實戰(zhàn)：如何在Linux上安裝與配置Hadoop
Hadoop的安裝非常簡單，大家可以在官網(wǎng)上下載到最近的幾個版本，網(wǎng)址為http://apache.etoak.com/hadoop/core/。
Hadoop最早是為了在Linux平臺上使用而開發(fā)的，但是Hadoop在UNIX、Windows和Mac OS X系統(tǒng)上也運行良好。不過，在Windows上運行Hadoop稍顯復(fù)雜，首先必須安裝Cygwin以模擬Linux環(huán)境，然后才能安裝Hadoop。
在Unix上安裝Hadoop的過程與在Linux上安裝基本相同，因此下面不會對其進行詳細介紹。
在Linux上安裝與配置Hadoop
在Linux上安裝Hadoop之前，需要先安裝兩個程序：
1. JDK 1.6或更高版本;
2. SSH(安全外殼協(xié)議)，推薦安裝OpenSSH。
下面簡述一下安裝這兩個程序的原因：
1. Hadoop是用Java開發(fā)的，Hadoop的編譯及MapReduce的運行都需要使用JDK。
2. Hadoop需要通過SSH來啟動salve列表中各臺主機的守護進程，因此SSH也是必須安裝的，即使是安裝偽分布式版本(因為Hadoop并沒有區(qū)分集群式和偽分布式)。對于偽分布式，Hadoop會采用與集群相同的處理方式，即依次序啟動文件conf/slaves中記載的主機上的進程，只不過偽分布式中salve為localhost(即為自身)，所以對于偽分布式Hadoop，SSH一樣是必須的。
一、安裝JDK 1.6
安裝JDK的過程很簡單，下面以Ubuntu為例。
(1)下載和安裝JDK
確?？梢赃B接到互聯(lián)網(wǎng)，輸入命令：
sudo apt-get install sun-java6-jdk
輸入密碼，確認，然后就可以安裝JDK了。
這里先解釋一下sudo與apt這兩個命令，sudo這個命令允許普通用戶執(zhí)行某些或全部需要root權(quán)限命令，它提供了詳盡的日志，可以記錄下每個用戶使用這個命令做了些什么操作;同時sudo也提供了靈活的管理方式，可以限制用戶使用命令。sudo的配置文件為/etc/sudoers。
apt的全稱為the Advanced Packaging Tool，是Debian計劃的一部分，是Ubuntu的軟件包管理軟件，通過apt安裝軟件無須考慮軟件的依賴關(guān)系，可以直接安裝所需要的軟件，apt會自動下載有依賴關(guān)系的包，并按順序安裝，在Ubuntu中安裝有apt的一個圖形化界面程序synaptic(中文譯名為“新立得”)，大家如果有興趣也可以使用這個程序來安裝所需要的軟件。(如果大家想了解更多，可以查看一下關(guān)于Debian計劃的資料。)
(2)配置環(huán)境變量
輸入命令：
sudo gedit /etc/profile
輸入密碼，打開profile文件。
在文件的最下面輸入如下內(nèi)容：
#set Java Environment
export JAVA_HOME= (你的JDK安裝位置，一般為/usr/lib/jvm/java-6-sun)
export CLASSPATH=".:$JAVA_HOME/lib:$CLASSPATH"
export PATH="$JAVA_HOME/:$PATH"
這一步的意義是配置環(huán)境變量，使你的系統(tǒng)可以找到JDK。
(3)驗證JDK是否安裝成功
輸入命令：
java -version
查看信息：
java version "1.6.0_14"
Java(TM) SE Runtime Environment (build 1.6.0_14-b08)
Java HotSpot(TM) Server VM (build 14.0-b16, mixed mode)
二、配置SSH免密碼登錄
同樣以Ubuntu為例，假設(shè)用戶名為u。
1)確認已經(jīng)連接上互聯(lián)網(wǎng)，輸入命令
sudo apt-get install ssh
2)配置為可以無密碼登錄本機。
首先查看在u用戶下是否存在.ssh文件夾(注意ssh前面有“.”，這是一個隱藏文件夾)，輸入命令：
ls -a /home/u
一般來說，安裝SSH時會自動在當前用戶下創(chuàng)建這個隱藏文件夾，如果沒有，可以手動創(chuàng)建一個。
接下來，輸入命令：
ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
解釋一下，ssh-keygen代表生成密鑰;-t(注意區(qū)分大小寫)表示指定生成的密鑰類型;dsa是dsa密鑰認證的意思，即密鑰類型;-P用于提供密語;-f指定生成的密鑰文件。(關(guān)于密鑰密語的相關(guān)知識這里就不詳細介紹了，里面會涉及SSH的一些知識，如果讀者有興趣，可以自行查閱資料。)
在Ubuntu中，~代表當前用戶文件夾，這里即/home/u。
這個命令會在.ssh文件夾下創(chuàng)建兩個文件id_dsa及id_dsa.pub，這是SSH的一對私鑰和公鑰，類似于鑰匙及鎖，把id_dsa.pub(公鑰)追加到授權(quán)的key里面去。
輸入命令：
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
這段話的意思是把公鑰加到用于認證的公鑰文件中，這里的authorized_keys是用于認證的公鑰文件。
至此無密碼登錄本機已設(shè)置完畢。
3)驗證SSH是否已安裝成功，以及是否可以無密碼登錄本機。
輸入命令：
ssh -version
顯示結(jié)果：
OpenSSH_5.1p1 Debian-6ubuntu2, OpenSSL 0.9.8g 19 Oct 2007
Bad escape character 'rsion'.
顯示SSH已經(jīng)安裝成功了。
輸入命令：
ssh localhost
會有如下顯示：
The authenticity of host 'localhost (::1)' can't be established.
RSA key fingerprint is 8b:c3:51:a5:2a:31:b7:74:06:9d:62:04:4f:84:f8:77.
Are you sure you want to continue connecting (yes/no)? yes
Warning: Permanently added 'localhost' (RSA) to the list of known hosts.
Linux master 2.6.31-14-generic #48-Ubuntu SMP Fri Oct 16 14:04:26 UTC 2009 i686
To access official Ubuntu documentation, please visit:
http://help.ubuntu.com/
Last login: Mon Oct 18 17:12:40 2010 from master
admin@Hadoop:~$
這說明已經(jīng)安裝成功，第一次登錄時會詢問你是否繼續(xù)鏈接，輸入yes即可進入。
實際上，在Hadoop的安裝過程中，是否無密碼登錄是無關(guān)緊要的，但是如果不配置無密碼登錄，每次啟動Hadoop，都需要輸入密碼以登錄到每臺機器的DataNode上，考慮到一般的Hadoop集群動輒數(shù)百臺或上千臺機器，因此一般來說都會配置SSH的無密碼登錄。
三、安裝并運行Hadoop
介紹Hadoop的安裝之前，先介紹一下Hadoop對各個節(jié)點的角色定義。
Hadoop分別從三個角度將主機劃分為兩種角色。第一，劃分為master和slave，即主人與奴隸;第二，從HDFS的角度，將主機劃分為NameNode和DataNode(在分布式文件系統(tǒng)中，目錄的管理很重要，管理目錄的就相當于主人，而NameNode就是目錄管理者);第三，從MapReduce的角度，將主機劃分為JobTracker和TaskTracker(一個job經(jīng)常被劃分為多個task，從這個角度不難理解它們之間的關(guān)系)。
Hadoop有官方發(fā)行版與cloudera版，其中cloudera版是Hadoop的商用版本，這里先介紹Hadoop官方發(fā)行版的安裝方法。
Hadoop有三種運行方式：單節(jié)點方式、單機偽分布方式與集群方式。乍看之下，前兩種方式并不能體現(xiàn)云計算的優(yōu)勢，在實際應(yīng)用中并沒有什么意義，但是在程序的測試與調(diào)試過程中，它們還是很有意義的。
你可以通過以下地址獲得Hadoop的官方發(fā)行版：
http://www.apache.org/dyn/closer.cgi/Hadoop/core/
下載Hadoop-0.20.2.tar.gz并將其解壓，這里會解壓到用戶目錄下，一般為：/home/[你的用戶名]/。
單節(jié)點方式配置：
安裝單節(jié)點的Hadoop無須配置，在這種方式下，Hadoop被認為是一個單獨的Java進程，這種方式經(jīng)常用來調(diào)試。
偽分布式配置：
你可以把偽分布式的Hadoop看做是只有一個節(jié)點的集群，在這個集群中，這個節(jié)點既是master，也是slave;既是NameNode也是DataNode;既是JobTracker，也是TaskTracker。
偽分布式的配置過程也很簡單，只需要修改幾個文件，如下所示。
進入conf文件夾，修改配置文件：
Hadoop-env.sh:
export JAVA_HOME=“你的JDK安裝地址”
指定JDK的安裝位置：
conf/core-site.xml:
這是Hadoop核心的配置文件，這里配置的是HDFS的地址和端口號。
conf/hdfs-site.xml:
這是Hadoop中HDFS的配置，配置的備份方式默認為3，在單機版的Hadoop中，需要將其改為1。
conf/mapred-site.xml:
這是Hadoop中MapReduce的配置文件，配置的是JobTracker的地址和端口。
需要注意的是，如果安裝的是0.20之前的版本，那么只有一個配置文件，即為Hadoop-site.xml。
接下來，在啟動Hadoop前，需格式化Hadoop的文件系統(tǒng)HDFS(這點與Windows是一樣的，重新分區(qū)后的卷總是需要格式化的)。進入Hadoop文件夾，輸入下面的命令：
bin/Hadoop NameNode -format
格式化文件系統(tǒng)，接下來啟動Hadoop。
輸入命令：
bin/start-all.sh(全部啟動)
最后，驗證Hadoop是否安裝成功。
打開瀏覽器，分別輸入網(wǎng)址：
http://localhost:50030 (MapReduce的Web頁面)
http://localhost:50070 (HDFS的Web頁面)
如果都能查看，說明Hadoop已經(jīng)安裝成功。
對于Hadoop來說，安裝MapReduce及HDFS都是必須的，但是如果有必要，你依然可以只啟動HDFS(start-dfs.sh)或MapReduce(start-mapred.sh)。
下載文檔
