Hadoop偽分布配置與基于Eclipse開發環境搭建

作者：loki_lan 2014-09-04 09:35:17

最近一直在摸索Hadoop2的配置，因為Hadoop2對原有的一些框架API做了調整，但也還是兼容舊版本的（包括配置）。像我這種就喜歡用新的東西的人，當然要嘗一下鮮了，現在網上比較少新版本的配置教程，那么下面我就來分享一下我自己的實戰經驗，如有不正確的地歡迎指正。

1、開發配置環境：

開發環境：Win7（64bit）+Eclipse（kepler service release 2）

配置環境：Ubuntu Server 14.04.1 LTS（64-bit only）

輔助工具：WinSCP + Putty

Hadoop版本：2.5.0

Hadoop的Eclipse開發插件（2.x版本適用）：http://pan.baidu.com/s/1eQy49sm

服務器端JDK版本：OpenJDK7.0

以上所有工具請自行下載安裝。

2、Hadoop服務端配置（Master節點）

最近一直在摸索Hadoop2的配置，因為Hadoop2對原有的一些框架API做了調整，但也還是兼容舊版本的（包括配置）。像我這種就喜歡用新的東西的人，當然要嘗一下鮮了，現在網上比較少新版本的配置教程，那么下面我就來分享一下我自己的實戰經驗，如有不正確的地歡迎指正:)。

假設我們已經成功地安裝了Ubuntu Server、OpenJDK、SSH，如果還沒有安裝的話請先安裝，自己網上找一下教程，這里我就說一下SSH的無口令登陸設置。首先通過

$ ssh localhost

測試一下自己有沒有設置好無口令登陸，如果沒有設置好，系統將要求你輸入密碼，通過下面的設置可以實現無口令登陸，具體原理請百度谷歌：

$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa  
$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

其次是Hadoop安裝（假設已經安裝好OpenJDK以及配置好了環境變量），到Hadoop官網下載一個Hadoop2.5.0版本的下來，好像大概有100多M的tar.gz包，下載下來后自行解壓，我的是放在/usr/mywind下面，Hadoop主目錄完整路徑是/usr/mywind/hadoop，這個路徑根據你個人喜好放吧。

解壓完后，打開hadoop主目錄下的etc/hadoop/hadoop-env.sh文件，在最后面加入下面內容：

# set to the root of your Java installation  
  export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64  
    
# Assuming your installation directory is /usr/mywind/hadoop  
export HADOOP_PREFIX=/usr/mywind/hadoop

為了方便起見，我建設把Hadoop的bin目錄及sbin目錄也加入到環境變量中，我是直接修改了Ubuntu的/etc/environment文件，內容如下：

PATH="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/usr/lib/jvm/java-7-openjdk-amd64/bin:/usr/mywind/hadoop/bin:/usr/mywind/hadoop/sbin" 
JAVA_HOME="/usr/lib/jvm/java-7-openjdk-amd64" 
CLASSPATH=".:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar"

也可以通過修改profile來完成這個設置，看個人習慣咯。假如上面的設置你都完成了，可以在命令行里面測試一下Hadoop命令，如下圖：

假如你能看到上面的結果，恭喜你，Hadoop安裝完成了。接下來我們可以進行偽分布配置（Hadoop可以在偽分布模式下運行單結點）。

接下來我們要配置的文件有四個，分別是/usr/mywind/hadoop/etc/hadoop目錄下的yarn-site.xml、mapred-site.xml、hdfs-site.xml、core-site.xml（注意：這個版本下默認沒有yarn-site.xml文件，但有個yarn-site.xml.properties文件，把后綴修改成前者即可），關于yarn新特性可以參考官網或者這個文章http://www.ibm.com/developerworks/cn/opensource/os-cn-hadoop-yarn/。

首先是core-site.xml配置HDFS地址及臨時目錄（默認的臨時目錄在重啟后會刪除）：

<configuration> 
    <property> 
        <name>fs.defaultFS</name> 
        <value>hdfs://192.168.8.184:9000</value> 
         <description>same as fs.default.name</description> 
    </property> 
     <property> 
       <name>hadoop.tmp.dir</name> 
       <value>/usr/mywind/tmp</value> 
        <description>A base for other temporary directories.</description> 
     </property> 
</configuration>

然后是hdfs-site.xml配置集群數量及其他一些可選配置比如NameNode目錄、DataNode目錄等等：

<configuration> 
     <property> 
        <name>dfs.namenode.name.dir</name> 
        <value>/usr/mywind/name</value> 
        <description>same as dfs.name.dir</description> 
     </property> 
     <property> 
        <name>dfs.datanode.data.dir</name> 
        <value>/usr/mywind/data</value> 
        <description>same as dfs.data.dir</description> 
     </property> 
     <property> 
        <name>dfs.replication</name> 
        <value>1</value> 
        <description>same as old frame,recommend set the value as the cluster DataNode host numbers!</description> 
     </property> 
</configuration>

接著是mapred-site.xml配置啟用yarn框架：

<configuration> 
    <property> 
        <name>mapreduce.framework.name</name> 
        <value>yarn</value> 
    </property> 
</configuration>

最后是yarn-site.xml配置NodeManager:

<configuration> 
 <!-- Site specific YARN configuration properties -->   
  <property>   
         <name>yarn.nodemanager.aux-services</name>   
         <value>mapreduce_shuffle</value>   
  </property>   
</configuration>

注意，網上的舊版本教程可能會把value寫成mapreduce.shuffle，這個要特別注意一下的，至此我們所有的文件配置都已經完成了，下面進行HDFS文件系統進行格式化：

$ hdfs namenode -format

然后啟用NameNode及DataNode進程：

$ start-yarn.sh

然后創建hdfs文件目錄

$ hdfs dfs -mkdir /user  
$ hdfs dfs -mkdir /user/a01513

注意，這個a01513是我在Ubuntu上的用戶名，最好保持與系統用戶名一致，據說不一致會有許多權限等問題，我之前試過改成其他名字，報錯，實在麻煩就改成跟系統用戶名一致吧。

然后把要測試的輸入文件放在文件系統中：

$ hdfs dfs -put /usr/mywind/psa input

文件內容是Hadoop經典的天氣例子的數據：

12345679867623119010123456798676231190101234567986762311901012345679867623119010123456+001212345678903456  
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456+011212345678903456  
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456+021212345678903456  
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456+003212345678903456  
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456+004212345678903456  
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456+010212345678903456  
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456+011212345678903456  
12345679867623119010123456798676231190501234567986762311901012345679867623119010123456+041212345678903456  
12345679867623119010123456798676231190501234567986762311901012345679867623119010123456+008212345678903456

把文件拷貝到HDFS目錄之后，我們可以通過瀏覽器查看相關的文件及一些狀態：

http://192.168.8.184:50070/

這里的IP地址根據你實際的Hadoop服務器地址啦。

好吧，我們所有的Hadoop后臺服務搭建跟數據準備都已經完成了，那么我們的M/R程序也要開始動手寫了，不過在寫當然先配置開發環境了。

3、基于Eclipse的Hadoop2.x開發環境配置

關于JDK及ECLIPSE的安裝我就不再介紹了，相信能玩Hadoop的人對這種配置都已經再熟悉不過了，如果實在不懂建議到谷歌百度去搜索一下教程。假設你已經把Hadoop的Eclipse插件下載下來了，然后解壓把jar文件放到Eclipse的plugins文件夾里面：

重啟Eclipse即可。

然后我們再安裝Hadoop到Win7下，在這不再詳細說明，跟安裝JDK大同小異，在這個例子中我安裝到了E:\hadoop。

啟動Eclipse，點擊菜單欄的【Windows/窗口】→【Preferences/首選項】→【Hadoop Map/Reduce】,把Hadoop Installation Directory設置成開發機上的Hadoop主目錄：

點擊OK。

開發環境配置完成，下面我們可以新建一個測試Hadoop項目，右鍵【NEW/新建】→【Others、其他】，選擇Map/Reduce Project

輸入項目名稱點擊【Finish/完成】：

創建完成后可以看到如下目錄：

然后在SRC下建立下面包及類：

#p#

以下是代碼內容：

TestMapper.java

package com.my.hadoop.mapper;  
    
import java.io.IOException;  
    
import org.apache.commons.logging.Log;  
import org.apache.commons.logging.LogFactory;  
import org.apache.hadoop.io.IntWritable;  
import org.apache.hadoop.io.LongWritable;  
import org.apache.hadoop.io.Text;  
import org.apache.hadoop.mapred.MapReduceBase;  
import org.apache.hadoop.mapred.Mapper;  
import org.apache.hadoop.mapred.OutputCollector;  
import org.apache.hadoop.mapred.Reporter;  
    
public class TestMapper extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable> {  
         private static final int MISSING = 9999;  
         private static final Log LOG = LogFactory.getLog(TestMapper.class);  
    
          public void map(LongWritable key, Text value, OutputCollector<Text, IntWritable> output,Reporter reporter)  
               throws IOException {  
             String line = value.toString();  
             String year = line.substring(15, 19);  
             int airTemperature;  
             if (line.charAt(87) == '+') { // parseInt doesn't like leading plus signs  
               airTemperature = Integer.parseInt(line.substring(88, 92));  
             } else {  
               airTemperature = Integer.parseInt(line.substring(87, 92));  
             }  
             LOG.info("loki:"+airTemperature);  
             String quality = line.substring(92, 93);  
             LOG.info("loki2:"+quality);  
             if (airTemperature != MISSING && quality.matches("[012459]")) {  
               LOG.info("loki3:"+quality);  
               output.collect(new Text(year), new IntWritable(airTemperature));  
             }  
           }  
    
}

TestReducer.java

package com.my.hadoop.reducer;  
    
import java.io.IOException;  
import java.util.Iterator;  
    
import org.apache.hadoop.io.IntWritable;  
import org.apache.hadoop.io.Text;  
import org.apache.hadoop.mapred.MapReduceBase;  
import org.apache.hadoop.mapred.OutputCollector;  
import org.apache.hadoop.mapred.Reporter;  
import org.apache.hadoop.mapred.Reducer;  
    
public class TestReducer extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> {  
    
         @Override 
           public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output,Reporter reporter)  
               throws IOException{  
             int maxValue = Integer.MIN_VALUE;  
             while (values.hasNext()) {  
               maxValue = Math.max(maxValue, values.next().get());  
             }  
             output.collect(key, new IntWritable(maxValue));  
           }  
    
}

TestHadoop.java

package com.my.hadoop.test.main;  
    
import org.apache.hadoop.fs.Path;  
import org.apache.hadoop.io.IntWritable;  
import org.apache.hadoop.io.Text;  
import org.apache.hadoop.mapred.FileInputFormat;  
import org.apache.hadoop.mapred.FileOutputFormat;  
import org.apache.hadoop.mapred.JobClient;  
import org.apache.hadoop.mapred.JobConf;  
    
import com.my.hadoop.mapper.TestMapper;  
import com.my.hadoop.reducer.TestReducer;  
    
public class TestHadoop {  
           
         public static void main(String[] args) throws Exception{  
                     
                   if (args.length != 2) {  
                         System.err  
                             .println("Usage: MaxTemperature <input path> <output path>");  
                         System.exit(-1);  
                       }  
                   JobConf job = new JobConf(TestHadoop.class);  
             job.setJobName("Max temperature");  
             FileInputFormat.addInputPath(job, new Path(args[0]));  
             FileOutputFormat.setOutputPath(job, new Path(args[1]));  
             job.setMapperClass(TestMapper.class);  
             job.setReducerClass(TestReducer.class);  
             job.setOutputKeyClass(Text.class);  
             job.setOutputValueClass(IntWritable.class);  
             JobClient.runJob(job);  
         }  
           
}

為了方便對于Hadoop的HDFS文件系統操作，我們可以在Eclipse下面的Map/Reduce Locations窗口與Hadoop建立連接，直接右鍵新建Hadoop連接即可：

連接配置如下：

然后點擊完成即可，新建完成后，我們可以在左側目錄中看到HDFS的文件系統目錄：

這里不僅可以顯示目錄結構，還可以對文件及目錄進行刪除、新增等操作，非常方便。

當上面的工作都做好之后，就可以把這個項目導出來了（導成jar文件放到Hadoop服務器上運行）：

點擊完成，然后把這個testt.jar文件上傳到Hadoop服務器（192.168.8.184）上，目錄（其實可以放到其他目錄，你自己喜歡）是：

/usr/mywind/hadoop/share/hadoop/mapreduce

如下圖：

4、運行Hadoop程序及查看運行日志

當上面的工作準備好了之后，我們運行自己寫的Hadoop程序很簡單：

$ hadoop  jar  /usr/mywind/hadoop/share/hadoop/mapreduce/testt.jar com.my.hadoop.test.main.TestHadoop   input  output

注意這是output文件夾名稱不能重復哦，假如你執行了一次，在HDFS文件系統下面會自動生成一個output文件夾，第二次運行時，要么把output文件夾先刪除（$ hdfs dfs -rmr /user/a01513/output），要么把命令中的output改成其他名稱如output1、output2等等。

如果看到以下輸出結果，證明你的運行成功了：

a01513@hadoop :~$ hadoop jar /usr/mywind/hadoop/share/hadoop/mapreduce/testt.jar                                                                              com.my.hadoop.test.main.TestHadoop input output  
14/09/02 11:14:03 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0                                                                             :8032  
14/09/02 11:14:04 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0                                                                             :8032  
14/09/02 11:14:04 WARN mapreduce.JobSubmitter: Hadoop command-line option parsin                                                                             g not performed. Implement the Tool interface and execute your application with                                                                              ToolRunner to remedy this.  
14/09/02 11:14:04 INFO mapred.FileInputFormat: Total input paths to process : 1  
14/09/02 11:14:04 INFO mapreduce.JobSubmitter: number of splits:2  
14/09/02 11:14:05 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_14                                                                             09386620927_0015  
14/09/02 11:14:05 INFO impl.YarnClientImpl: Submitted application application_14                                                                             09386620927_0015  
14/09/02 11:14:05 INFO mapreduce.Job: The url to track the job: http://hadoop:80                                                                             88/proxy/application_1409386620927_0015/  
14/09/02 11:14:05 INFO mapreduce.Job: Running job: job_1409386620927_0015  
14/09/02 11:14:12 INFO mapreduce.Job: Job job_1409386620927_0015 running in uber mode : false  
14/09/02 11:14:12 INFO mapreduce.Job:  map 0% reduce 0%  
14/09/02 11:14:21 INFO mapreduce.Job:  map 100% reduce 0%  
14/09/02 11:14:28 INFO mapreduce.Job:  map 100% reduce 100%  
14/09/02 11:14:28 INFO mapreduce.Job: Job job_1409386620927_0015 completed successfully  
14/09/02 11:14:29 INFO mapreduce.Job: Counters: 49  
        File System Counters  
                FILE: Number of bytes read=105 
                FILE: Number of bytes written=289816 
                FILE: Number of read operations=0 
                FILE: Number of large read operations=0 
                FILE: Number of write operations=0 
                HDFS: Number of bytes read=1638 
                HDFS: Number of bytes written=10 
                HDFS: Number of read operations=9 
                HDFS: Number of large read operations=0 
                HDFS: Number of write operations=2 
        Job Counters  
                Launched map tasks=2 
                Launched reduce tasks=1 
                Data-local map tasks=2 
                Total time spent by all maps in occupied slots (ms)=14817  
                Total time spent by all reduces in occupied slots (ms)=4500  
                Total time spent by all map tasks (ms)=14817  
                Total time spent by all reduce tasks (ms)=4500  
                Total vcore-seconds taken by all map tasks=14817 
                Total vcore-seconds taken by all reduce tasks=4500 
                Total megabyte-seconds taken by all map tasks=15172608 
                Total megabyte-seconds taken by all reduce tasks=4608000 
        Map-Reduce Framework  
                Map input records=9 
                Map output records=9 
                Map output bytes=81 
                Map output materialized bytes=111 
                Input split bytes=208 
                Combine input records=0 
                Combine output records=0 
                Reduce input groups=1 
                Reduce shuffle bytes=111 
                Reduce input records=9 
                Reduce output records=1 
                Spilled Records=18 
                Shuffled Maps =2 
                Failed Shuffles=0 
                Merged Map outputs=2 
                GC time elapsed (ms)=115  
                CPU time spent (ms)=1990  
                Physical memory (bytes) snapshot=655314944 
                Virtual memory (bytes) snapshot=2480295936 
                Total committed heap usage (bytes)=466616320  
        Shuffle Errors  
                BAD_ID=0 
                CONNECTION=0 
                IO_ERROR=0 
                WRONG_LENGTH=0 
                WRONG_MAP=0 
                WRONG_REDUCE=0 
        File Input Format Counters  
                Bytes Read=1430 
        File Output Format Counters  
                Bytes Written=10 
a01513@hadoop :~$

我們可以到Eclipse查看輸出的結果：

或者用命令行查看：

$ hdfs dfs -cat output/part-00000

假如你們發現運行后結果是為空的，可能到日志目錄查找相應的log.info輸出信息，log目錄在：/usr/mywind/hadoop/logs/userlogs 下面。

好了，不太喜歡打字，以上就是整個過程了，歡迎大家來學習指正。

原文鏈接：http://my.oschina.net/lanzp/blog/309078

責任編輯：林師授來源： loki_lan的博客

Hadoop 偽分布配置