怎样在Centos下安装hadoop并与Eclipse连接？
怎样在Centos下安装hadoop并与Eclipse连接？
许久之前就计划学习hadoop了，直到近期才提上日程。
花费了一些时间才把centos下的hadoop搭起来，前后经历的“挫折”绝对能够写成数千字的血泪史了。
既有被网上教程坑了的苦逼遭遇，也有教研室大超师兄和实习公司的泡哥的爱心支援。今天最终能够坐下来说说怎样在Centos下安装hadoop并与Eclipse连接这个问题。
先说一下要准备哪些软件和信息：
VMware-workstation；
CentOS-6.0-i386-bin-DVD；
eclipse-jee-luna-SR1-win32；
hadoop-0.20.2；
jdk-6u27-linux-i586；
（因为hadoop对版本号的要求较高，大家还是不要轻易更换版本号。这里列出来的各种软件都是稳定公布版，网上非常easy能够download到的）。
整个教程分为这样5个部分来说：1）在Windows下安装虚拟机Vmware。并新建一个虚拟机装好centos系统；2）centos下设置ssh服务无password登录；3）centos下安装jdk。并配置环境变量。4）centos下安装hadoop。并配置文件；5）windows下安装jdk和eclipse。并将eclipse与centos下的hadoop连接。能够说这5个部分每个都非常重要，尤其是第4）步。
以下我们就具体说一下每一步该怎么做。
Step 0: 请大家先在windows下新建一个普通用户，username为hadoop。我们全部的软件全在这个以下安装，username最好要是hadoop，由于这个要和后面非常多username同样，设为hadoop比較好记。
1）在Windows下安装虚拟机Vmware，并新建一个虚拟机装好centos系统；
首先，下载VMware-workstation并安装。这步骤和一般windows下安装软件的过程是一样的。入门小白也会熟练操作。这里就节省点儿空间给后面重要的步骤了~
然后，在Vmware的主页上新建一个虚拟机，例如以下图：
一路下一步，直到让你选择系统镜像路径。我们选择centos系统映像。如上图。点击下一步。然后，须要你输入linux的username。这个比較重要，最好填写hadoop，由于这个名字在后面要用到好多次。
后面还是一路的“下一步”，直到让你设置虚拟机的内存大小，建议为1024M。如上图。后面就是要选择和虚拟机的网络类型有关的设置了，建议为“使用网络地址转换NAT”，例如以下图。这一步我当时选择了自己主动桥接的功能，找了一个晚上的错误。。。
时间就这样白花花的没了~~
之后还是一路的“下一步”，差点儿都是使用它推荐的设置。我们就能够新建一个centos。等待个几分钟然后就能够进入centos界面了。
看到那一抹科技蓝。有没有让你心动了呢~~哈哈哈，你确实走好了第一步！
2）centos下设置ssh服务无password登录；
在桌面右击，选择openin Terminal，这个就是linux的终端了。希望读者有一些linux操作系统的基础，这样子上手更快一些。只是要是没有的话，也没有关系，我们是面向新手的教程。
2.1. 先在linux命令行中输入su，提示password。输入你自己设置的password，这样子你后面的操作都具有了linux系统下的最高权限——root权限。
2.2. 在设置ssh无password登录之前。有一个特别重要的要先出好：关闭SELinux。这是由于centos会自己主动阻止你改动sshservice，我们仅仅有关闭SELinux，重新启动才干生效。
怎样做。例如以下：
改动/etc/selinux/config文件
将SELINUX=enforcing改为SELINUX=disabled
重新启动机器就可以
（note：在linux下改动文件。vi命令后会进入到文件窗体，按i进入insert，改动完成之后再按esc推出insert，输入；:wq!保存并退出~这里要感谢泡哥。改了半天都不行。还是泡哥指点迷津了~~）
2.3. 在linux命令行里输入：ssh-keygen -t rsa，然后一路回车。
root@hadoopName-desktop:~$ssh-keygen -t rsa
Generating public/private rsakey pair.
Enterfile in which to save the key (/home/zhangtao/.ssh/id_rsa): //密钥保存位置。直接回车保持默认。
Createddirectory '/home/zhangtao/.ssh'.
Enter passphrase(empty for no passphrase): //设置密钥的password。空password直接回车就可以；
Enter samepassphrase again: //确认上一步设置的password。
然后进入 /root/.ssh/以下，会看到两个文件 id_rsa.pub。id_rsa，
然后运行cp id_rsa.pub authorized_keys
然后 ssh localhost 验证是否成功，第一次要你输入yes，以后就不须要了。
例如以下图，因为我又验证了一次。所以还须要输入y。假设你是第一次验证是不要的。
至此。ssh服务无password登录设置完成！
3）centos下安装jdk，并配置环境变量。
这一步中能够分为两步：安装jdk、配置jdk环境变量。
3.1. 第一步：root 用户登陆，使用命令mkdir /usr/program新建文件夹/usr/program ,下载 JDK 安装包jdk-6u13-linux-i586.bin，将其拷贝到文件夹/usr/program下，用cd命令进入该文件夹，运行命令“./ jdk-6u13-linux-i586.bin”，命令执行完毕即安装完毕。将在文件夹下生成文件夹/jdk1.6.0_13。此即为jdk被安装成功到文件夹：/usr/program/jdk1.6.0_13下。
3.2. root 用户登陆，命令行中运行命令“vi/etc/profile”,并增加下面内容，配置环境变量(注意/etc/profile这个文件非常重要，后面 Hadoop 的配置还会用到)。
# set java environment
exportJAVA_HOME=/usr/program/jdk1.6.0_27
exportJRE_HOME=/usr/program/jdk1.6.0_27/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
在vi编辑器添加以上内容后保存退出。并运行下面命令使配置生效。
#chmod +x /etc/profile ；添加运行权限
#source /etc/profile。使配置生效。
配置完成后，在命令行中输入：java -version。就会出现安装jdk的信息。
这时，jdk的安装和配置环境变量就成功了~
4）centos下安装hadoop，并配置文件；
4.1.安装hadoop之前要先知道你的centos中的ip地址：在终端中输入ifconfig就能够查看ip地址了。
例如以下图：（我的是192.168.154.129）
4.2.下载 hadoop-0.20.2.tar.gz，将其复制到/usr/local/hadoop 文件夹下，然后在该文件夹/usr/local/hadoop下解压安装生成文件/hadoop-0.20.2（即为hadoop被安装到/usr/local/hadoop/ hadoop-0. 20.2目录下）。
命令例如以下: tar -zxvf hadoop-0.20.2.tar.gz 解压安装一步完毕！
4.3.首先配置hadoop的环境变量
命令“vi /etc/profile”
#set hadoop
export HADOOP_HOME=/usr/hadoop/hadoop-0.20.2
export PATH=$HADOOP_HOME/bin:$PATH
命令：source /etc/profile 使刚配置的文件生效。
进入/usr/local/hadoop/hadoop-0.20.2/conf，配置Hadoop配置文件
4.4. 配置hadoop-env.sh文件
打开文件命令：vihadoop-env.sh
加入 # set javaenvironment
export JAVA_HOME=/usr/program/jdk1.6.0_27
编辑后保存退出（提示，输入:wq!）。事实上细致找一下就会发现hadoop-env.sh文件里本身就有JAVA_HOME这行。我们仅仅须要把前面的凝视#取消，然后改动HOME的地址就好。例如以下图所看到的：
4.5. 配置core-site.xml
[root@master conf]# vi core-site.xml
<?
xml version="1.0"?>
<?
xml-stylesheettype="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overridesin this file. -->
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://192.168.154.129:9000/</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/hadoop-0.20.2/hadooptmp</value>
</property>
</configuration>
（note：hdfs后面的一定要是你的centos的IP地址，这就是为什么要在上面先ifconfig得到ip地址的原因。有些教程说的那种localhost，是不对的！
后面和eclipse会连接不上！！这里又消耗了一个晚上的时间。
。。）
例如以下图所看到的：
说明：hadoop分布式文件系统的两个关键的文件夹结构，一个是namenode上名字空间的存放地方。一个是datanode数据块的存放地方，另一些其它的文件存放地方，这些存放地方都是基于hadoop.tmp.dir文件夹的，比方namenode的名字空间存放地方就是 ${hadoop.tmp.dir}/dfs/name,datanode数据块的存放地方就是${hadoop.tmp.dir}/dfs/data，所以设置好hadoop.tmp.dir文件夹后。其它的关键文件夹都是在这个文件夹以下，这是一个根文件夹。我设置的是 /usr/local/hadoop/hadoop-0.20.2/hadooptmp,当然这个文件夹必须是存在的。
4.6. 配置hdfs-site.xml
<?
xml version="2.0"?
>
<?xml-stylesheet type="text/xsl"href="configuration.xsl"?
>
<!-- Put site-specific property overridesin this file. -->
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
</configuration>
"hdfs-site.xml" 15L, 331C
（note：当中dfs.replication的value为1是由于我们这里配置的是单机伪分布式，仅仅有一台机子~后面的dfs.permissions是为了让用户有权限~）
4.7. 配置mapred-site.xml
[root@master conf]# vi mapred-site.xml
<?xml version="1.0"?
>
<?xml-stylesheettype="text/xsl" href="configuration.xsl"?
>
<!-- Put site-specific property overridesin this file. -->
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>192.168.154.129:9001</value>
</property>
</configuration>
例如以下图：
4.8. masters文件和slaves文件（一般此二文件的默认内容即为下述内容，无需又一次配置）
[root@hadoop conf]# vi masters
192.168.154
[root@hadoop conf]# vi slaves
192.168.154
注：由于在伪分布模式下。作为master的namenode与作为slave的datanode是同一台server，所以配置文件里的ip是一样的。
4.9. 主机名和IP解析配置 (这一步很重要！。！
)
首先[root@hadoop~]# vi /etc/hosts，
然后[root@hadoop~]# vi /etc/hostname，
最后[root@hadoop~]# vi /etc/sysconfig/network。
说明：这三个位置的配置必须协调一致。Hadpoop才干正常工作。主机名的配置很重要！
4.9. 启动hadoop
进入 /usr/local/hadoop/hadoop-0.20.2/bin文件夹下。输入hadoop namenode -format格式化namenode。
启动hadoop全部进程。输入start-all.sh：
验证hadoop有没有起来。输入jps：
假设红圈中的Tasktracker, JobTracker, DataNode, Namenode都起来了，说明你的hadoop成功安装。
说明：1.secondaryname是namenode的一个备份，里面相同保存了名字空间和文件到文件块的map关系。建议执行在另外一台机器上，这样master死掉之后，还能够通过secondaryname所在的机器找回名字空间，和文件到文件块得map关系数据，恢复namenode。
2.启动之后，在/usr/local/hadoop/hadoop-1.0.1/hadooptmp 下的dfs目录里会生成 data目录，这里面存放的是datanode上的数据块数据，由于笔者用的是单机，所以name 和 data 都在一个机器上，假设是集群的话，namenode所在的机器上仅仅会有name目录。而datanode上仅仅会有data目录。
5）windows下安装jdk和eclipse。并将eclipse与centos下的hadoop连接；
在windows下安装jdk这个非常easy，之间下载windows下的jdk安装就可以。Eclipse直接把安装包解压就可以使用。我们主要说一下怎样将eclipse与hadoop连接。
5.1.首先在要关闭linux的防火墙；
连接之前要关闭linux的防火墙，不然在eclipse的project中会一直提示“listing folder content…”，导致连接不上。关闭防火墙的方法例如以下：
输入命令：chkconfig iptables off，然后reboot重新启动就可以。
重新启动之后，输入命令：/etc.init.d/iptables status就能够查看防火墙关闭的状态了。（显示“iptables: Firewall is not running.”）
5.2.插件安装和配置eclipse參数
下载插件hadoop-eclipse-plugin-0.20.3-SNAPSHOT，放到eclipse下的plugins目录中。重新启动eclipse就能够找到project explorer一栏中的DFS locations。例如以下图：
在windows- preferences中会多出一个hadoopmap/reduce选项,选中这个选项,然后把下载的hadoop根文件夹选中。
在视图中打开map/reducelocation，你会发如今以下的Location区域会出现黄色大象图标。在Loctaion空白区域。右击：New Hadoop Location…
配置general的參数，详细例如以下：
点击finish。关闭eclipse，再重新启动eclipse。会发如今Location区域有一个紫色的大象。右击它edit。配置Advanced parameters的參数。（注意，这儿不断关闭、重新启动eclipse的过程一定要严格运行。不然在advanced parameters页会有一些參数不出来~）
设置advancedparameters页的參数是最耗费时间的。总共须要改动3个參数，当时一開始的时候发现它的页面下找不到：
第一个參数：hadoop.tmp.dir。这个默认是/tmp/hadoop-{user.name},由于我们在ore-defaulte.xml 里hadoop.tmp.dir设置的是/usr/local/hadoop/hadoop-0.20.2/hadooptmp。所以这里我们也改成/usr/local/hadoop/hadoop-0.20.2/hadooptmp,其它基于这个文件夹属性也会自己主动改。
第二个參数：dfs.replication。这个这里默认是3，由于我们再hdfs-site.xml里面设置成了1。所以这里也要设置成1；
第三个參数：hadoop.job.ugi。这里要填写：hadoop,Tardis，逗号前面的是连接的hadoop的用户。逗号后面就写Tardis。
（note：这里要说一下，一般而言第一个參数hadoop.tmp.dir非常好出来，你依照前面的步骤重新启动eclipse，在advanced paramters页面就能够直接找到它，改动就可以；后面两个參数比較难出来，当中hadoop.job.ugi參数。一定要保证linux的username和windows的username同样才会有。不然是找不到的。直到如今我也不知道为什么有的时候就是找不到这两个參数，仅仅有多关闭-重新启动eclipse几次，多试一试。网上的教程一直没有涉及到这个情况）
5.3.project文件夹下会展示hadoop的hdfs的文件文件夹
依照上面设置好之后，我们会在project中发现hadoop中最重要的hdfs文件夹已经展示出来了。例如以下图：
至此，hadoop与eclipse就成功的连接上了。我们的教程也就完整结束，下一次我们再说说怎么让eclipse上的WordCount程序。放在hadoop中执行。
