夹(/myself_setted/hadoop/hadoop-1.0.1/test)中简历一个a.txt的文件，内容如

下(注意，此步骤中建立的文件夹的位置以及文件夹中文件的名字和内容，你可以随意设定路径和内容，主要你在下边的2和3三步中上传文件到HDFS上时，一定要把路径写正确):

aa
bb
cc
ee
aa
ee
ff

2.在hdfs中建立一个输入文件夹: bin/hadoop fs -mkdir /input。注意我执行此命令时所在的目录是hadoop-1.0.1的根目录（我的是:/myself_setted/hadoop/hadoop-1.0.1）

3.将a.txt放入到2中hdfs的输入文件夹中:bin/hadoop fs -put test/a.txt /input。注意我执行此命令时所在的目录是hadoop-1.0.1的根目录（我的是:/myself_setted/hadoop/hadoop-1.0.1）

4.这时如果我们在执行bin/hadoop fs -ls /input这个命令时，如果之前的步骤正确的话，我们将看到列出了一个a.txt的文件。注意我执行此命令时所在的目录是hadoop-1.0.1的根目录（(我的是:/myself_setted/hadoop/hadoop-1.0.1）

5.经过上边的4步，我们下边还有最后一个命令，那就是执行作业。我们看下hadoop-1.0.1的根目录（我的是:/myself_setted/hadoop/hadoop-1.0.1，有一个hadoop-examples-1.0.1.jar这个jar包，这里面打包了一些hadoop自带的例子，我们要运行的WordCount方法就是这个包中，执行命令如下：bin/hadoop  jar  hadoop-examples-1.0.1.jar  wordcount  /input  /output,

6.根据提示，如果出现map 100% reduce 100%等字样，我们就可以通过bin/hadoop fs -ls /output命令查看/output文件夹中统计结果了。