Hadoop学习笔记一：单节点安装

通过本节的学习，可以掌握如何在单节点上使用Hadoop进行Map/Reduce以及HDFS存储的实现。

环境要求：

支持的平台：

     支持GNU/Linux平台，可以作为测试和生产环境使用。Hadoop在2000个节点的生产环境中经受过考验。

     支持Win32平台作为测试环境，正式环境的测试还不够充分，所以发布版暂时不能支持Win32环境。

需要的软件：

     1、Java 1.6.x，必须。

     2、ssh、sshd，必须。

     如果是在Windows环境下，你也许需要 Cygwin。

安装必要的软件

     如果服务器没有必要的软件，就必须进行安装。不同的发行版本，有不同的安装方法。例如Ubuntu下：

     $ sudo apt-get install ssh

     $ sudo apt-get install rsync

下载Hadoop

     从 这里 下载一个Hadoop的稳定版本。

开始我们的Hadoop之旅

     解压下载的软件，在解压后的目录中，编辑 conf/hadoop-env.sh 脚本设置服务器的JAVA_HOME目录。

     我的环境是 Centos6.0，yum安装了OPEN-JDK，对应的目录为：

          /usr/lib/jvm/java-1.6.0-openjdk-1.6.0.0/jre/

     执行 bin/hadoop 命令，如果如下图所示，我们就做好使用 Hadoop 的准备了。

     可以用三种方式使用Hadoop：

          本地模式(Local Standalone Mode)；

          伪分布式模式(Pseudo-Distributed Mode)；

          完全分布式模式；

本地模式

     默认情况下，Hadoop是配置为本地运行的，以一个单独的Java进程运行，这种方式非常适合Debug。

     在本地，我选择了对 194Mb 的访问日志进行分析，如下代码：

         bin/hadoop jar hadoop-examples-0.20.203.0.jar grep input/ output/ 'favicon[a-z.]+'

     这个任务是分析日志中出现的favicon的次数，统计结果如下：

     其中part文件中存储了我要查找的favicon字符串出现的次数。

伪分布式模式

配置：

     参照官方的配置进行，分别对conf/core-site.xml、conf/hdf-site.xml、conf/mapred-site.xml进行配置。配置的内容都比较类似，主要是配置一个服务器的主机名，然后配置对应的IP或值。

设置无需密码的SSH：

     按照官方的设置

     $ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa

     $ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

     但是第一次登陆的时候始终需要提示是否保存，这个有点不得其解。

执行：

     首先格式化一个新的分布式文件系统

     $ bin/hadoop namenode -format

     完成后，会有一些提示，根据提示可以在 /tmp/hadoop-root/dfs 中找到两个文件夹。

     然后启动 Hadoop 的守护进程

     $ bin/start-all.sh

我在安装的过程中提示了未知的jvm参数，但是并没有重大的影响，启动仍正常结束了，不知道什么原因。

     这个问题是因为用root用户启动造成的，可以参考参考资料6中的方法，为hadoop这个文件打一个patch就可以解决。然后重新格式化namenode，进行测试。

      bin/hadoop jar hadoop-examples-0.20.203.0.jar grep logs output 'favicon'    

     执行上面的语句，可以对日志进行 WordCount 的分析。

     测试完成后，可以关闭所有的服务

bin/stop-all.sh

参考资料：

1、Single Node Setup

2、Hdfs Shell Handbook

3、Hdfs error：could only be replicated to 0 nodes instead of 1

4、Hadoop：Could not create Java Virtual Machine

5、Namenode not starting

6、Faile to start datanode while start-dfs.sh is executed by root user