Ubuntu上搭建Hadoop环境(伪分布式)

首先要了解一下Hadoop的运行模式：

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 13.04，hadoop 1.2.0

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JDK

这步网络上很多教程。这里不多说。我安装的是JDK 1.7 64位版本

3.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

建立ssh无密码登录本机.首先要转换成hadoop用户:

su - hadoop

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。

4.安装hadoop 

到官网下载hadoop源文件，这里选择hadoop 1.2.0

解压并放到你希望的目录中。我是放到/usr/local/hadoop

 ~$ sudo tar xzf hadoop-1.2.0.tar.gz
 ~$ sudo mv hadoop-1.2.0 /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-7-openjdk-amd64 (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

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.

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

10.结语

    单机模式和伪分布模式均用于开发和调试的目的。真实Hadoop集群的运行采用的是第三种模式，即全分布模式。

参考:

http://www.cnblogs.com/tippoint/archive/2012/10/23/2735532.html

http://blog.csdn.net/hitwengqi/article/details/8008203#quote