hadoop开发环境搭建

很早就听说hadoop，但项目中一直没怎么接触，今天终于下定决心，花了一天的时间，搭起了基本的开发环境，总结如下。

一.软件准备

jdk、hadoop软件包、eclipse软件包（linux版）

二.安装java

详见http://blog.csdn.net/tonytfjing/article/details/42167599

三.安装hadoop（单机伪分布式）

3.1创建hadoop用户

为hadoop创建一个专门的用户，具体如下：

groupadd hadoopGroup             //创建hadoop用户组
useradd -g hadoopGroup hadoop    //新增用户hadoop并将其加入hadoopGroup群组
passwd hadoop                    //建立hadoop用户的新密码，密码也是hadoop

3.2安装hadoop

用ftp工具将hadoop安装包上传到linux系统中，解压

tar -zxvf hadoop-1.2.1.tar.gz

3.3配置ssh

Hadoop需要通过SSH（安全外壳协议，可以保护共享访问的安全性）来启动Slave列表中各台主机的守护进程。但是由于SSH需要用户密码登陆，所以为了在系统运行时，节点之间免密码登录和访问，就需要把SSH配置免密码方式。具体如下：

ssh-keygen -t rsa        //生成密钥对，ras加密

cd .ssh/            
cp id_rsa.pub authorized_keys    //进入.ssh,把id_rsa.pub文件追加到授权（authorized_keys）里面
ssh localhost                    //测试无密码登录本机

3.4配置hadoop环境

切换到hadoop的安装路径找到conf/hadoop-env.sh文件，vi编辑,在文件最后添加如下语句：

export JAVA_HOME=/usr/java/jdk1.7.0_71

vi /etc/profile
export HADOOP_HOME=/hadoop1.2.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

conf/core-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>/hadoop1.2.1/tmp</value>        
</property>
<property>
<name>fs.default.name</name>
<value>hdfs://192.168.5.227:9000</value>    <!-- 最好写成这样，因为后面编程时会用到这个地址 -->
</property>
</configuration>

conf/mapred-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>192.168.5.227:9001</value>
</property>
 
<property>
<name>mapred.cluster.local.dir</name>
<value>/hadoop1.2.1/mapred/local</value>
</property>
 
<property>
<name>mapred.jobtracker.system.dir</name>
<value>/hadoop1.2.1/mapred/system</value>
</property>
 
</configuration>

 <?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>/hadoop1.2.1/dfs/name</value>
</property>
 
<property>
<name>dfs.datanode.data.dir</name>
<value>/hadoop1.2.1/dfs/data</value>
</property>
 
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>

3.5格式化HDFS文件系统

cd /hadoop1.2.1

bin/hadoop namenode -format

3.6启动hadoop环境

bin/start-all.sh

成功后，至少将在本机上启动5个新进程：NameNode、DataNode、JobTracke、TaskTracker、SecondaryNameNode

查看hadoop启动情况

jps

8165 Jps
27621 NameNode
2982 oc4j.jar
28001 JobTracker
2454 Bootstrap
28142 TaskTracker
27764 DataNode
27907 SecondaryNameNode

如果现实类似于上述的信息，则表示Hadoop已经正常启动了，恭喜你！既然Hadoop安装好了，那就该用用了。

四、Hadoop下eclipse开发环境准备

4.1安装eclipse，并编译插件

cp eclipse-SDK-3.4-linux-gtk.tar.gz /opt                    //将eclipse-SDK-3.4-linux-gtk.tar.gz安装包复制到/opt目录
cd /opt                                                     //切换到/opt目录
tar -zxvf eclipse-java-luna-SR1-linux-gtk.tar.gz            //解压eclipse-SDK-3.4-linux-gtk.tar.gz数据包

4.2配置Map/Reduce Locations

重启eclipse，配置hadoop installation directory，如图

如果安装插件成功，打开Window-->Preferens，你会发现Hadoop Map/Reduce选项，在这个选项里配置Hadoop installation directory。进入Map/Reduce视角，如下图，

新建location

配置如下，

这里面的Host、Port分别是我前面在core-site.xml、mapred-site.xml中配置的地址及端口。配置完后退出。一层层打开DFS Locations，如果能显示文件夹(1)说明配置正确，如果显示"拒绝连接"，请检查配置。

4.3第一个Map/Reduce Project

新建一个Map/Reduce Project项目，将example里的WordCount.java复制到新建的项目下面。先编写个数据输入文件，如下：

hadoop fs -mkdir /tmp/wordcount

hadoop fs -copyFromLocal /word.txt  /tmp/wordcount/word.txt

这个时候我们回到eclipse里面，在Map/Reduce Locations上reconnect看看，发现多出来了文件，如下所示，

4.4运行第一个Map/Reduce Project

在WordCount.java，右键-->Run As-->Run Configurations ，配置如下，

两个配置参数很容易理解，就是输入文件和输出文件。点击Run，运行程序，等运行结束后，查看运行结果，同样在Map/Reduce Locations上reconnect看看（也可以用命令hadoop fs -ls /tmp/wordcount/out）会发现又多出一个文件夹，下面含有两个文件。

使用命令查看part-r-00000文件，hadoop fs -cat /tmp/wordcount/out/part-r-00000可以查看运行结果。

hadoop开发环境搭建

原文：http://blog.csdn.net/tonytfjing/article/details/44064733