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
略
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。
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。
