linux下hadoop伪分布

一．准备：
ubuntu 10.10
hadoop 0.21.0
jdk1.6.0_23 for linux
二．装机阶段：
1、安装ubuntu10.10
wubi的傻瓜式安装应该不用我多说了吧，在win下用虚拟光驱载入，然后执行.......另外补充下，安装时最好断开网络连接（我们是直接拔的网线），因为ubuntu安装过程中需要更新一些语言包之类的东西，那些东西与我们要做的事没什么关系，下载时间又长，所以建议不更新。
2、安装jdk1.6.0_23
有多种方法，此处只介绍一种
1)、在usr下面新建一个文件夹Java,然后将jdk复制过来（也可直接mv过来）
sudo mkdir /usr/Java
sudo cp jdk的路径 /usr/Java
2)、进入到Java目录下，改变文件权限为可执行
cd /usr/Java 
sudo chmod u+x jdk1.6.0_23.bin
3)、执行安装
sudo ./jdk1.6.0_23.bin
3、安装hadoop0.21.0
1)、将hadoop0.21.0.tar.gz复制到usr下面的local文件夹内（也可mv）
sudo cp hadoop的路径 /usr/local
2)、进入到local目录下，解压hadoop0.21.0.tar.gz
cd /usr/local
sudo tar -xzf hadoop0.21.0.tar.gz
3)、为了方便管理，将解压后的文件夹名改为hadoop
sudo mv hadoop0.21.0 hadoop
4)、创建一个名为hadoop的用户和用户组
(1)、创建一个名为hadoop的用户组
sudo addgroup hadoop
(2)、创建一个名为hadoop的用户，归到hadoop用户组下
sudo adduser --ingroup hadoop hadoop
注(1)：前一个hadoop为用户组名，后面的是用户名，之所以名字一样是为了方便统一管理
注(2)：执行后会有一些信息需要填写，可以不填，都敲回车，用系统默认的即可，大概5个吧)
3)、用gedit打开etc下的sudoers文件
sudo gedit /etc/sudoers
4)、在 root   ALL=(ALL)  ALL 下面添加如下一行，然后保存关闭gedit
hadoop  ALL=(ALL)  ALL
（注1：网上有文档上是说先切换到root用户，然后修改sudoers的权限，再打开添加
hadoop  ALL=(ALL)  ALL ，然后再将权限改回为只读，这样就要特别注意一
定要将权限改回为只读，不然“sudo”命令就无法使用了，很悲剧的说
注2：添加 hadoop  ALL=(ALL)  ALL 的意义在于能让hadoop用户使用“sudo”命令 ）
三．配置阶段：
1、配置环境变量
1)、用gedit打开etc下的profile文件
sudo gedit /etc/profile
2)、在文件最后加入如下几行
export CLASSPATH=.:/usr/Java/jdk1.6.0_23/lib:/usr/Java/jdk1.6.0_23/jre/lib:$CLASSPATH
export PATH=.:/usr/Java/jdk1.6.0_23/bin:/usr/Java/jdk1.6.0_23/jre/bin:/usr/local/hadoop/bin:$PATH
(注1：以上所有jre项都不是必需的，可以不要
注2：在win中环境变量的值是以“;”号隔开的，而这里是“:”
注3：等号后面有个“.”别丢了，它表示当前目录）
3)、保存后关闭gedit，并重启机器
sudo reboot
注：网上也有说用source命令使环境变量立即生效的，但是本人在
实际操作时出了几次问题，所以建议重启机器最保险)
4)、重启后用hadoop用户登录，验证配置是否成功
java -version  (此语句执行后如显示了jdk版本的话说明配置成功，如果没有则需检查profile中路径是否正确）
（注：最好是用hadoop用户登录，因为以下步骤都是以此为前提的）
2、创建ssh-key
1)、确保网络通畅，然后装载ssh服务
sudo apt-get install openssh-server
（注：如果此语句执行失败且结果为“....包被占用”的话，那么应该是ubuntu的“更新管理器”正在后台更新，你可以选择等待或者关闭更新，更新管理器在“系统”菜单中，具体位置忘了.....）
2)、创建ssh-key，为rsa （网上文档中也有dsa的）
ssh-keygen -t rsa --P
（注1：此语句网上文档为 ssh-keygen -t rsa -P "" ，效果一样
注2：此语句执行后会要你填写key的保存位置，直接照着系统给出的那个默认位置填，也就是括号里的那个路径，如果全都照此文档操作的话那么括号中路径应该为"/home/hadoop/.ssh/id_rsa"）
3)、将此ssh-key添加到信任列表中，并启用此ssh-key
cat /home/hadoop/.ssh/id_rsa.pub >> /home/hadoop/.ssh/authorized_keys
sudo /etc/init.d/ssh reload
3、配置hadoop
1)、进入到hadoop目录下，配置conf目录下的hadoop-env.sh中的JAVA_HOME
cd /usr/local/hadoop
sudo gedit conf/hadoop-env.sh
（打开后在文档的上部某行有“#export JAVA_HOME=...”字样的地方，去掉“#”，
然后在等号后面填写你的jdk路径，完全按此文档来的话应改为 "export JAVA_HOME=/usr/Java/jdk1.6.0_23" )
2)、配置conf目录下的core-site.xml
sudo gedit conf/core-site.xml
（打开后标签<configuration> </configuration>中是空的，所以在空的地方加入如下配置）
Xml代码 
1.<property> 
2.       <name>fs.default.name</name> 
3.       <value>hdfs://localhost:9000</value>  
4.</property> 
5. 
6. <property> 
7.       <name>dfs.replication</name> 
8.       <value>1</value>  
9.</property> 
10. 
11.<property>  
12.       <name>hadoop.tmp.dir</name> 
13.       <value>/home/hadoop/tmp</value>  
14.</property> 
3)、配置conf目录下的mapred-site.xml
sudo gedit conf/mapred-site.xml
（打开后标签<configuration> </configuration>中也是空的，添加如下配置）
Xml代码 
1.<property>  
2.      <name>mapred.job.tracker</name>  
3.      <value>localhost:9001</value> 
4. </property>  
四．运行测试阶段:
1、格式化namenode (首次运行必需滴)
1)、保证此时在hadoop目录下，如不在请先进入hadoop目录
cd /usr/local/hadoop
2)、格式化namenode
hadoop namenode -format
2、启动hadoop
1)、修改hadoop文件夹的权限，保证hadoop用户能正常访问其中的文件
sudo chown -hR hadoop /usr/local/hadoop
2)、启动hadoop
bin/start-all.sh
3)、验证hadoop是否正常启动
jps
（此语句执行后会列出已启动的东西NameNode,JobTracker,SecondaryNameNode...如果NameNode没有成功启动的话就要先执行"bin/stop-all.sh"停掉所有东西，然后重新格式化namenode，再启动）
3、跑wordcount
1)、准备需要进行wordcount的文件
sudo gedit /tmp/test.txt
(打开后随便输入一些内容，如"mu ha ha ni da ye da ye da"，然后保存退出）
2)、将准备的测试文件上传到dfs文件系统中的firstTest目录下
hadoop dfs -copyFromLocal /tmp/test.txt firstTest
（注：如dfs中不包含firstTest目录的话就会自动创建一个，关于查看dfs文件系统中已有目录的指令为"hadoop dfs -ls")
3、执行wordcount
hadoop jar hadoop-mapred-example0.21.0.jar wordcount firstTest result
（注：此语句意为“对firstTest下的所有文件执行wordcount，将统计结果输出到result文件夹中”，若result文件夹不存在则会自动创建一个）
4、查看结果
hadoop dfs -cat result/part-r-00000
（注：结果文件默认是输出到一个名为“part-r-*****”的文件中的，可用指令“hadoop dfs -ls result”查看result目录下包含哪些文件）