hadoop ubuntu

ykwll

转载自：http://blog.csdn.net/hitwengqi/article/details/8008203
向原作者致敬！


单机模式（standalone）
       单机模式是Hadoop的默认模式。当首次解压Hadoop的源码包时，Hadoop无法了解硬件安装环境，便保守地选择了最小配置。在这种默认模式下所有3个XML文件均为空。当配置文件为空时，Hadoop会完全运行在本地。因为不需要与其他节点交互，单机模式就不使用HDFS，也不加载任何Hadoop的守护进程。该模式主要用于开发调试MapReduce程序的应用逻辑。
伪分布模式（Pseudo-Distributed Mode）
      伪分布模式在“单节点集群”上运行Hadoop，其中所有的守护进程都运行在同一台机器上。该模式在单机模式之上增加了代码调试功能，允许你检查内存使用情况，HDFS输入输出，以及其他的守护进程交互。
      全分布模式（Fully Distributed Mode）
     Hadoop守护进程运行在一个集群上。



版本：ubuntu 10.04.4，hadoop 1.0.2
1.添加hadoop用户到系统用户
安装前要做一件事——添加一个名为hadoop到系统用户，专门用来做Hadoop测试。
　　~$ sudo addgroup hadoop  
　　~$ sudo adduser --ingroup hadoop hadoop  


　　现在只是添加了一个用户hadoop，它并不具备管理员权限，因此我们需要将用户hadoop添加到管理员组：

~$ sudo usermod -aG admin hadoop  


　　2.安装ssh


由于Hadoop用ssh通信，先安装ssh

　　~$ sudo apt-get install openssh-server  

ssh安装完成以后，先启动服务：

　　~$ sudo /etc/init.d/ssh start   

　　启动后，可以通过如下命令查看服务是否正确启动：
　　~$ ps -e | grep ssh  



作为一个安全通信协议，使用时需要密码，因此我们要设置成免密码登录，生成私钥和公钥：

　　hadoop@scgm-ProBook:~$ ssh-keygen -t rsa -P ""  



因为我已有私钥，所以会提示是否覆盖当前私钥。第一次操作时会提示输入密码，按Enter直接过，这时会在～/home/{username}/.ssh下生成两个文件：id_rsa和id_rsa.pub，前者为私钥，后者为公钥，现在我们将公钥追加到authorized_keys中（authorized_keys用于保存所有允许以当前用户身份登录到ssh客户端用户的公钥内容）：

　　cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys  

　　现在可以登入ssh确认以后登录时不用输入密码：

　　~$ ssh localhost  


登出：

　　~$ exit  

　　第二次登录：

　　~$ ssh localhost  




登出：

　　~$ exit  

　　这样以后登录就不用输入密码了。





3.安装Java
~$ sudo apt-get install openjdk-6-jdk  
~$ java -version  



4.安装hadoop 1.0.2
到官网下载hadoop源文件，这里选择hadoop 1.0.2
解压并放到你希望的目录中。我是放到/usr/local/hadoop
~$sudo tar xzf hadoop-1.0.2.tar.gz  

　　~$ sudo mv hadoop-1.0.2 /usr/local/hadoop  
　　要确保所有的操作都是在用户hadoop下完成的：

　　~$ sudo chown -R hadoop:hadoop /usr/local/hadoop  




5.设定hadoop-env.sh(Java 安装路径)
进入hadoop目录，打开conf目录下到hadoop-env.sh，添加以下信息：
            export JAVA_HOME=/usr/lib/jvm/java-6-openjdk (视你机器的java安装路径而定)
            export HADOOP_HOME=/usr/local/hadoop
            export PATH=$PATH:/usr/local/hadoop/bin





并且，让环境变量配置生效source
~$ source /usr/local/hadoop/conf/hadoop-env.sh  

　　



至此，hadoop的单机模式已经安装成功。


于是，运行一下hadoop自带的例子WordCount来感受以下MapReduce过程：


　　在hadoop目录下新建input文件夹

　　~$ mkdir input  

　　将conf中的所有文件拷贝到input文件夹中

　　~$ cp conf/* input<span style="font-family: Arial, Helvetica, sans-serif; white-space: normal; background-color: rgb(255, 255, 255); "> </span>  

　　运行WordCount程序，并将结果保存到output中

　　~$ bin/hadoop jar hadoop-0.20.2-examples.jar wordcount input output  



运行
　　~$ cat output/*  

　　你会看到conf所有文件的单词和频数都被统计出来。



下面是伪分布模式需要的一些配置，继续。
6.设定*-site.xml
这里需要设定3个文件：core-site.xml,hdfs-site.xml,mapred-site.xml，都在/usr/local/hadoop/conf目录下
core-site.xml:  Hadoop Core的配置项，例如HDFS和MapReduce常用的I/O设置等。
hdfs-site.xml:  Hadoop 守护进程的配置项，包括namenode，辅助namenode和datanode等。
mapred-site.xml： MapReduce 守护进程的配置项，包括jobtracker和tasktracker。
首先在hadoop目录下新建几个文件夹

　　~/hadoop$ mkdir tmp
　　~/hadoop$ mkdir hdfs
　　~/hadoop$ mkdir hdfs/name  
　　~/hadoop$ mkdir hdfs/data  



接下来编辑那三个文件：
core-site.xml:

• 　　<configuration>  
  
• 　　    <property>  
  
• 　　        <name>fs.default.name</name>  
  
• 　　        <value>hdfs://localhost:9000</value>  
  
• 　　    </property>  
  
• 　　    <property>  
  
• 　　        <name>hadoop.tmp.dir</name>  
  
• 　　        <value>/usr/local/hadoop/tmp</value>  
  
• 　　    </property>  
  
• 　　</configuration>  
  　　
  

　　

　　hdfs-site.xml:

• 　　<configuration>  
  
• 　　    <property>  
  
• 　　        <name>dfs.replication</name>  
  
• 　　        <value>1</value>  
  
• 　　    </property>  
  
• 　　    <property>  
  
• 　　        <name>dfs.name.dir</name>  
  
• 　　        <value>/usr/local/hadoop/hdfs/name</value>  
  
• 　　    </property>  
  
• 　　    <property>  
  
• 　　        <name>dfs.data.dir</name>  
  
• 　　        <value>/usr/local/hadoop/hdfs/data</value>  
  
• 　　    </property>  
  
• 　　</configuration>  
  

　　

　　mapred-site.xml:

• 　　<configuration>  
  
• 　　    <property>  
  
• 　　        <name>mapred.job.tracker</name>  
  
• 　　        <value>localhost:9001</value>  
  
• 　　    </property>  
  
• 　　</configuration>  
  

7.格式化HDFS

　　通过以上步骤，我们已经设定好Hadoop单机测试到环境，接着就是启动Hadoop到相关服务，格式化namenode,secondarynamenode,tasktracker:
~$ source /usr/local/hadoop/conf/hadoop-env.sh  

　　~$ hadoop namenode -format  
　　





8.启动Hadoop
接着执行start-all.sh来启动所有服务，包括namenode,datanode，start-all.sh脚本用来装载守护进程。
hadoop@ubuntu:/usr/local/hadoop$ cd bin  

　　hadoop@ubuntu:/usr/local/hadoop/bin$ start-all.sh  


用Java的jps命令列出所有守护进程来验证安装成功
　　hadoop@ubuntu:/usr/local/hadoop$ jps  
　　出现如下列表，表明成功




9.检查运行状态
所有的设置已完成，Hadoop也启动了，现在可以通过下面的操作来查看服务是否正常，在Hadoop中用于监控集群健康状态的Web界面：
http://localhost:50030/     - Hadoop 管理介面
http://localhost:50060/     - Hadoop Task Tracker 状态
http://localhost:50070/     - Hadoop DFS 状态


Hadoop 管理介面：



Hadoop Task Tracker 状态：



Hadoop DFS 状态：




至此，hadoop的伪分布模式已经安装成功，于是，再次在伪分布模式下运行一下hadoop自带的例子WordCount来感受以下MapReduce过程：
这时注意程序是在文件系统dfs运行的，创建的文件也都基于文件系统：
首先在dfs中创建input目录

　　hadoop@ubuntu:/usr/local/hadoop$ bin/hadoop dfs -mkdir input  

　　

　　将conf中的文件拷贝到dfs中的input
　　hadoop@ubuntu:/usr/local/hadoop$ hadoop dfs -copyFromLocal conf/* input
　　

　　在伪分布式模式下运行WordCount
　　hadoop@ubuntu:/usr/local/hadoop$ hadoop jar hadoop-examples-1.0.2.jar wordcount input output
　　可看到以下过程




显示输出结果

　　hadoop@ubuntu:/usr/local/hadoop$ hadoop dfs -cat output/*  



　　当Hadoop结束时，可以通过stop-all.sh脚本来关闭Hadoop的守护进程

　　hadoop@ubuntu:/usr/local/hadoop$ bin/stop-all.sh