共计 4544 个字符，预计需要花费 12 分钟才能阅读完成。
近几年大数据越来越火热。由于工作需要以及个人兴趣，最近开始学习大数据相关技术。学习过程中的一些经验教训希望能通过博文沉淀下来，与网友分享讨论，作为个人备忘。
第一篇，在 Win7 虚拟机下搭建 Hadoop2.6.0 伪分布式环境。
1. 所需要的软件
使用 VMware 11.0 搭建虚拟机，安装 Ubuntu 14.04.2 系统。
Jdk 1.7.0_80
Hadoop 2.6.0
2. 安装 VMware 和 Ubuntu
Windows 7 下用 VMware Workstation 10 虚拟机安装 Ubuntu 14.04 http://www.linuxidc.com/Linux/2014-04/100473.htm
3. 在 Ubuntu 中安装 JDK
将 jdk 解压缩到目录：/home/vm/tools/jdk
在~/.bash_profile 中配置环境变量，并通过 source ~/.bash_profile 生效。
#java export JAVA_HOME=/home/vm/tools/jdk export JRE_HOME=/home/vm/tools/jdk/jre export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH export CLASSPATH=$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH |
检验 jdk 安装是否成功。
4. 配置 ssh 信任关系，实现无密码登录
4.1 安装 ssh
Ubuntu 默认安装了 ssh 客户端，但没有安装 ssh 服务端，因此可以通过 apt-get 安装。
安装 ssh-server：sudo apt-get install openssh-server
如果没有 ssh 客户端，也可以通过 apt-get 安装。
安装 ssh-client：sudo apt-get install openssh-client
启动 ssh-server：sudo service ssh start
启动以后，通过 ps –aux | grep sshd 查看 ssh 服务器是否安装成功。
SSH 服务远程访问 Linux 服务器登陆慢 http://www.linuxidc.com/Linux/2011-08/39742.htm
提高 Ubuntu 的 SSH 登陆认证速度的办法 http://www.linuxidc.com/Linux/2014-09/106810.htm
开启 SSH 服务让 Android 手机远程访问 Ubuntu 14.04 http://www.linuxidc.com/Linux/2014-09/106809.htm
如何为 Linux 系统中的 SSH 添加双重认证 http://www.linuxidc.com/Linux/2014-08/105998.htm
在 Linux 中为非 SSH 用户配置 SFTP 环境 http://www.linuxidc.com/Linux/2014-08/105865.htm
Linux 上 SSH 服务的配置和管理 http://www.linuxidc.com/Linux/2014-06/103627.htm
SSH 入门学习基础教程 http://www.linuxidc.com/Linux/2014-06/103008.htm
SSH 免密码登录详解 http://www.linuxidc.com/Linux/2015-03/114709.htm
4.2 配置 ssh 信任关系
生成机器 A 的公私密钥对：ssh-keygen -t rsa，之后一路回车。在~/.ssh 目录下生成公钥 id_rsa.pub，私钥 id_ras。
拷贝机器 A 的 id_rsa.pub 到机器 B 的认证文件中：
cat id_rsa.pub >> ~/.ssh/authorized_keys
这时候机器 A 到机器 B 的信任关系就建立好了，此时在机器 A 可以不需要密码直接 ssh 登录机器 B 了。
本例中机器 A 和 B 是同一台机器，配置 ssh 信任关系以后可以使用 ssh localhost 或者 ssh 机器 IP 地址来验证。
5. 安装 Hadoop2.6.0
5.1 解压 Hadoop2.6.0
从官网下载 hadoop-2.6.0.tar.gz，解压到目录 /home/vm/tools/hadoop，并配置~/.bash_profile 环境变量。通过 source ~/.bash_profile 生效。
#hadoop export HADOOP_HOME=/home/vm/tools/hadoop export PATH=$HADOOP_HOME/bin:$PATH export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native export HADOOP_OPTS=”-Djava.library.path=$HADOOP_HOME/lib” |
5.2 修改配置文件
修改 $HADOOP_HOME/etc/hadoop/hadoop-env.sh 和 yarn-evn.sh，配置 JAVA_HOME 路径：
修改 $HADOOP_HOME/etc/hadoop/slaves，增加本机 IP 地址：
cat “192.168.62.129” >> slaves
修改 $HADOOP_HOME/etc/hadoop/ 下的几个重要的 *-site.xml：
core-site.xml 192.168.62.129 是我虚拟机的 IP 地址
<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://192.168.62.129:9000</value> </property> <property> <name>hadoop.tmp.dir</name> <value>file:/home/vm/app/hadoop/tmp</value> <description>a base for other temporary directories.</description> </property> </configuration> |
hdfs-site.xml
<configuration> <property> <name>dfs.replication</name> <value>1</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>file:/home/vm/app/hadoop/dfs/nn</value> </property> <property> <name>dfs.namenode.data.dir</name> <value>file:/home/vm/app/hadoop/dfs/dn</value> </property> <property> <name>dfs.permissions</name> <value>false</value> <description> permission checking is turned off </description> </property> </configuration> |
mapred-site.xml
<configuration> <property> <name>mapred.job.tracker</name> <value>hdfs://192.168.62.129:9001</value> </property> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration> |
yarn-site.xml
<configuration> <!– Site specific YARN configuration properties –> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration> |
5.3 格式化文件系统
在 $HADOOP_HOME 下执行 bin/hdfs namenode –format格式化文件系统
5.4 启停
在 $HADOOP_HOME 下执行sbin/start-dfs.sh 和 sbin/start-yarn.sh 启动 hadoop 集群， 执行sbin/stop-dfs.sh 和 sbin/stop-yarn.sh 停止 hadoop 集群。
启动过程例如：
启动完毕进程如下：
6. 查询集群信息
8088 端口，查看 All Applications 信息：
50070 端口，查看 hdfs 信息：
7. 验证 hadoop 环境搭建是否成功
7.1 验证 hdfs 是否正常
可以使用各种 hdfs 命令测试。例如：
hdfs dfs -ls ./
hdfs dfs -put file.1 ./
hdfs dfs -get ./file1
hdfs dfs -rm -f ./file.1
hdfs dfs -cat ./file1
hdfs dfs -df -h
7.2 验证 map/reduce 计算框架是否正常
在 $HADOOP_HOME 目录下执行：bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount ./count_in/ ./count_out/
其中./count_in/ 提前在 hdfs 集群创建，统计该目录下所有文件的单词数量，输出到./count_out/ 目录。
执行过程示例如下：
执行完毕生成结果：
至此，Hadoop2.6.0 的伪分布式环境搭建完成。
Ubuntu14.04 下 Hadoop2.4.1 单机 / 伪分布式安装配置教程 http://www.linuxidc.com/Linux/2015-02/113487.htm
CentOS 安装和配置 Hadoop2.2.0 http://www.linuxidc.com/Linux/2014-01/94685.htm
Ubuntu 13.04 上搭建 Hadoop 环境 http://www.linuxidc.com/Linux/2013-06/86106.htm
Ubuntu 12.10 +Hadoop 1.2.1 版本集群配置 http://www.linuxidc.com/Linux/2013-09/90600.htm
Ubuntu 上搭建 Hadoop 环境（单机模式 + 伪分布模式）http://www.linuxidc.com/Linux/2013-01/77681.htm
Ubuntu 下 Hadoop 环境的配置 http://www.linuxidc.com/Linux/2012-11/74539.htm
单机版搭建 Hadoop 环境图文教程详解 http://www.linuxidc.com/Linux/2012-02/53927.htm
更多 Hadoop 相关信息见Hadoop 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=13
本文永久更新链接地址：http://www.linuxidc.com/Linux/2015-08/120942.htm
