eclipse下安装hadoop伪分布式集群

1、下载JDK，最好是1.6版本之上的，下载jdk-6u38-linux-i586.bin后运行./jdk-6u38-linux-i586.bin，生成/home/download/jdk1.6.0_38

2、配置java环境变量，打开sudo vim /etc/profile文件，加入如下变量

　　　　　　export JAVA_HOME=/home/download/jdk1.6.0_38
　　　　　　export JRE_HOME=/home/download/jdk1.6.0_38/jre
　　　　　　export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
　　　　　　export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH

　 保存后使用java -version验证版本是否安装成功

3、安装配置SSH，使其能够自动登录无需密码

　　（1）下载安装SSH：同样在命令行输入下面命令安装SSH
　　    sudo apt-get install ssh
　　（2）配置无密码登录本机：在命令行输入下面两条命令
　　   $ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
         直接回车，完成后会在~/.ssh/生成两个文件：id_rsa和id_rsa.pub;这两个成对出现，类似钥匙和锁。
        
         再把id_rsa.pub追加到授权key里面（当前并没有authorized_keys文件）
         $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
   

　　（3）验证SSH是否安装成功
　　     输入 ssh localhost 。如果显示本机登录成功就表明安装成功。

4、关闭防火墙
   　　sudo ufw disable
   注意：这步非常重要，如果不关闭，会出现找不到datanode的问题

3、下载hadoop到/home/download，并解压tar -zxvf hadoop-0.20.2.tar.gz，生成/home/download/hadoop-0.20.2

　　 单节点配置：
　　 安装单节点的Hadoop无需配置，在这种方式下，Hadoop被认作为一个单独的Java进程。

　　 伪分布配置：
　　 伪分布的Hadoop是只有一个节点的集群。在这个集群中，计算机既是master也是slave，即使 namenode也是datanode，既是jobtracker也是tasktracker。

　　(1) 更改在hadoop中添加环境变量，打开hadoop-env.sh文件并添加

　　#insert the environment
　　export JAVA_HOME=/home/download/jdk1.6.0_38
　　export HADOOP_HOME=/home/download/hadoop-0.20.2
　　export PATH=$PATH:$HADOOP_HOME/bin

　　(2)设置core-site.xml

　　//指定namenode的主机名和端口(伪分布式就是本机)

　　<configuration>
       　　<property>
              　　<name>fs.default.name</name>
        　　　　<value>hdfs://localhost:9000/</value>
    　　   </property>
     　　 <property>
             　　<name>hadoop.tmp.dir</name>
        　　　<value>/home/download/hadoop-0.20.2/tmpdir</value>
       　　</property>
　　 </configuration>

         (3)设置hdfs-site.xml

　　  设置复制块的个数，一般默认为3个，但是在伪分布式下设置为1个(少于三台机器默认3都会出错)

         设置namenode和datanode存储位置

　　 <configuration>
        　　<property>
               　　<name>dfs.replication</name>
        　　　　<value>1</value>
    　　　</property> 
    　　    <property>
        　　　　<name>dfs.name.dir</name>
        　　　　<value>/home/download/hadoop-0.20.2/tmpdir/hdfs/name</value>
    　　    </property>
    　　    <property>
        　　　　<name>dfs.data.dir</name>
        　　　　<value>/home/download/hadoop-0.20.2/tmpdir/hdfs/data</value>
    　　　　</property>
　　　</configuration>

          (4) 设置mapred-site.xml

           主要是设置jobTracker的主机名、mapreduce零时存放文件的地方、系统路径

          <configuration>
    　   　　<property>
        　　　　 <name>mapred.job.tracker</name>
        　　  　　<value>localhost:9001</value>
    　　　　</property>
    　　　　<property>
        　　　　　<name>mapred.local.dir</name>
        　　　　　<value>/home/download/hadoop-0.20.2/tmpdir/mapred/local</value>
    　　　　</property>
    　　　　<property>
        　　　         <name>mapred.system.dir</name>
        　　　　　 <value>/home/download/hadoop-0.20.2/tmpdir/mapred/system</value>
                   </property>
　　　 </configuration>

4、格式化namenode、datanode并启动hadoop　

　　a、格式化Hadoop文件系统，在命令行输入命令：
　　bin/hadoop namenode -format
　　b、启动Hadoop，在命令行输入命令：
　　bin/start-all.sh　　(关闭时使用stop-all.sh)
　　c、验证Hadoop是否安装成功，在浏览器中输入下面网址，如果正常打开说明安装成功。
　　http://localhost:50030 (mapreduce的web页面)
　　http://localhost:50070 (hdfs的web页面)

5、查看hadoop进程启动情况

　　输入 $ jps  正常情况下应该有NameNode、SecondaryNameNode、DataNode、JobTracker、TaskTracker
6、运行wordcount实例
   (1)先在/home/download/test建立两个输入文件  file01和file02
   $echo "Hello World Bye World" > file01
   $echo "Hello Hadoop Goodbye Hadoop" > file02
  
   (2)在hdfs中建立一个input目录：$hadoop fs -mkdir input

　(3)将
   (3)将file01和file02拷贝到hdfs中：
      $hadoop fs -copyFromLocal /home/download/test/file* input
   (4)执行wordcount:
      $hadoop jar hadoop-0.20.2-examples.jar wordcount input output
   (5)完成之后，查看结果
      $hadoop fs -cat output/*