Hadoop快速入门

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。

Linux和Windows所需软件包括:

Windows下的附加软件需求

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 ssh $ sudo apt-get install rsync

在Windows平台上，如果安装cygwin时未安装全部所需软件，则需启动cyqwin安装管理器安装如下软件包：

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。

解压所下载的Hadoop发行版。编辑 conf/hadoop-env.sh文件，至少需要将JAVA_HOME设置为Java安装根路径。

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：

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 conf/*.xml input $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+' $ cat output/*

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。

使用如下的 conf/hadoop-site.xml:

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 dsa -P '' -f ~/.ssh/id_dsa $ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

格式化一个新的分布式文件系统： $ bin/hadoop namenode -format

启动Hadoop守护进程： $ bin/start-all.sh

Hadoop守护进程的日志写入到 ${HADOOP_LOG_DIR} 目录 (默认是 ${HADOOP_HOME}/logs).

浏览NameNode和JobTracker的网络接口，它们的地址默认为：

将输入文件拷贝到分布式文件系统： $ bin/hadoop fs -put conf input

运行发行版提供的示例程序： $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+'

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/hadoop fs -get output output $ cat output/*

或者

在分布式文件系统上查看输出文件： $ bin/hadoop fs -cat output/*

完成全部操作后，停止守护进程： $ bin/stop-all.sh

关于搭建完全分布式模式的，有实际意义的集群的资料可以在这里找到。

Java与JNI是Sun Microsystems, Inc.在美国以及其他国家地区的商标或注册商标。