hadoop环境搭建总结
来自： http://my.oschina.net/carlcheer/blog/617286
最近一段时间在看Hadoop The Definitive Guide, 3rd Edition.pdf，学习hadoop，个人想不能总看书，不实践呀，于是准备搭建一套开发环境，果然遇到很多问题，最终调试出了运行结果，在此记录。
我实践的过程比较坎坷，分别尝试了centos，Ubuntu，windows下的Eclipse的hadoop插件，都加载成功，但是windows下的示例没有运行成功。下面详细说明
参考Hadoop The Definitive Guide, 3rd Edition.pdf附录A，先下载hadoop：http://hadoop.apache.org/common/releases.html，我下载的版本是2.6.4。解压后放到/usr/local/下，我个人安装的程序都在这个目录下。但是java和Eclipse都是系统自带的或者yum安装，都不在这个目录下。
设置JAVA_HOME，java是系统自带的，java的安装你可以去网上搜一下，或者按照下面的方法，也可以找到
zhang@oradt:/etc/alternatives$ java -version java version "1.7.0_95" OpenJDK Runtime Environment (IcedTea 2.6.4) (7u95-2.6.4-0ubuntu0.14.04.1) OpenJDK 64-Bit Server VM (build 24.95-b01, mixed mode) zhang@oradt:/etc/alternatives$ which java /usr/bin/java zhang@oradt:/etc/alternatives$ ll /usr/bin/java lrwxrwxrwx 1 root root 22 二月 16 16:42 /usr/bin/java -> /etc/alternatives/java* zhang@oradt:/etc/alternatives$ ll /etc/alternatives/java lrwxrwxrwx 1 root root 46 二月 16 16:42 /etc/alternatives/java -> /usr/lib/jvm/java-7-openjdk-amd64/jre/bin/java* zhang@oradt:/etc/alternatives$
修改~/.bashrc，设置环境变量，添加到最后即可，添加完成后，source一下生效
export JAVA_HOME="/usr/lib/jvm/java-7-openjdk-amd64" export HADOOP_INSTALL="/usr/local/hadoop-2.6.4" export PATH=$PATH:$HADOOP_INSTALL/bin:$HADOOP_INSTALL/sbin
接下来你应该可以运行hadoop了，先查一下版本，接下来按照附录上的配置文件修改配置，调试过程中，我作了一些修改，配置如下：
core-site.xml，下面的9000端口在配置Eclipse的时候有用到。
<configuration> <property> <name>fs.default.name</name> <value>hdfs://localhost/</value> </property> <property> <name>fs.defaultFS</name> <value>hdfs://192.168.80.202:9000/</value> </property> </configuration>
hdfs-site.xml
<configuration> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration>
mapred-site.xml
<configuration> <property> <name>mapred.job.tracker</name> <value>localhost:8021</value> </property> </configuration>
yarn-site.xml
<configuration> <!-- Site specific YARN configuration properties --> <property> <name>yarn.resourcemanager.address</name> <value>localhost:8032</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce.shuffle</value> </property> </configuration>
按照资料上讲的，ssh localhost的时候不能输入密码，所以要使用密钥登录，使用下面两条命令；
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
下面是一系列的hadoop命令，格式化节点，启动，关闭守护进程等等，我直接使用的yarn，未找到mapred.sh，据说这个脚本用到客户端了，我认识还比较浅，不清楚如何启动这个本地的。
hadoop namenode -format start-dfs.sh start-yarn.sh stop-dfs.sh stop-yarn.sh
到此，你可以查看一下监听的各个端口，也可以访问网址localhost:50070和localhost:8088，查看运行状态。
上面这个步骤在centos和Ubuntu下一次性配置都是成功的，比较简单，但是还没有用到任何map，reduce实际运行的内容，下一步配置Eclipse开发环境才是重点。
我的Eclipse也是系统自带的，先找一下Eclipse的安装目录，如果通过yum和apt-get安装的，一般在/usr/lib(64)下，实在找不到可以使用find / -name plugins|grep eclipse查找。接下来就是把hadoop的Eclipse插件放到plugins目录下。
网上应该能下到不少hadoop的eclipse插件版本，我认为最权威的应该还是git托管的那个，地址是：https://github.com/winghc/hadoop2x-eclipse-plugin，这里边不仅有源码，还有几个编译好的jar包可以使用，但是最高版本是2.6.0，开始的时候我使用这个2.6.0版本的jar包，放入plugins文件夹，Eclipse不识别，我以为是jar包不能兼容，或者编译的版本不对，我尝试了各种方法重新编译这个jar包，但是都以失败告终，无论实在centos，Ubuntu，还是windows，原因貌似是Eclipse少什么包，出大量的编译错误，因此，我尝试重新安装Eclipse。到最后，我也没编译通过这个插件。
安装Eclipse的方法我也尝试了几种，最后成功的是apt-get，将hadoop-eclipse-plugin-2.6.0.jar放到plugins目录，在命令行下使用eclipse命令启动后，竟然出现了DFS Locations，说明插件加载成功呀。
接下来按照网上的步骤， 配置hadoop，Window->Preference
Window->Show View -> Others -> MapReduce Tools ->Map/Reduce Locations
添加Locations
第一个端口使用的默认的50020，第二个是前面配置的9000，这个地方我使用的IP地址，见前面的配置，前面的fs.defaultFS配置为localhost的话，在windows系统下连接192.168.80.202是不成功的。
如果正常的话，这个地方展开是没有错误的。文件目录结构是使用命令新建的，hdfs dfs -mkdir -p input，这个命令会在/user/你的用户名/ 目录下新建一个input目录，hadoop fs -put intput1.txt input，这个命令是上传文件到input目录下。
到此环境算是搭建好了。
下面是新建项目了:
File->New->Others...->
添加map和reduce类
Mapper类注意父类的最后一个参数是IntWriteable类型
Reducer类注意第二个输入参数和第四个输出参数为IntWriteable类型
最后再添加一个MaxTemperature类，这3个类的详细内容，建议还是读读书吧。
MaxTemperatureMapper.java
import java.io.IOException; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; public class MaxTemperatureMapper extends Mapper<LongWritable, Text, Text, IntWritable> { private static final int MISSING = 9999; //private static Logger logger = Logger.getLogger(MaxTemperatureMapper.class); public void map(LongWritable ikey, Text ivalue, Context context) throws IOException, InterruptedException { String line = ivalue.toString(); System.err.println(line); 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)); } String quality = line.substring(92, 93); if (airTemperature != MISSING && quality.matches("[01459]")) { context.write(new Text(year), new IntWritable(airTemperature)); }else{ context.write(new Text(year), new IntWritable(0)); } } } MaxTemperatureReducer.java
import java.io.IOException; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer; public class MaxTemperatureReducer extends Reducer<Text, IntWritable, Text, IntWritable> { public void reduce(Text _key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { // process values int maxValue = Integer.MIN_VALUE; for (IntWritable val : values) { System.err.println(val.get()); maxValue = Math.max(maxValue, val.get()); } context.write(_key, new IntWritable(maxValue)); } } MaxTemperature.java
//import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class MaxTemperature { public static void main(String[] args) throws Exception { if (args.length != 2) { System.err.println("Usage: MaxTemperature <input path> <output path>"); System.exit(-1); } //Configuration conf = new Configuration(); Job job = Job.getInstance(); job.setJarByClass(MaxTemperature.class); job.setJobName("Max temperature"); FileInputFormat.addInputPath(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); job.setMapperClass(MaxTemperatureMapper.class); job.setReducerClass(MaxTemperatureReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); System.exit(job.waitForCompletion(true) ? 0 : 1); } } 代码完成后，先准备一个测试文件吧，文件内容我给你弄个现成的，千万注意，最后别有空行。
0067011990999991950051507004+51317+028783FM-12+017199999V0203201N00721004501CN0100001N9+00001+01391102681 0067011990999991950051507004+51317+028783FM-12+017199999V0203201N00721004501CN0100001N9+00021+01391102681 0067011990999991952051507004+51317+028783FM-12+017199999V0203201N00721004501CN0100001N9+00011+01391102681 0067011990999991953051507004+51317+028783FM-12+017199999V0203201N00721004501CN0100001N9+00031+01391102681
运行的时候需要设置下参数Run->Run Configuration:
我开始运行的时候，一个问题是出现了关于log4j相关的警告，第二个问题是程序运行结束后，只出现了output文件夹，但是没有出现输出文件。整了半天，果然是不能忽略警告呀，警告解决后，会出现日志，错误自然就知道了呀。
解决日志的问题方法网上有很多，就是在src目录添加一个文件log4j.properties，内容如下（不限于这一种）
# Configure logging for testing: optionally with log file log4j.rootLogger=WARN, stdout # log4j.rootLogger=WARN, stdout, logfile log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n log4j.appender.logfile=org.apache.log4j.FileAppender log4j.appender.logfile.File=target/spring.log log4j.appender.logfile.layout=org.apache.log4j.PatternLayout log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
关键是你要在eclipse目录下刷新一下，出现这个文件，否则不管用。于是我看到了日志，原因是text文件多了一个空行，导致String的截取方法出错崩溃。
修正后，出现了正确的结果。