大数据时代之hadoop(一)：hadoop安装

1、hadoop版本介绍

0.20.2版本以前（不含该版本）的配置文件都在default.xml中。

0.20.x以后的版本不含有eclipse插件的jar包，由于eclipse的版本不一，所以就需要自己编译源码生成对应的插件。

0.20.2——0.22.x版本的配置文件集中在conf/core-site.xml、 conf/hdfs-site.xml  和 conf/mapred-site.xml. 中。

0.23.x 版本有添加了yarn技术，配置文件集中在  conf/core-site.xml, conf/hdfs-site.xml, conf/yarn-site.xml and conf/mapred-site.xml.这4个文件上。

由于0.23.x版本的变化比较大，添加了新的技术，让很多基于hadoop的一些插件难以兼容，如hive、hbase、pig等都基于0.23.x以前的版本。

所以apache就开始统一版本号，这样从版本号就可以区分hadoop的功能。

0.22.x 直接升级到1.0.0 

0.23.x 直接升级到2.0.0

这样就把hadoop分为两个版本 1和2

1版本：主要基于原来的技术的升级和发展，同时支持其它技术的支持。如果想用hbase、hive等技术就只有选择 版本1

2版本：主要基于新技术的推广和发展，如果只是基于hadoop开发，这个是一个很好的选择。

目前官网上下载hadoop处描述：

Download

• 1.2.X - current stable version, 1.2 release
• 2.4.X - current stable 2.x version
• 0.23.X - similar to 2.X.X but missing NN HA.

2、hadoop安装及模式

目前，我在实验环境中使用的是hadoop-0.20.2，所以以后我都是基于这个版本进行描述。

Hadoop各个组件的配置在文件夹conf下。早期的hadoop采用一个配置文件hadoop-site.xml来配置Common，HDFS和MapReduce组件，从0.20.0版本开始，分为三个文件。

core-site.xml：配置Common组件的属性。
          hdfs-site.xml：配置HDFS属性。
          mapred-sit.xml：配置MapReduce属性。

2.1、Hadoop运行模式

Hadoop的运行模式有以下三种：

独立模式（standalone或local mode）：无需任何守护进程（daemon），所有程序都在单个JVM上执行。主要用在开发阶段。默认属性就是为本模式所设，所以不需要额外的配置。
             伪分布式模式（pseudo-distributed model）：Hadoop守护进程运行在本地机器上，模拟一个小规模的集群。
             全分布模式（full distributed model）：Hadoop守护进程运行在一个集群上。

不同模式关键配置属性

组件名称	属性名称	独立模式	伪分布模式	全分布模式
Common	fs.default.name	file:/// (默认)	hdfs://localhost:9000	hdfs://namenode:9000
HDFS	dfs.replication	N/A	1	3 (默认)
MapReduce	mapred.job.tracker	local (默认)	localhost:9001	jobtracker:9001

2.2、本机模式安装

由于默认属性专为本模式所设定，且无需运行任何守护进程，因此本模式除了把dfs.replication值设为1外，无需任何别的操作。

 测试：

进入$HADOOP_HOME目录下执行以下命令来测试安装是否成功

1. $ mkdir input
2. $ cp conf/*.xml input
3. $ bin/hadoop jar hadoop-examples-*.jar grep input output 'dfs[a-z.]+'
4. $ cat output/*

输出：  
         1    dfsadmin

经过上面的步骤，如果没有出现错误就算安装成功了。

2.3、伪分布式模式安装步骤

安装步骤：

1、设置环境变量(JAVA_HOME,path,HADOOP_HOME,CLASSPATH)
           2、修改hadoop配置文件（core-site.xml，hdfs-site.xml，mapred-site.xml）
           3、设置ssh无密码登陆
           4、格式化文件系统  hadoop namenode -format
           5、启动守护进程   start-all.sh
           6、停止守护进程

其中第二步实例：

1. <configuration>
2. <property>
3. <name>fs.default.name</name>
4. <value>localhost:9000</value>
5. </property>
6. <property>
7. <name>mapred.job.tracker</name>
8. <value>localhost:9001</value>
9. </property>
10. <property>
11. <name>dfs.replication</name>
12. <value>1</value>
13. </property>
14. </configuration>

启动后可以通过网页方式查看NameNode和JobTracker状态
 NameNode - http://localhost:50070/
 JobTracker - http://localhost:50030/

 测试：

复制文件到分布式文件系统上

1. $ bin/hadoop fs -put conf input

运行测试

1. $ bin/hadoop jar hadoop-examples-*.jar grep input output 'dfs[a-z.]+'

获取测试程序的执行结果

1. $ bin/hadoop fs -cat output/*

输出：

1. 3 dfs.class
2. 2 dfs.period
3. 1 dfs.file
4. 1 dfs.replication
5. 1 dfs.servers
6. 1 dfsadmin
7. 1 dfsmetrics.log

经过上面的步骤，如果没有出现错误就算安装成功了。

2.4、全分布模式安装步骤

安装步骤：

1、设置环境变量(JAVA_HOME,path,HADOOP_HOME,CLASSPATH)
            2、修改hadoop配置文件（core-site.xml，hdfs-site.xml，mapred-site.xml，masters，slaves）
            3、设置ssh无密码登陆
            4、格式化文件系统  hadoop namenode -format
            5、启动守护进程   start-all.sh
            6、停止守护进程

启动后可以通过网页方式查看NameNode和JobTracker状态
 NameNode - http://namenode:50070/
 JobTracker - http://jobtracker:50030/

 注意：
        在每个机器上的相同位置分别安装hadoop，且用户名相同。

3、eclipse插件安装

eclipse hadoop插件，是为了快速开发mapreduce程序，提供了

mapreduce location视图，用于设置mapreduce变量；

windows->preferences 增加了设置hadoop安装位置设置栏；

在Project Explore视图里面增加了DFS Locations项目，能够查看hdfs文件系统的内容，并能够上传下载文件；

new project 里面增加了mapreduce project；

增加了run on hadoop平台功能。

需要注意的是hadoop自带的contrib\eclipse-plugin\hadoop-0.20.2-eclipse-plugin.jar过时了，需要从网上下载一个新的，否则在运行mapreduce程序时没有反应。