最近一直在自学Hadoop，今天花点时间搭建一个开发环境，并整理成文。
首先要了解一下Hadoop的运行模式：
单机模式（standalone）
单机模式是Hadoop的默认模式。当首次解压Hadoop的源码包时，Hadoop无法了解硬件安装环境，便保守地选择了最小配置。在这种默认模式下 所有3个XML文件均为空。当配置文件为空时，Hadoop会完全运行在本地。因为不需要与其他节点交互，单机模式就不使用HDFS，也不加载任何 Hadoop的守护进程。该模式主要用于开发调试MapReduce程序的应用逻辑。
伪分布模式（Pseudo-Distributed Mode）
伪分布模式在“单节点集群”上运行Hadoop，其中所有的守护进程都运行在同一台机器上。该模式在单机模式之上增加了代码调试功能，允许你检查内存使用情况，HDFS输入输出，以及其他的守护进程交互。
全分布模式（Fully Distributed Mode）
Hadoop守护进程运行在一个集群上。
版本：ubuntu 10.04.4，hadoop 1.0.2
1.添加hadoop用户到系统用户
安装前要做一件事——添加一个名为hadoop到系统用户，专门用来做Hadoop测试。
- ~$ sudo addgroup hadoop
- ~$ sudo adduser --ingroup hadoop hadoop
现在只是添加了一个用户hadoop，它并不具备管理员权限，因此我们需要将用户hadoop添加到管理员组：
- ~$ sudo usermod -aG admin hadoop
2.安装ssh
由于Hadoop用ssh通信，先安装ssh
- ~$ sudo apt-get install openssh-server
ssh安装完成以后，先启动服务：
- ~$ sudo /etc/init.d/ssh start
启动后，可以通过如下命令查看服务是否正确启动：
- ~$ ps -e | grep ssh
作为一个安全通信协议，使用时需要密码，因此我们要设置成免密码登录，生成私钥和公钥：
- hadoop@scgm-ProBook:~$ ssh-keygen -t rsa -P ""
因为我已有私钥，所以会提示是否覆盖当前私钥。第一次操作时会提示输入密码，按Enter直接过，这时会在～/home/{username} /.ssh下生成两个文件：id_rsa和id_rsa.pub，前者为私钥，后者为公钥，现在我们将公钥追加到authorized_keys中 （authorized_keys用于保存所有允许以当前用户身份登录到ssh客户端用户的公钥内容）：
- ~$ cat ~/.ssh/id_rsa.pub > > ~/.ssh/authorized_keys
现在可以登入ssh确认以后登录时不用输入密码：
- ~$ ssh localhost
登出：
- ~$ exit
第二次登录：
- ~$ ssh localhost
登出：
- ~$ exit
这样以后登录就不用输入密码了。
3.安装Java
- ~$ sudo apt-get install openjdk-6-jdk
- ~$ java -version
4.安装hadoop 1.0.2
到官网下载 hadoop源文件，这里选择hadoop 1.0.2
解压并放到你希望的目录中。我是放到/usr/local/hadoop
- ~$ sudo tar xzf hadoop-1.0.2.tar.gz
- ~$ sudo mv hadoop-1.0.2 /usr/local/hadoop
要确保所有的操作都是在用户hadoop下完成的：
- ~$ sudo chown -R hadoop:hadoop /usr/local/hadoop
5.设定hadoop-env.sh(Java 安装路径)
进入hadoop目录，打开conf目录下到hadoop-env.sh，添加以下信息：
export JAVA_HOME=/usr/lib/jvm/java-6-openjdk (视你机器的java安装路径而定)
export HADOOP_HOME=/usr/local/hadoop
export PATH=$PATH:/usr/local/hadoop/bin
并且，让环境变量配置生效source
- ~$ source /usr/local/hadoop/conf/hadoop-env.sh
至此，hadoop的单机模式已经安装成功。
于是，运行一下hadoop自带的例子WordCount来感受以下MapReduce过程：
在hadoop目录下新建input文件夹
- ~$ mkdir input
将conf中的所有文件拷贝到input文件夹中
- ~$ cp conf/* input < span style = "font-family: Arial, Helvetica, sans-serif; white-space: normal; background-color: rgb(255, 255, 255); " > </ span >
运行WordCount程序，并将结果保存到output中
- ~$ bin/hadoop jar hadoop-0.20.2-examples.jar wordcount input output
运行
- ~$ cat output/*
你会看到conf所有文件的单词和频数都被统计出来。
下面是伪分布模式需要的一些配置，继续。
6.设定*-site.xml
这里需要设定3个文件：core-site.xml,hdfs-site.xml,mapred-site.xml，都在/usr/local/hadoop/conf目录下
core-site.xml: Hadoop Core的配置项，例如HDFS和MapReduce常用的I/O设置等。
hdfs-site.xml: Hadoop 守护进程的配置项，包括namenode，辅助namenode和datanode等。
mapred-site.xml： MapReduce 守护进程的配置项，包括jobtracker和tasktracker。
首先在hadoop目录下新建几个文件夹
- ~/hadoop$ mkdir tmp
- ~/hadoop$ mkdir hdfs
- ~/hadoop$ mkdir hdfs/name
- ~/hadoop$ mkdir hdfs/data
- chmod -R 755 hdfs/data
接下来编辑那三个文件：
core-site.xml:
- < configuration >
- < property >
- < name > fs.default.name </ name >
- < value > hdfs://localhost:9000 </ value >
- </ property >
- < property >
- < name > hadoop.tmp.dir </ name >
- < value > /usr/local/hadoop/tmp </ value >
- </ property >
- </ configuration >
hdfs-site.xml:
- < configuration >
- < property >
- < name > dfs.replication </ name >
- < value > 1 </ value >
- </ property >
- < property >
- < name > dfs.name.dir </ name >
- < value > /usr/local/hadoop/hdfs/name </ value >
- </ property >
- < property >
- < name > dfs.data.dir </ name >
- < value > /usr/local/hadoop/hdfs/data </ value >
- </ property >
- </ configuration >
mapred-site.xml:
- < configuration >
- < property >
- < name > mapred.job.tracker </ name >
- < value > localhost:9001 </ value >
- </ property >
- </ configuration >
7.格式化HDFS
通过以上步骤，我们已经设定好Hadoop单机测试到环境，接着就是启动Hadoop到相关服务，格式化namenode,secondarynamenode,tasktracker:
- ~$ source /usr/local/hadoop/conf/hadoop-env.sh
- ~$ hadoop namenode -format
8.启动Hadoop
接着执行start-all.sh来启动所有服务，包括namenode,datanode，start-all.sh脚本用来装载守护进程。
- hadoop@ubuntu:/usr/local/hadoop$ cd bin
- hadoop@ubuntu:/usr/local/hadoop/bin$ start-all.sh
用Java的jps命令列出所有守护进程来验证安装成功
- hadoop@ubuntu:/usr/local/hadoop$ jps
出现如下列表，表明成功
9.检查运行状态
所有的设置已完成，Hadoop也启动了，现在可以通过下面的操作来查看服务是否正常，在Hadoop中用于监控集群健康状态的Web界面：
http://localhost:50030/ - Hadoop 管理介面
http://localhost:50060/ - Hadoop Task Tracker 状态
http://localhost:50070/ - Hadoop DFS 状态
Hadoop 管理介面：
Hadoop Task Tracker 状态：
Hadoop DFS 状态：
至此，hadoop的伪分布模式已经安装成功，于是，再次在伪分布模式下运行一下hadoop自带的例子WordCount来感受以下MapReduce过程：
这时注意程序是在文件系统dfs运行的，创建的文件也都基于文件系统：
首先在dfs中创建input目录
- hadoop@ubuntu:/usr/local/hadoop$ bin/hadoop dfs -mkdir input
将conf中的文件拷贝到dfs中的input
- hadoop@ubuntu:/usr/local/hadoop$ hadoop dfs -copyFromLocal conf/* input
在伪分布式模式下运行WordCount
- hadoop@ubuntu:/usr/local/hadoop$ hadoop jar hadoop-examples-1.0.2.jar wordcount input output
可看到以下过程
显示输出结果
- hadoop@ubuntu:/usr/local/hadoop$ hadoop dfs -cat output/*
当Hadoop结束时，可以通过stop-all.sh脚本来关闭Hadoop的守护进程
- hadoop@ubuntu:/usr/local/hadoop$ bin/stop-all.sh
10.结语
在ubuntu上搭建hadoop成功！有点小兴奋，已经迫不及待的想开始做一些相关的开发及深入理解hadoop内核实现，继续加油咯！
PS：单机模式和伪分布模式均用于开发和调试的目的。真实Hadoop集群的运行采用的是第三种模式，即全分布模式。待续。
本文参考了这两位同学的文章，感谢分享阿！