hadoop
本Hadoop安装教程为简略版本，包含伪分布式和集群的配置，只列出命令与配置，不作详细说明，方便有基础的读者。完整版请浏览Hadoop安装配置教程_伪分布式，以及Hadoop集群安装配置教程。
本教程在 Ubutnu 14.04 64位，Hadoop 2.6.0 下验证通过。最新的 Hadoop 2 稳定版可以通过 http://mirror.bit.edu.cn/apache/hadoop/common/stable2/ 或者 http://mirrors.cnnic.cn/apache/hadoop/common/stable/ 下载。
Hadoop 伪分布式配置
创建Hadoop用户:
1. sudo useradd -m hadoop -s /bin/bash # 创建hadoop用户
2. sudo passwd hadoop # 修改密码
3. sudo adduser hadoop sudo # 增加管理员权限
注销并使用 Hadoop 用户登录，接着更新 apt 并且安装 vim：
1. sudo apt-get update # 更新apt
2. sudo apt-get install vim # 安装vim
安装SSH，配置无密码登录:
1. sudo apt-get install openssh-server
2. cd ~
3. mkdir .ssh # 可能该文件已存在，不影响
4. cd ~/.ssh/
5. ssh-keygen -t rsa # 会有提示，都按回车就可以
6. cat id_rsa.pub >> authorized_keys # 加入授权
安装Java环境:
1. sudo apt-get install openjdk-7-jre openjdk-7-jdk
2. vim ~/.bashrc # 设置JAVA_HOME
在文件最前面添加如下单独一行：
export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64
使 JAVA_HOME 变量生效：
1. source ~/.bashrc # 使变量设置生效
安装 Hadoop 2:
1. cd ~/下载
2. sudo tar -zxvf ./hadoop-2.6.0.tar.gz -C /usr/local # 解压到/usr/local中
3. cd /usr/local/
4. sudo mv ./hadoop-2.6.0/ ./hadoop # 将文件夹名改为hadoop
5. sudo chown -R hadoop:hadoop ./hadoop # 修改文件权限
进行伪分布式配置：
修改配置文件 core-site.xml (vim /usr/local/hadoop/etc/hadoop/core-site.xml)：
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
修改配置文件 hdfs-site.xml：
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>
</configuration>
启动 Hadoop:
1. cd /usr/local/hadoop
2. bin/hdfs namenode -format # namenode 格式化
3. sbin/start-dfs.sh # 开启守护进程
4. jps # 判断是否启动成功
若成功启动则会列出如下进程: NameNode、DataNode和SecondaryNameNode。
（出错，无datenode
解决办法：
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
）
运行 WordCount 实例:
1. bin/hdfs dfs -mkdir -p /user/hadoop # 创建HDFS目录
2. bin/hdfs dfs -mkdir input
3. bin/hdfs dfs -put etc/hadoop/*.xml input # 将配置文件作为输入
4. bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'
5. bin/hdfs dfs -cat output/* # 查看输出
Hadoop 集群配置
假定有两台机器:
Master 192.168.1.121
Slave1 192.168.1.122
Hadoop 集群配置过程:
1. 选定一台机器作为 Master，在所有主机上配置网络映射
2. 在 Master 主机上配置hadoop用户、安装SSH server、安装Java环境
3. 在 Master 主机上安装Hadoop，并完成配置
4. 在其他主机上配置hadoop用户、安装SSH server、安装Java环境
5. 将 Master 主机上的Hadoop目录复制到其他主机上
6. 开启、使用 Hadoop
所有主机配置hadoop用户、安装SSH server、安装Java环境：
1. sudo useradd -m hadoop -s /bin/bash # 创建hadoop用户
2. sudo passwd hadoop # 修改密码
3. sudo adduser hadoop sudo # 增加管理员权限
4. # 注销并使用 Hadoop 用户登录
5. sudo apt-get update # 更新apt
6. sudo apt-get install vim # 安装vim
7. sudo apt-get install openssh-server # 安装ssh
8. sudo apt-get install openjdk-7-jre openjdk-7-jdk # 安装Java
9. vim ~/.bashrc # 设置JAVA_HOME
在文件最前面添加如下单独一行：
export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64
使 JAVA_HOME 变量生效：
1. source ~/.bashrc # 使变量设置生效
所有主机配置网络映射:
1. sudo vim /etc/hostname # 修改主机名
2. sudo vim /etc/hosts # 修改主机与 IP 的映射关系
3. sudo reboot # 重启，使网络配置生效
在 Master 主机上执行：
1. cd ~/.ssh
2. ssh-keygen -t rsa # 一直按回车就可以
3. cat ~/id_rsa.pub >> ~/authorized_keys
4. scp ~/.ssh/id_rsa.pub hadoop@Slave1:/home/hadoop/ # 传输公钥到Slave1
接着在 Slave1 节点上执行
1. cd ~
2. mkdir .ssh
3. cat ~/id_rsa.pub >> ~/.ssh/authorized_keys
在Master节点上进行Hadoop集群配置(位于 /usr/local/hadoop/etc/hadoop中):
文件 slave:
将原来 localhost 删除，把所有Slave的主机名写上，每行一个。
文件 core-site.xml:
<property>
<name>fs.defaultFS</name>
<value>hdfs://Master:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
文件 hdfs-site.xml:
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>Master:50090</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
文件 mapred-site.xml(首先需执行 cp mapred-site.xml.template mapred-site.xml):
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
文件 yarn-site.xml：
<property>
<name>yarn.resourcemanager.hostname</name>
<value>Master</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
配置好后，在 Master 主机上，将 Hadoop 文件复制到各个节点上:
1. cd /usr/local
2. rm -r ./hadoop/tmp # 删除 Hadoop 临时文件
3. sudo tar -zcf ./hadoop.tar.gz ./hadoop
4. scp ./hadoop.tar.gz Slave1:/home/hadoop
在 Slave1 上执行：
1. sudo tar -zxf ~/hadoop.tar.gz -C /usr/local
2. sudo chown -R hadoop:hadoop /usr/local/hadoop
最后在 Master 主机上就可以启动hadoop了:
1. cd /usr/local/hadoop/
2. bin/hdfs namenode -format
3. sbin/start-dfs.sh
4. sbin/start-yarn.sh
5. jps # 判断是否启动成功
若成功启动，则Master节点启动了NameNode、SecondrryNameNode、ResourceManager进程，Slave节点启动了DataNode和NodeManager进程。
在 Master 主机上执行WordCount实例:
1. bin/hdfs dfs -mkdir -p /user/hadoop
2. bin/hdfs dfs -put etc/hadoop input
3. bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'
附加教程: 配置PATH环境变量
在 ~/.bashrc 最前面加入如下单独一行:
export PATH=$PATH:/usr/local/hadoop/sbin:/usr/local/hadoop/bin
http://www.powerxing.com/install-hadoop-simplify/ 笔记Hadoop