windows和cygwin下hadoop安裝配置

windows和cygwin下hadoop安裝配置 

    轉載地址：http://www.zihou.me/html/2010/02/19/1525.html

   在Windows下利用cygwin仿unix環境安裝配置Hadoop。

    子猴也是剛接觸到hadoop，對其的配置第一次按照網上的一些說明配置成功了，但有些東西感到不是很清晰，所以又重新把整個過程跑了一遍並記錄下來，也是想對整個過程有個清晰的脈絡，不正確之處請指教。

1、  所需軟體

1.1、Cygwin（截至到目前最新版本是2.685）

：http://www.cygwin.com/setup.exe

1.2、JDK 1.6.x

1.3、hadoop-0.20.1

：http://apache.freelamp.com/hadoop/core/hadoop-0.20.1/hadoop-0.20.1.tar.gz

2、  安裝

2.1、Cygwin安裝說明見文章：http://www.zihou.me/2010/02/19/1506/

補充：cygwin的bash是無法複製粘貼的，很不方便，所以可採用putty，是：

http://www.linuxboy.net/linux/rc/puttycyg.zip ，將puttycyg.zip解壓後的三個exe檔案放到Cygwin安裝目錄HOME_PATH下bin目錄下，然後修改HOME_PATH下的Cygwin.bat檔案，建議用記事本開啟，然後將bash –login –i注釋掉，在前面加rem，也就是rem bash –login –i，或者:: bash
–login –i，加入 start putty -cygterm – 即可。

這樣一來就可以複製粘貼了，但注意的是預設的根目錄是Cygwin的HOME_PATH，如果要切換到其他主目錄，但如果你想要進入到其他根目錄，但如果你想要進入到其他根目錄，需要通過系統根目錄，子猴這裡的是/cygdrive，比如要進入到e盤，則為/cygdrive/e。

2.2、JDK的安裝省略了

2.3、hadoop-0.20.1安裝

將hadoop-0.20.1.tar.gz解壓，解壓後的目錄如hadoop-0.20.1，假設是放在E盤：

E:\hadoop-0.20.1，修改conf/hadoop-env.sh檔案，將export JAVA_HOME的值修改為你機上的jdk安裝目錄，比如/cygdrive/d/tools/jdk1.6.0_03，/cygdrive是Cygwin安裝成功後系統的根目錄

3、  安裝和配置ssh

3.1、安裝

在Cygwin的根目錄下分別運行：

$ chmod +r /etc/group$ chmod +r /etc/passwd$ chmod +rwx /var$ ssh-host-config*** Info: Generating /etc/ssh_host_key*** Info: Generating /etc/ssh_host_rsa_key*** Info: Generating /etc/ssh_host_dsa_key*** Info: Creating default /etc/ssh_config file*** Info: Creating default /etc/sshd_config file*** Info: Privilege separation is set to yes by default since OpenSSH 3.3.*** Info: However, this requires a non-privileged account called 'sshd'.*** Info: For more info on privilege separation read /usr/share/doc/openssh/README.privsep.*** Query: Should privilege separation be used? (yes/no) yes*** Info: Note that creating a new user requires that the current account have*** Info: Administrator privileges.  Should this script attempt to create a*** Query: new local account 'sshd'? (yes/no) yes*** Info: Updating /etc/sshd_config file*** Info: Added ssh to C:\WINDOWS\system32\driversc\services*** Info: Creating default /etc/inetd.d/sshd-inetd file*** Info: Updated /etc/inetd.d/sshd-inetd*** Warning: The following functions require administrator privileges!*** Query: Do you want to install sshd as a service?*** Query: (Say "no" if it is already installed as a service) (yes/no) yes*** Query: Enter the value of CYGWIN for the daemon: [] cygwin（註：此處輸入的cygwin可以是任意的）*** Info: The sshd service has been installed under the LocalSystem*** Info: account (also known as SYSTEM). To start the service now, call*** Info: `net start sshd' or `cygrunsrv -S sshd'.  Otherwise, it*** Info: will start automatically after the next reboot.*** Info: Host configuration finished. Have fun!

在詢問yes/no的地方，統一輸入yes，sshd就安裝好了。

3.2配置

3.2.1、啟動sshd服務

net start sshd

CYGWIN sshd 服務正在啟動

CYGWIN sshd 服務已經啟動成功

3.2.2、$ ssh localhost

試著串連本機看看，注意，如果在沒有啟動sshd服務，這個串連肯定是失敗的！關於此錯誤也可參見：
http://www.zihou.me/2010/02/19/1521/

如果沒問題，會出現下面一些內容：

The authenticity of host 'localhost (127.0.0.1)' can't be established.RSA key fingerprint is 08:03:20:43:48:39:29:66:6e:c5:61:ba:77:b2:2f:55.Are you sure you want to continue connecting (yes/no)? yesWarning: Permanently added 'localhost' (RSA) to the list of known hosts.zihou@localhost's password:

會提示輸入你機子的登入密碼，輸入無誤後，會出現文本圖形，類似於歡迎的提示：

The Hippo says: Welcome to

3.2.3、建立ssh的通道

$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsaGenerating public/private dsa key pair.Your identification has been saved in /home/zihou/.ssh/id_dsa.Your public key has been saved in /home/zihou/.ssh/id_dsa.pub.The key fingerprint is:6d:64:8e:a6:38:73:ab:c5:ce:71:cd:df:a1:ca:63:54 zihou@PC-04101515The key's randomart image is:+--[ DSA 1024]----+|                 ||                 ||          o      ||         *  E    ||        S +.     ||     o o +.      ||    + * ..o   .  ||     B + .o. o . ||    ..+  .ooo .  |+-----------------+

$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

再執行遍$ ssh localhost看看，如果沒有問題，就說明sshd已經配置好了。

4、  配置hadoop

編輯conf/hadoop-site.xml

加入以下內容：

<configuration><property><name>fs.default.name</name><value>localhost:9000</value></property><property><name>mapred.job.tracker</name><value>localhost:9001</value></property><property><name>dfs.replication</name><value>1</value></property></configuration>

5、  運行hadoop

進入到E:\hadoop-0.20.1，在cygwin下的操作如：/cygdrive/e/ hadoop-0.20.1，執行：

bin/hadoop namenode –format格式化一個新的Distributed File System，提示資訊如下：
10/02/19 17:32:26 WARN conf.Configuration: DEPRECATED: hadoop-site.xml found in the classpath.
Usage of hadoop-site.xml is deprecated. Instead use core-site.xml, mapred-site.xml and hdfs-site.xml
to override properties of core-default.xml, mapred-default.xml and hdfs-default.xml respectively
（這段我還不是很清楚，我用的最新版本）

10/02/19 17:32:26 INFO namenode.NameNode: STARTUP_MSG:

/************************************************************

STARTUP_MSG: Starting NameNode

STARTUP_MSG:   host = PC-04101515/192.168.0.14

STARTUP_MSG:   args = [-format]

STARTUP_MSG:   version = 0.20.1

STARTUP_MSG:   build =

http://svn.apache.org/repos/asf/hadoop/common/tags/release-0.20.1-rc1 -r 810220; compiled by ‘oom’ on Tue Sep  1 20:55:56 UTC 2009

************************************************************/

10/02/19 17:32:27 INFO namenode.FSNamesystem:

fsOwner=zihou,None,root,Administrators,Users

10/02/19 17:32:27 INFO namenode.FSNamesystem: supergroup=supergroup

10/02/19 17:32:27 INFO namenode.FSNamesystem: isPermissionEnabled=true

10/02/19 17:32:28 INFO common.Storage: Image file of size 102 saved in 0 seconds.

10/02/19 17:32:28 INFO common.Storage: Storage directory \tmp\hadoop-SYSTEM\dfs\name has been successfully formatted.

10/02/19 17:32:28 INFO namenode.NameNode: SHUTDOWN_MSG:

/************************************************************

SHUTDOWN_MSG: Shutting down NameNode at PC-04101515/192.168.0.14

************************************************************/
6、  啟動hadoop守護進程

$ bin/start-all.shstarting namenode, logging to/cygdrive/e/hadoop-0.20.1/bin/../logs/hadoop-zihou-namenode-PC-04101515.outlocalhost: datanode running as process 5200. Stop it first.localhost: secondarynamenode running as process 1664. Stop it first.starting jobtracker, logging to/cygdrive/e/hadoop-0.20.1/bin/../logs/hadoop-zihou-jobtracker-PC-04101515.outlocalhost: starting tasktracker, logging to/cygdrive/e/hadoop-0.20.1/bin/../logs/hadoop-zihou-tasktracker-PC-04101515.out

（註：如果你第一次啟動，提示資訊或許會與上面有所不同，我為了寫這篇文章，重新執行了一遍）

7、  測試

單機模式的操作方法

下面的執行個體將已解壓的 conf 目錄拷貝作為輸入，尋找並顯示匹配給定Regex的條目。輸出寫入到指定的output目錄。（註：根目錄是hadoop的目錄）

$ mkdir input

$ cp conf/*.xml input

$ bin/hadoop jar hadoop-*-examples.jar grep input output ‘dfs[a-z.]+’

$ cat output/*

通過執行$ bin/hadoop dfs –ls來看是否將*.xml檔案拷貝到input中了，執行後結果如下：

Found 1 items

drwxr-xr-x   – zihou supergroup          0 2010-02-19 17:44 /user/zihou/input

表示已經拷貝過去了。

在偽分布式模式上運行

bin/hadoop jar hadoop-*-examples.jar grep input output ‘dfs[a-z.]+’

如果沒有錯誤的話，會給出一堆資訊，如：
10/02/19 14:56:07 WARN conf.Configuration: DEPRECATED: hadoop-site.xml found in the classpath. Usage of hadoop-site.xml is deprecated. Instead use core-site

.xml, mapred-site.xml and hdfs-site.xml to override properties of core-default.xml, mapred-default.xml and hdfs-default.xml respectively

10/02/19 14:56:08 INFO jvm.JvmMetrics: Initializing JVM Metrics with processName=JobTracker, sessionId=

10/02/19 14:56:09 INFO mapred.FileInputFormat: Total input paths to process : 5

10/02/19 14:56:10 INFO mapred.JobClient: Running job: job_local_0001

10/02/19 14:56:10 INFO mapred.FileInputFormat: Total input paths to process : 5

10/02/19 14:56:10 INFO mapred.MapTask: numReduceTasks: 1

10/02/19 14:56:10 INFO mapred.MapTask: io.sort.mb = 100

10/02/19 14:56:10 INFO mapred.MapTask: data buffer = 79691776/99614720

10/02/19 14:56:10 INFO mapred.MapTask: record buffer = 262144/327680

。。。。。。。。。。。。。。。
這樣，hadoop就成功配置了！

說明：

Hadoop中文文檔地址：http://hadoop.apache.org/common/docs/r0.18.2/cn/

快速安裝說明手冊：http://hadoop.apache.org/common/docs/r0.18.2/cn/quickstart.html

Hadoop簡介：

Hadoop是一個開放原始碼的Distributed File System，屬於Apache中的一個項目，所謂Distributed File System（Distributed File System），指的是具有執行遠程檔案存取的能力，並以透明方式對分布在網路上的檔案進行管理和存取，用戶端訪問的時候不需要知道檔案真正存放在哪裡。 Hadoop最初是包含在Nutch中的，後來，Nutch中實現的NDFS和MapReduce代碼剝離出來成立了一個新的開源項目，這就是 Hadoop。