【Hadoop实战】在Mac OS上配置Hadoop伪分布式环境

最近大数据很流行，而Hadoop又 是分析大数据的有力工具，加之工作需要，我近期也在学习hadoop的相关知识。学习归学习，还是要实践；而实践，得先有环境。看到教科书上的一些方法， 都是在linux上配置；mac与linux相近，我就在mac os上实践了。mac os版本是10.8.1，配置的是单机伪分布式环境，目的是学习hadoop程序编写；至于hadoop集群搭建，暂时不感兴趣。

主要参考的资料是《hadoop实战》第二章，p18 -- p21的内容。

《Hadoop实战》中文版+英文文字版+源码【PDF】 下载见 http://www.linuxidc.com/Linux/2012-10/71901.htm

hadoop伪分布式环境搭建，大概分三个步骤：1. java环境配置；2. mac os自身环境设置；3. hadoop环境配置。

1. java环境配置

这一步主要是让mac os支持java，并且配置相关环境变量，使得系统能够自动找到javac和java。在mac系统下，支持java相对简单。我打开terminal， 想看下是否系统已经安装了java（之前安装过xcode的command line版本），键入"java -version"，结果mountain lion很智能的问我要不要安装java，并且自动连接apple网站下载安装了java编译、运行环境，并配置好相关环境变量。

在terminal里再次键入"java -version"，出现如下信息：

java version "1.6.0_35"

Java(TM) SE Runtime Environment (build 1.6.0_35-b10-428-11M3811)

Java HotSpot(TM) 64-Bit Server VM (build 20.10-b01-428, mixed mode)

为了进一步验证，打开vim写了一段helloworld程序，并保存为helloworld.java，如下：

1. package helloworld;     
2. public class helloworld 
3. { 
4.      public static void main (String [] args) 
5.      { 
6.          System.out.println ("Hello world for java!"); 
7.      } 
8.  } 

需要注意的是，文件名字“helloworld.java”需要和主类的名字一致。而且，package的名字，最终会在生成.class文件的时 候决定路径的深度，例如：我最开始起的名字是“package java.tryjava.helloworld”，结果.class文件生成在了“.../java/tryjava/helloworld”路径下， 烦死。

命令行中用javac编译刚才的文件，如下：

javac -d ../bin/ helloworld.java

其中“-d”表示生成文件的目录，再往后，是要编译的源代码文件。查看../bin/helloworld/目录下，生成helloworld.class文件，cd到该目录，输入

java hell world/helloworld

注意第二个是不带后缀的文件名hellworld，而不是生成的全名hellworld.class。如期得到

Hello world for java!

至此，java环境安装完毕。在《hadoop实战》中，还要设置一些环境变量。这些在mac系统下可以省略，在刚才安装过程中，已经设置好这些变量了。

2. 配置mac os 自身环境

这个主要是配置ssh环境。先在terminal里面输入

ssh localhost

会有错误提示信息，表示当前用户没有权限。这个多半是系统为安全考虑，默认设置的。更改设置如下：进入system preference --> sharing --> 勾选remote login，并设置allow access for all users。再次输入“ssh localhost"，再输入密码并确认之后，可以看到ssh成功。

不过这里面还有一个麻烦，就是每次都会要求输入用户密码。《Hadoop实战》提供了一种免登陆的方法。首先，输入

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa

ssh-keygen表示生成秘钥；-t表示秘钥类型；-P用于提供密语；-f指定生成的秘钥文件。这个命令在”~/.ssh/“文件夹下创建两个文件id_dsa和id_dsa.pub，是ssh的一对儿私钥和公钥。接下来，将公钥追加到授权的key中去，输入：

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

ssh免登陆设置完成。

3. 安装并运行hadoop

首先下载hadoop，链接是http://apache.etoak.com/hadoop/common/，里面由hadoop的各个版本。看到书上用的是0.20.2版本，我也就下这个了。文件不大，135M左右。接下来，到 hadoop-0.20.2/conf 文件夹下，要配置的几个文件都在这里。

第一个是hadoop-env.sh脚本文件，设置如下环境变量：

1. export JAVA_HOME=/System/Library/Java/JavaVirtualMachines/1.6.0.jdk/Contents/Home   
2. export HADOOP_INSTALL=/Volumes/Data/Works/Hadoop/hadoop-0.20.2/   
3. export PATH=$PATH:$HADOOP_INSTALL/bin 

从名字都能判断各个环境变量的含义。需要说明的是，第一个路径，实际上是从”/System/Library/Frameworks/JavaVM.framework/Versions/1.6.0/Home“来的，只不过中间有些软连接，最后的实际目录如上面所示。

接下来是core-site.xml文件，配置hdfs的地址和端口号，如下：

1. <?xml version="1.0"?>   
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>   
3. <!-- Put site-specific property overrides in this file. -->   
4.    
5. <configuration>   
6.     <property>   
7.         <name>fs.default.name</name>   
8.         <value>hdfs://localhost:9000</value>   
9.     </property>   
10. </configuration> 

默认是没有中间<property>区域的，需要自己加上。

然后是mapred-site.xml文件，设置map-reduce中jobtracker的地址和端口号，如下：

1. <?xml version="1.0"?>   
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>   
3. <!-- Put site-specific property overrides in this file. -->   
4.    
5. <configuration>   
6.   <property>   
7.     <name>mapred.job.tracker</name>   
8.     <value>localhost:9001</value>   
9.   </property>   
10. </configuration>   

最后是hdfs-site.xml文件，设置hdfs的默认备份方式。默认值是3，在伪分布式系统中，需要修改为1，如下：

1. <?xml version="1.0"?>   
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>   
3. <!-- Put site-specific property overrides in this file. -->   
4.    
5. <configuration>   
6.   <property>   
7.     <name>dfs.replication</name>   
8.     <value>1</value>   
9.   </property>   
10. </configuration>   

设置总算是完成了，接下来，格式化namenode。啊，namenode是啥？问度娘吧。在terminal里输入如下命令：

bin/Hadoop NameNode -format

我曾担心把我的整个Data盘都给废掉，后来看看，不是的。不知道这个namenode在mac系统中的哪个目录下。

接下来，启动hadoop，输入命令：

bin/start-all.sh

如果一切正常的话，会在http://localhost:50030和http://localhost:50070分别看到map-reduce和hdfs的相关信息。总之，走到这一步，我看到信息了，虽然没太看懂吧，但证明hadoop在我的mac上运行起来了.