Hadoop的基本配置及HDFS的简单使用

软件存放目录

/home/hadoop/app 软件安装目录
/sofWare 软件安装包

Hadoop环境搭建

1）下载Hadoop

http://archive.cloudera.com/cdh5/cdh/5/
hadoop-2.6.0-cdh5.7.0.tar.gz

wget http://archive.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.7.0.tar.gz

2)安装JDK

下载
解压到APP目录： 
tar -zxvf jdk-7u51-linux-x64.tar.gz 
mv jdk1.7.0_51 java7

验证安装是否成功：
~/app/java7/bin    ./java -version

JDK 配置到环境变量中：
vi .bash_profile
在文件中添加： 
export: JAVA_HOME=/home/hadoop/app/java7
export: PATH=$JAVA_HOME/bin:$PATH

3)机器参数设置

1、主机名：

hostname:hadoop01
修改机器名：
vi /etc/sysconfig/network

2、设置ip和hostname的映射关系

    vi /etc/hosts
    192.168.199.200 hadoop001
    127.0.0.1 localhost

3、Hadoop配置文件修改：

cd /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/etc/hadoop

hadoop-env.sh
    export JAVA_HOME=/home/hadoop/app/java7

core-site.xml
     
         fs.defaultFS
         hdfs://localhost:8020
     
     
       hadoop.tmp.dir
       /home/hadoop/app/tmp
     

hdfs-site.xml
    
        
            dfs.replication
            1
        
    

4、格式化HDFS
注意：这一步操作只在安装配置好后第一次执行，每次如果都格式化的话，那么HDFS上的数据就会被清空。

cd bin
./hdfs namenode -format

5、 启动HDFS

sbin/start-dfs.sh

验证是否安装成功：
① jps

DataNode
SecondaryNameNode
NameNode

②浏览器
浏览器中输入：

http://199.20.1.140:50070/dfshealth.html#tab-overview

6 停止HDFS

cd sbin
./stop-dfs-sh

文件夹介绍

• bin：Hadoop最基本的管理脚本和使用脚本的目录，这些脚本是sbin目录下管理脚本的基础实现，用户可以直接使用这些脚本管理和使用Hadoop。
• etc：Hadoop配置文件所在的目录，包括core-site,xml、hdfs-site.xml、mapred-site.xml等从Hadoop1.0继承而来的配置文件和yarn-site.xml等Hadoop2.0新增的配置文件。
• include：对外提供的编程库头文件（具体动态库和静态库在lib目录中），这些头文件均是用C++定义的，通常用于C++程序访问HDFS或者编写MapReduce程序。
• lib：该目录包含了Hadoop对外提供的编程动态库和静态库，与include目录中的头文件结合使用。
• libexec：各个服务对用的shell配置文件所在的目录，可用于配置日志输出、启动参数（比如JVM参数）等基本信息。
• sbin：Hadoop管理脚本所在的目录，主要包含HDFS和YARN中各类服务的启动/关闭脚本。
• share：Hadoop各个模块编译后的jar包所在的目录。

HDFS 优点

1. 高容错
2. 审核批量处理
3. 适合大数据处理
4. 可构建在廉价的机器上

HDFS缺点

1. 低延迟的数据访问
2. 小文件储存

参考文档：http://hadoop.apache.org/docs/r1.0.4/cn/index.html