Ubuntu14.04下hadoop-2.6.0单机配置和伪分布式配置

注意：安装之前最好删除hadoop-2.6.0/dfs/data下的所有文件，避免出现各种问题。尤其安装包不是官方现下载的。

安装错误记录： http://blog.csdn.net/ggz631047367/article/details/49979641

需要重新编译的教程：http://blog.csdn.net/ggz631047367/article/details/42460589

在Ubuntu下创建hadoop用户组和用户

hadoop的管理员最好就是以后要登录桌面环境运行eclipse的用户，否则后面会有拒绝读写的问题出现。当然不是也有办法办法解决。

1. 创建hadoop用户组;

sudo addgroup hadoop

2. 创建hadoop用户;

sudo adduser -ingroup hadoop hadoop

3. 给hadoop用户添加权限，打开/etc/sudoers文件;

sudo gedit /etc/sudoers

在root   ALL=(ALL:ALL)   ALL下添加hadoop   ALL=(ALL:ALL)  ALL.

在Ubuntu下安装JDK

具体见：http://blog.csdn.net/ggz631047367/article/details/42366687          

//JAVA_HOME=/usr/lib/jvm/jdk1.8.0_25

安装ssh服务 

sudo apt-get install ssh openssh-server

建立ssh无密码登录本机

切换到hadoop用户，执行以下命令：

su - hadoop

ssh生成密钥有rsa和dsa两种生成方式，默认情况下采用rsa方式。

1. 创建ssh-key，，这里我们采用rsa方式;

ssh-keygen -t rsa -P "" （注：回车后会在~/.ssh/下生成两个文件：id_rsa和id_rsa.pub这两个文件是成对出现的）

2. 进入~/.ssh/目录下，将id_rsa.pub追加到authorized_keys授权文件中，开始是没有authorized_keys文件的;

cd ~/.ssh
cat id_rsa.pub >> authorized_keys （完成后就可以无密码登录本机了。）

3. 登录localhost;

ssh localhost

4. 执行退出命令;

exit

安装hadoop

下载地址：http://apache.fayea.com/hadoop/common/stable/hadoop-2.6.0.tar.gz

因多次修改，可能会有Hadoop实际路径和配置文件中Hadoop路径不同，可能会产生错误

1. 把hadoop解压到/usr/local下:

sudo tar -zxvf hadoop-2.6.0.tar.gz
sudo mv hadoop-2.6.0 /usr/local/hadoop
sudo chmod -R 775 /usr/local/hadoop
sudo chown -R hadoop:hadoop /usr/local/hadoop  //否则ssh会拒绝访问

2.配置

修改bashrc的配置：

sudo gedit ~/.bashrc

在文件末尾添加：

#HADOOP VARIABLES START

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_25

export HADOOP_INSTALL=/usr/local/hadoop

export PATH=$PATH:$HADOOP_INSTALL/bin
export PATH=$PATH:$JAVA_HOME/bin 
export PATH=$PATH:$HADOOP_INSTALL/sbin
export HADOOP_MAPRED_HOME=$HADOOP_INSTALL
export HADOOP_COMMON_HOME=$HADOOP_INSTALL
export HADOOP_HDFS_HOME=$HADOOP_INSTALL
export YARN_HOME=$HADOOP_INSTALL
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_INSTALL/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_INSTALL/lib"
#HADOOP VARIABLES END

如果不知道JAVA_HOME可以通过命令获得：

update-alternatives --config java

目录取到java根目录即可。

执行下面命令使改动生效：

source ~/.bashrc

修改hadoop-env.sh的配置：

sudo gedit /usr/local/hadoop/etc/hadoop/hadoop-env.sh

找到JAVA_HOME改为上面的值。

测试

• 通过执行hadoop自带实例WordCount验证是否安装成功
  

 /usr/local/hadoop路径下创建input文件夹  

mkdir input
cp README.txt input

在hadoop目录下执行WordCount：

bin/hadoop jar share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.6.0-sources.jar
org.apache.hadoop.examples.WordCount input output

Hadoop伪分布式配置

sudo gedit /usr/local/hadoop/etc/hadoop/core-site.xml

    
        hadoop.tmp.dir
        /usr/local/hadoop/tmp
        Abase for other temporary directories.
    
    
        fs.defaultFS
        hdfs://localhost:9000
    

 sudo gedit /usr/local/hadoop/etc/hadoop/yarn-site.xml

    yarn.resourcemanager.hostname
    master


    The address of the applications manager interface in the RM.
    yarn.resourcemanager.address
    ${yarn.resourcemanager.hostname}:8032


    The address of the scheduler interface.
    yarn.resourcemanager.scheduler.address
    ${yarn.resourcemanager.hostname}:8030
  

    The http address of the RM web application.
    yarn.resourcemanager.webapp.address
    ${yarn.resourcemanager.hostname}:8088


    The https adddress of the RM web application.
    yarn.resourcemanager.webapp.https.address
    ${yarn.resourcemanager.hostname}:8090


    yarn.resourcemanager.resource-tracker.address
    ${yarn.resourcemanager.hostname}:8031


    The address of the RM admin interface.
    yarn.resourcemanager.admin.address
    ${yarn.resourcemanager.hostname}:8033


   yarn.nodemanager.aux-services
   mapreduce_shuffle

 sudo gedit /usr/local/Hadoop/etc/Hadoop/mapred-site.xml  //伪分布式不用配

        mapreduce.framework.name
        yarn


  mapreduce.jobhistory.address
  master:10020
  MapReduce JobHistory Server IPC host:port


  mapreduce.jobhistory.webapp.address
  master:19888
  MapReduce JobHistory Server Web UI host:port

 sudo gedit /usr/local/hadoop/etc/hadoop/hdfs-site.xml

        dfs.replication
        1
    
    
        dfs.namenode.name.dir
        file:/usr/local/hadoop/dfs/name
    
    
        dfs.datanode.data.dir
        file:/usr/local/hadoop/dfs/data
    
                     //这个属性节点是为了防止后面eclopse存在拒绝读写设置的
            dfs.permissions
            false
     
 

sudo gedit /usr/local/hadoop/etc/hadoop/masters 添加：localhost

sudo gedit /usr/local/hadoop/etc/hadoop/slaves  添加：localhost

关于配置的一点说明：上面只要配置 fs.defaultFS 和 dfs.replication 就可以运行，不过有个说法是如没有配置 hadoop.tmp.dir 参数，此时 Hadoop 默认的使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在每次重启后都会被干掉，必须重新执行 format 才行（未验证），所以伪分布式配置中最好还是设置一下。

配置完成后，首先在 Hadoop 目录下创建所需的临时目录：

cd /usr/local/hadoop
mkdir tmp dfs dfs/name dfs/data

修改pid目录位置（可以不做）

vi hadoop-env.sh

export HADOOP_PID_DIR=/usr/local/hadoop-2.6.0/pid

vi mapred-env.sh

export HADOOP_MAPRED_PID_DIR=/usr/local/hadoop-2.6.0/pid

yarn-env.sh

export YARN_PID_DIR=/usr/local/hadoop-2.6.0/pid   

接着初始化文件系统HDFS。

bin/hdfs namenode -format //每次执行此命令要把dfs/data/文件清空

成功的话，最后的提示如下， Exitting with status 0 表示成功， Exitting with status 1: 则是出错。

sbin/start-dfs.sh
sbin/start-yarn.sh

开启Jobhistory

sbin/mr-jobhistory-daemon.sh  start historyserver
http://master:19888/

Unable to load native-hadoop library for your platform这个提示,解决方式：
1、重新编译源码后将新的lib/native替换到集群中原来的lib/native
2、修改hadoop-env.sh ，增加
export HADOOP_OPTS="-Djava.library.path=$HADOOP_PREFIX/lib:$HADOOP_PREFIX/lib/native"

Namenode information:http://localhost:50070来查看Hadoop的信息。

All Applications：http://http://2xx.81.8x.1xx:8088/，将其中的2xx.81.8x.1xx替换为你的实际IP地址。

运行例子：

1.先在hdfs上建个文件夹  bin/hdfs dfs -mkdir -p /user/ha1/input

                                  bin/hdfs dfs -mkdir -p /user/ha1/output

2.上传一些文件：bin/hdfs dfs -put etc/hadoop/  /user/ha1/input  把etc/hadoop文件上传到hdfs的/user/ha1/input中

3.执行指令

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar grep /user/ha1/input/hadoop  /user/ha1/output/temp 'dfs[a-z.]+'

错误1：

WARN hdfs.DFSClient: DataStreamer Exception
org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /user/ha1/input/hadoop/yarn-env.sh._COPYING_ could only be replicated to 0 nodes instead of minReplication (=1).  There are 0 datanode(s) running and no node(s) are excluded in this operation.

//删除dfs/data/目录所有文件，关闭所有服务重新执行bin/hdfs namenode -format以及1，2步骤

错误2：

org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.hdfs.server.namenode.SafeModeException): Cannot delete /user/root/grep-temp-23493900. Name node is in safe mode.
The reported blocks 188 has reached the threshold 0.9990 of total blocks 188. The number of live datanodes 2 has reached the minimum number 0. In safe mode extension. Safe mode will be turned off automatically in 10 seconds.
at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.checkNameNodeSafeMode(FSNamesystem.java:1364)

操作太快，未退出安全模式，等退出安全模式

4.查看结果

bin/hdfs dfs -cat /user/ha1/output/temp/*

8	dfs.audit.logger
4	dfs.class
3	dfs.server.namenode.
2	dfs.audit.log.maxbackupindex
2	dfs.period
2	dfs.audit.log.maxfilesize
1	dfsmetrics.log
1	dfsadmin
1	dfs.servers
1	dfs.replication
1	dfs.file
1	dfs.datanode.data.dir
1	dfs.namenode.name.dir

终止一个job：

hadoop job -kill job_1447903602796_0001