Hadoop1.0.4伪分布式安装

前言：

目前，学习hadoop的目的是想配合其它两个开源软件Hbase(一种NoSQL数据库)和Nutch（开源版的搜索引擎）来搭建一个知识问答系统，Nutch从指定网站爬取数据存储在Hbase数据库的表中，而Hbase运行在Hadoop之上。

学习Hadoop已有数月，想把自己的积累晒出来，一者温故知新，二者与大家分享。写文章挺费时间的，所以文风尽量简洁。若欲了解细节可发帖讨论，交个朋友。

水平有限，还望指正！

一、使用环境

操作系统：Ubuntu12.04

Hadoop版本：1.0.4

二、Hadoop官网安装手册

单机安装分为“standalone”和“pseudo-distributed”两种模式，我使用的是伪分布式模式。

手册的安装步骤很详细，没有必要当翻译工了。但是手册为了通用性，牺牲了一些关键问题的讨论。第三节中提及一下。

三、手册缺陷

手册主要有两个问题没有说清楚：

1.Hadoop安装在哪个目录下好？

选择一般有两种：/usr/local和家目录下。我选择安装在家目录下，因为开始玩hadoop的时候，这样避免了权限的麻烦；如果要部署应用的话，应该安装在/usr/local。

2.配置文件的问题

这是安装hadoop最重要的步骤。所有配置文件均在${HADOOP_HOME}/conf目录下。

如果完全按照手册配置，你的hadoop可能经常遇到NameNode或DataNode启动不起来的情况。配置文件的不同主要在core-site.xml.

 手册配置如下：

<configuration>
     <property>
         <name>fs.default.name</name>
         <value>hdfs://localhost:9000</value>
     </property>
</configuration>

我的配置如下：

<configuration>
  7      <property>
  8          <name>fs.default.name</name>
  9          <value>hdfs://localhost:8020</value>
 10      </property>
 11 
 12      <property>  
 13         <name>hadoop.tmp.dir</name>  
 14         <value>/home/zhengeek/hadoop-tmp</value>  
 15         <description>A base for other temporary directories.</description>  
 16      </property>  
 17     </configuration>   

有两处不同：

1.9000和8020这两个端口都可以，只要没有被占用。

2.最容易出问题的地方就在这里。比如这个哥们遇到的问题。

      hadoop运行起来，hdfs和mapreduce有许多数据需要保存。这可以通过dfs.name.dir 和 dfs.data.dir设置。如果没有设置，那么数据就会默认存放在/tmp目录下，如果机器重启，tmp目录下的数据就会丢失，namenode自然启动不起来了。

      如果设置了hadoop.tmp.dir，那么这些数据就会默认存放在改目录下。

       有关hadoop.tmp.dir设置的讨论。

四、启动hadoop

       1.格式化hdfs

       $bin/hadoop namenode -format

       2.启动hdfs

       $bin/start-all.sh

      3.检查是否成功

       $jps

       若成功，会看到namenode,secondarynamenode,datanode,jobtracker和tasktracker五个进程。

如有问题，欢迎联系我哦。