许久之前就计划学习hadoop了，直到最近才提上日程。花费了一些时间才把centos下的hadoop搭起来，前后经历的“挫折”绝对可以写成数千字的血泪史了。既有被网上教程坑了的苦逼遭遇，也有教研室大超师兄和实习公司的泡哥的爱心支援。今天终于可以坐下来说说如何在Centos下安装hadoop并与Eclipse连接这个问题。
先说一下要准备哪些软件和信息：
VMware-workstation；
CentOS-6.0-i386-bin-DVD；
eclipse-jee-luna-SR1-win32；
hadoop-0.20.2；
jdk-6u27-linux-i586；
（由于hadoop对版本的要求较高，大家还是不要轻易更换版本，这里列出来的各种软件都是稳定发布版，网上很容易可以download到的）。
整个教程分为这样5个部分来说：1）在Windows下安装虚拟机Vmware，并新建一个虚拟机装好centos系统；2）centos下设置ssh服务无密码登录；3）centos下安装jdk，并配置环境变量；4）centos下安装hadoop，并配置文件；5）windows下安装jdk和eclipse，并将eclipse与centos下的hadoop连接。可以说这5个部分每一个都很重要，尤其是第4）步。下面我们就详细说一下每一步该怎么做。
Step 0: 请大家先在windows下新建一个普通用户，用户名为hadoop，我们所有的软件全在这个下面安装，用户名最好要是hadoop，因为这个要和后面很多username相同，设为hadoop比较好记。
首先，下载VMware-workstation并安装，这步骤和一般windows下安装软件的过程是一样的，入门小白也会熟练操作，这里就节省点儿空间给后面重要的步骤了~
然后，在Vmware的主页上新建一个虚拟机，如下图：
一路下一步，直到让你选择系统镜像路径，我们选择centos系统映像，如上图，点击下一步。然后，需要你输入linux的用户名，这个比较重要，最好填写hadoop，因为这个名字在后面要用到好多次！
后面还是一路的“下一步”，直到让你设置虚拟机的内存大小，建议为1024M。如上图。后面就是要选择和虚拟机的网络类型有关的设置了，建议为“使用网络地址转换NAT”，如下图。这一步我当时选择了自动桥接的功能，找了一个晚上的错误。。。时间就这样白花花的没了~~
之后还是一路的“下一步”，几乎都是使用它推荐的设置，我们就可以新建一个centos，等待个几分钟然后就可以进入centos界面了。看到那一抹科技蓝，有没有让你心动了呢~~哈哈哈，你确实走好了第一步！
在桌面右击，选择openin Terminal，这个就是linux的终端了。希望读者有一些linux操作系统的基础，这样子上手更快一些。不过要是没有的话，也没有关系，我们是面向新手的教程。
2.1. 先在linux命令行中输入su，提示密码，输入你自己设置的密码，这样子你后面的操作都具有了linux系统下的最高权限——root权限。
2.2. 在设置ssh无密码登录之前，有一个特别重要的要先出好：关闭SELinux。这是因为centos会自动阻止你修改sshservice，我们只有关闭SELinux，重启才能生效。如何做，如下：
修改/etc/selinux/config文件
将SELINUX=enforcing改为SELINUX=disabled
重启机器即可
（note：在linux下修改文件，vi命令后会进入到文件窗口，按i进入insert，修改完毕之后再按esc推出insert，输入；:wq!保存并退出~这里要感谢泡哥，改了半天都不行，还是泡哥指点迷津了~~）
2.3. 在linux命令行里输入：ssh-keygen -t rsa，然后一路回车。
root@hadoopName-desktop:~$ssh-keygen -t rsa
Generating public/private rsakey pair.
Enterfile in which to save the key (/home/zhangtao/.ssh/id_rsa): //密钥保存位置，直接回车保持默认；
Createddirectory '/home/zhangtao/.ssh'.
Enter passphrase(empty for no passphrase): //设置密钥的密码，空密码直接回车即可；
Enter samepassphrase again: //确认上一步设置的密码。
然后进入 /root/.ssh/下面，会看到两个文件 id_rsa.pub，id_rsa，
然后执行cp id_rsa.pub authorized_keys
然后 ssh localhost 验证是否成功，第一次要你输入yes，以后就不需要了。
如下图，由于我又验证了一次，所以还需要输入y，如果你是第一次验证是不要的。
至此，ssh服务无密码登录设置完毕！
这一步中可以分为两步：安装jdk、配置jdk环境变量。
3.1. 第一步：root 用户登陆，使用命令mkdir /usr/program新建目录/usr/program ,下载 JDK 安装包jdk-6u13-linux-i586.bin，将其复制到目录/usr/program下，用cd命令进入该目录，执行命令“./ jdk-6u13-linux-i586.bin”，命令运行完毕即安装完成，将在目录下生成文件夹/jdk1.6.0_13，此即为jdk被成功安装到目录：/usr/program/jdk1.6.0_13下。
3.2. root 用户登陆，命令行中执行命令“vi/etc/profile”,并加入以下内容，配置环境变量(注意/etc/profile这个文件很重要，后面 Hadoop 的配置还会用到)。
# set java environment
exportJAVA_HOME=/usr/program/jdk1.6.0_27
exportJRE_HOME=/usr/program/jdk1.6.0_27/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
在vi编辑器增加以上内容后保存退出，并执行以下命令使配置生效！
#chmod +x /etc/profile ；增加执行权限
#source /etc/profile；使配置生效！
配置完毕后，在命令行中输入：java -version，就会出现安装jdk的信息。
这时，jdk的安装和配置环境变量就成功了~
4.1.安装hadoop之前要先知道你的centos中的ip地址：在终端中输入ifconfig就可以查看ip地址了。如下图：（我的是192.168.154.129）
4.2.下载 hadoop-0.20.2.tar.gz，将其拷贝到/usr/local/hadoop 目录下，然后在该目录/usr/local/hadoop下解压安装生成文件/hadoop-0.20.2（即为hadoop被安装到/usr/local/hadoop/ hadoop-0. 20.2文件夹下）。
命令如下: tar -zxvf hadoop-0.20.2.tar.gz 解压安装一步完成！
4.3.首先配置hadoop的环境变量
命令“vi /etc/profile”
#set hadoop
export HADOOP_HOME=/usr/hadoop/hadoop-0.20.2
export PATH=$HADOOP_HOME/bin:$PATH
命令：source /etc/profile 使刚配置的文件生效！
进入/usr/local/hadoop/hadoop-0.20.2/conf，配置Hadoop配置文件
4.4. 配置hadoop-env.sh文件
打开文件命令：vihadoop-env.sh
添加 # set javaenvironment
export JAVA_HOME=/usr/program/jdk1.6.0_27
编辑后保存退出（提示，输入:wq!）。其实仔细找一下就会发现hadoop-env.sh文件中本身就有JAVA_HOME这行，我们只需要把前面的注释#取消，然后修改HOME的地址就好。如下图所示：
4.5. 配置core-site.xml
[root@master conf]# vi core-site.xml
（note：hdfs后面的一定要是你的centos的IP地址，这就是为什么要在上面先ifconfig得到ip地址的原因。有些教程说的那种localhost，是不正确的！后面和eclipse会连接不上！！这里又消耗了一个晚上的时间。。。）
如下图所示：
说明：hadoop分布式文件系统的两个重要的目录结构，一个是namenode上名字空间的存放地方，一个是datanode数据块的存放地方，还有一些其他的文件存放地方，这些存放地方都是基于hadoop.tmp.dir目录的，比如namenode的名字空间存放地方就是 ${hadoop.tmp.dir}/dfs/name,datanode数据块的存放地方就是${hadoop.tmp.dir}/dfs/data，所以设置好hadoop.tmp.dir目录后，其他的重要目录都是在这个目录下面，这是一个根目录。我设置的是 /usr/local/hadoop/hadoop-0.20.2/hadooptmp,当然这个目录必须是存在的。
4.6. 配置hdfs-site.xml
"hdfs-site.xml" 15L, 331C
（note：其中dfs.replication的value为1是因为我们这里配置的是单机伪分布式，只有一台机子~后面的dfs.permissions是为了让用户有权限~）
4.7. 配置mapred-site.xml
[root@master conf]# vi mapred-site.xml
如下图：
4.8. masters文件和slaves文件（一般此二文件的默认内容即为下述内容，无需重新配置）
[root@hadoop conf]# vi masters
192.168.154
[root@hadoop conf]# vi slaves
192.168.154
注：因为在伪分布模式下，作为master的namenode与作为slave的datanode是同一台服务器，所以配置文件中的ip是一样的。
4.9. 主机名和IP解析配置 (这一步非常重要！！！)
首先[root@hadoop~]# vi /etc/hosts，
然后[root@hadoop~]# vi /etc/hostname，
最后[root@hadoop~]# vi /etc/sysconfig/network。
说明：这三个位置的配置必须协调一致，Hadpoop才能正常工作！主机名的配置非常重要！
4.9. 启动hadoop
进入 /usr/local/hadoop/hadoop-0.20.2/bin目录下，输入hadoop namenode -format格式化namenode。
启动hadoop所有进程，输入start-all.sh：
验证hadoop有没有起来，输入jps：
如果红圈中的Tasktracker, JobTracker, DataNode, Namenode都起来了，说明你的hadoop安装成功！
说明：1.secondaryname是namenode的一个备份，里面同样保存了名字空间和文件到文件块的map关系。建议运行在另外一台机器上，这样master死掉之后，还可以通过secondaryname所在的机器找回名字空间，和文件到文件块得map关系数据，恢复namenode。
2.启动之后，在/usr/local/hadoop/hadoop-1.0.1/hadooptmp 下的dfs文件夹里会生成 data目录，这里面存放的是datanode上的数据块数据，因为笔者用的是单机，所以name 和 data 都在一个机器上，如果是集群的话，namenode所在的机器上只会有name文件夹，而datanode上只会有data文件夹。
在windows下安装jdk这个很简单，之间下载windows下的jdk安装即可。Eclipse直接把安装包解压即可使用。我们主要说一下如何将eclipse与hadoop连接。
5.1.首先在要关闭linux的防火墙；
连接之前要关闭linux的防火墙，不然在eclipse的project中会一直提示“listing folder content…”，导致连接不上。关闭防火墙的方法如下：
输入命令：chkconfig iptables off，然后reboot重启即可。
重启之后，输入命令：/etc.init.d/iptables status就可以查看防火墙关闭的状态了。（显示“iptables: Firewall is not running.”）
5.2.插件安装和配置eclipse参数
下载插件hadoop-eclipse-plugin-0.20.3-SNAPSHOT，放到eclipse下的plugins文件夹中，重启eclipse就可以找到project explorer一栏中的DFS locations。如下图：
在windows- preferences中会多出一个hadoopmap/reduce选项,选中这个选项,然后把下载的hadoop根目录选中。
在视图中打开map/reducelocation，你会发现在下面的Location区域会出现黄色大象图标。在Loctaion空白区域，右击：New Hadoop Location…
配置general的参数，具体如下：
点击finish，关闭eclipse，再重启eclipse，会发现在Location区域有一个紫色的大象，右击它edit，配置Advanced parameters的参数。（注意，这儿不断关闭、重启eclipse的过程一定要严格执行，不然在advanced parameters页会有一些参数不出来~）
设置advancedparameters页的参数是最耗费时间的，总共需要修改3个参数，当时一开始的时候发现它的页面下找不到：
第一个参数：hadoop.tmp.dir。这个默认是/tmp/hadoop-{user.name},因为我们在ore-defaulte.xml 里hadoop.tmp.dir设置的是/usr/local/hadoop/hadoop-0.20.2/hadooptmp，所以这里我们也改成/usr/local/hadoop/hadoop-0.20.2/hadooptmp,其他基于这个目录属性也会自动改；
第二个参数：dfs.replication。这个这里默认是3，因为我们再hdfs-site.xml里面设置成了1，所以这里也要设置成1；
第三个参数：hadoop.job.ugi。这里要填写：hadoop,Tardis，逗号前面的是连接的hadoop的用户，逗号后面就写Tardis。
（note：这里要说一下，一般而言第一个参数hadoop.tmp.dir很好出来，你按照前面的步骤重启eclipse，在advanced paramters页面就可以直接找到它，修改即可；后面两个参数比较难出来，其中hadoop.job.ugi参数，一定要保证linux的用户名和windows的用户名相同才会有，不然是找不到的。直到现在我也不知道为什么有的时候就是找不到这两个参数，只有多关闭-重启eclipse几次，多试一试，网上的教程一直没有涉及到这个情况）
5.3.project目录下会展示hadoop的hdfs的文件目录
按照上面设置好之后，我们会在project中发现hadoop中最重要的hdfs目录已经展示出来了。如下图：
至此，hadoop与eclipse就成功的连接上了。我们的教程也就完整结束，下一次我们再说说怎么让eclipse上的WordCount程序，放在hadoop中运行。
京公网安备 11010802040832号 | 京ICP备19059560号-6 