Hadoop学习笔记（一）——编译安装和配置

近期工作调动。打算补一下大数据处理的知识。可能会陆续涉及hadoop、mongodb、ddbs等。

首先Apache提供二进制的Hadoop版本号是32位的。在启动时总是有警告，所以想自己编译一遍。部分内容来源于网络。

0、环境说明：

操作系统环境：

ububtu 14.04 LTS 64位操作系统

JDK环境：

java version "1.7.0_55"
Java(TM) SE Runtime Environment (build 1.7.0_55-b13)
Java HotSpot(TM) 64-Bit Server VM (build 24.55-b03, mixed mode)

1、安装JDK

从ORACLE站点下载最新版本号JDK http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html。选择jdk-7uXX-linux-x64.tar.gz下载。
用tar -zxvf 命令解压，解压后考到一个目录，我放到了/usr/lib/jvm。因为是測试机，仅仅有我一个人用我把JDK的环境变量配置到了 /etc/profile也能够配置到~/.bashrc加入例如以下内容
```
export JAVA_HOME=/usr/lib/jvm
export JRE_HOME=/usr/lib/jvm/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$JAVA_HOME:$PATH
```
然后 source一下配置文件使他马上生效

2、安装编译依赖文件

sudo apt-get install g++ autoconf automake libtool make cmake zlib1g-dev pkg-config libssl-dev maven
之后还要安装 protobuf和findbugs，这两个仅仅要编译安装即可了非常easy，能够自行百度，

3、下载并编译Hadoop源代码

hadoop 2.2.0源代码下载地址 http://www.apache.org/dyn/closer.cgi/hadoop/common/

眼下的2.2.0 的Source Code 压缩包解压出来的code有个bug 须要patch后才干编译。

否则编译hadoop-auth 会提示错误。
须要改动以下的pom文件。该文件在hadoop源代码包下寻找：
hadoop-common-project/hadoop-auth/pom.xml
打开上面的的pom文件，在54行增加例如以下的依赖：

     <dependency>
       <groupId>org.mortbay.jetty</groupId>
      <artifactId>jetty-util</artifactId>
      <scope>test</scope>
     </dependency>
     <dependency>
       <groupId>org.mortbay.jetty</groupId>
       <artifactId>jetty</artifactId>
       <scope>test</scope>
     </dependency>

之后在源代码文件夹运行例如以下命令就可以，编译过程十分漫长，由于须要下载好多maven的依赖文件，须要耐心等待

mvn package -Pdist,native -DskipTests -Dtar

编译完之后将生成的tar$HADOOP_HOME/etc/hadoop包解压到一个文件夹安装就可以，我放到了/usr/local/hadoop文件夹下

并在配置hadoop的环境变量相同是运行vim /etc/profile 在最以下加入

export HADOOP_HOME=/usr/local/hadoop

export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop

4、配置hadoop为伪分布式模式

配置文件在$HADOOP_HOME/etc/hadoop下

首先是core-site.xml加入例如以下配置

<configuration>
    <property>  
      <name>hadoop.tmp.dir</name>  
      <value>/usr/local/hadoop/tmp</value>  
    </property>  
    <property>  
      <name>fs.defaultFS</name>  
      <value>hdfs://localhost:9000</value>  
      <final>true</final>  
    </property> 
</configuration>

yarn-site.xml加入例如以下配置

<configuration>
 
    <property>  
      <name>yarn.nodemanager.aux-services</name>  
      <value>mapreduce_shuffle</value>  
      <description>shuffle service that needsto be set for Map Reduce to run </description>  
    </property>  
       
    <property>  
      <name>yarn.resourcemanager.hostname</name>  
      <value>localhost</value>  
      <description>hostanem of RM</description>  
    </property> 
</configuration>

hdfx-site.xml加入入下配置。并建立配置中的目录

<configuration>
    <property>  
      <name>dfs.namenode.name.dir</name>  
      <value>file:/usr/local/hadoop/dfs/name</value>  
      <final>true</final>  
    </property>  
       
    <property>  
      <name>dfs.datanode.data.dir</name>  
      <value>file:/usr/local/hadoop/dfs/data</value>  
      <final>true</final>  
    </property>  
       
    <property>  
      <name>dfs.replication</name>  
      <value>1</value>  
    </property>  
       
    <property>  
      <name>dfs.permissions</name>  
      <value>false</value>  
    </property>  
</configuration>

mapred-site.xml加入例如以下配置

<configuration>
    <property>  
      <name>mapreduce.framework.name</name>  
      <value>yarn</value>  
    </property>  
    <property>  
      <name>mapred.system.dir</name>  
      <value>file:/usr/local/hadoop/mapred/system</value>  
      <final>true</final>  
    </property>  
       
    <property>  
      <name>mapred.local.dir</name>  
      <value>file:/usr/local/hadoop/mapred/local</value>  
      <final>true</final>  
    </property> 
</configuration>

之后能够在/usr/local/hadoop/sbin中运行 start-dfs.sh 假设出现类似以下结果则代表主从文件系统启动成功

Starting namenodes on [localhost]
localhost: starting namenode, logging to /usr/local/hadoop/logs/hadoop-yang-namenode-ubuntu.out
localhost: starting datanode, logging to /usr/local/hadoop/logs/hadoop-yang-datanode-ubuntu.out
Starting secondary namenodes [0.0.0.0]
0.0.0.0: starting secondarynamenode, logging to /usr/local/hadoop/logs/hadoop-yang-secondarynamenode-ubuntu.out

接着执行start-yarn.sh 假设没有错误将出现类似以下的结果

starting yarn daemons
starting resourcemanager, logging to /usr/local/hadoop/logs/yarn-yang-resourcemanager-ubuntu.out
localhost: starting nodemanager, logging to /usr/local/hadoop/logs/yarn-yang-nodemanager-ubuntu.out

至此hadoop安装配置阶段就完毕了。

假设有机会将会接着写hadoop mapreduce0基础编程，高级编程，hive等内容。