二.hadoop环境搭建
目录：
目的
这篇文档的目的是帮助你快速完成单机上的Hadoop安装与使用以便你对Hadoop分布式文件系统(HDFS)和Map-Reduce框架有所体会，比如在HDFS上运行示例程序或简单作业等。
概述
- GNU/Linux是产品开发和运行的平台。 Hadoop已在有2000个节点的GNU/Linux主机组成的集群系统上得到验证。
- Win32平台是作为开发平台支持的。由于分布式操作尚未在Win32平台上充分测试，所以还不作为一个生产平台被支持。
- (1) JavaTM JDK1.5+，必须安装。(2)ssh 必须安装并且保证 sshd一直运行（以便用Hadoop 脚本管理远端Hadoop守护进程）。
安装软件
如果你的集群尚未安装所需软件，你得首先安装它们。
以Ubuntu Linux为例:
$ sudo apt-get install openssh-server
$ sudo apt-get install rsync
下载
为了获取Hadoop的发行版，从Apache的某个镜像服务器上下载最近的 稳定发行版。
运行Hadoop集群的准备工作
解压所下载的 Hadoop 发行版。编辑 etc/hadoop/hadoop-env.sh 文件，定义如下参数：
# 设置 Java 的安装目录
export JAVA_HOME=/usr/software/java/jdk1.8
尝试如下命令：
$ bin/hadoop
将会显示hadoop 脚本的使用文档。
现在你可以用以下三种支持的模式中的一种启动Hadoop集群：
- 单机模式
- 伪分布式模式
- 完全分布式模式
单机模式的操作方法
默认情况下，Hadoop被配置成以非分布式模式运行的一个独立Java进程。这对调试非常有帮助。
下面的实例将已解压的 conf 目录拷贝作为输入，查找并显示匹配给定正则表达式的条目。输出写入到指定的output目录。
$ mkdir input
$ cp etc/hadoop/*.xml input
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar grep input output 'dfs[a-z.]+'
$ cat output/*
输出结果如下：
2 dfs.replication 1 dfsadmin 1 dfs.name.dir 1 dfs.data.dir
伪分布式模式的操作方法
Hadoop 可以在单节点上以所谓的伪分布式模式运行，此时每一个 Hadoop 守护进程都作为一个独立的 Java 进程运行。
配置:
etc/hadoop/core-site.xml
<configuration>
<property>
<name>fs.defaultFS.name</name>
<value>hdfs://localhost:9000</value>
</property>
<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/software/hadoop/tmp</value>
</property>
</configuration>
附：配置fs.default.name的原因：http://blog.csdn.net/lisongjia123/article/details/77414189
etc/hadoop/hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
由于我们只有一台主机和一个为分部模式的datanode，所以dfs.replication值为1
免密码 ssh 设置（跟上一节的hadoop入门须知里一样）
现在确认 能否不输入口令就用 ssh 登录 localhost:
$ ssh localhost
如果不输入口令就无法用 ssh 登陆 localhost，执行下面的命令：
$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
执行
下面演示本地运行一个 MapReduce 的 job，以下是运行步骤。
（1）格式化一个新的分布式文件系统：
$ bin/hdfs namenode -format
（2）启动 NameNode 守护进程和 DataNode 守护进程：
$ sbin/start-dfs.sh
Hadoop 守护进程的日志写入到 $HADOOP_LOG_DIR目录（默认是 $HADOOP_HOME/logs）
（3）浏览 NameNode 的网络接口，它们的地址默认为：
NameNode - http://localhost:50070/
注意：这个http://localhost:50070/是在linux下的访问的localhost:50070,windows下要改成linux的http://[ip]:50070 来访问
（4）创建 HDFS 目录来执行 MapReduce 的 job：
$ bin/hdfs dfs -mkdir /user
$ bin/hdfs dfs -mkdir /user/<username>
（5）将输入文件拷贝到分布式文件系统：
$ bin/hdfs dfs -put input input
hadoop fs -put < local file > < hdfs file >//这一行 会在上个步骤的文件目录下，创建input文件夹
（6）运行发行版提供的示例程序：
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar grep input output 'dfs[a-z.]+'
此处，使用命令
$ bin/hdfs dfs -ls input 可以查看到input目录下刚拷贝的xml文件
$ bin/hdfs dfs -ls / 可以查看目录
如果报错output已存在，需要删除分布式系统中已存在的output文件夹
$ bin/hdfs dfs -ls 查看到分布式系统新建的文件夹，如input和步骤6生成的output文件夹
$ bin/hdfs dfs –rm –r output 可删除分布式系统output文件夹
附录：hadoop HDFS常用文件操作命令
（7）查看输出文件
将输出文件从分布式文件系统拷贝到本地文件系统查看：
$ bin/hdfs dfs -get output output
$ cat output/*
或者，在分布式文件系统上查看输出文件：
$ bin/hdfs dfs -cat output/*
（8）完成全部操作后，停止守护进程：
$ sbin/stop-dfs.sh
