RedHat linux下安装hadoop 0.20.2, 并在windows下远程连接此hadoop,开发调试
????1、hadoop 在 redhat linux下的安装过程
??????网上有很多讲授在windows下通过Cygwin安装hadoop的，笔者认为hadoop原始设计就是在linux下安装使用的，在windows下通过Cygwin安装也无非是模拟linux环境再在这个模拟的环境上装hadoop，既然要学hadoop就真枪实弹的在linux下安装来学习，但是要搞一台真正的linux系统对一般个人来说不容易，但是我们可以用虚拟机VMware Player，就是在windows下装一个虚拟机(VMware Player 就是个很好的虚拟机)，然后在虚拟机上装一个linux系统，实现和本机windows的通信，具体的怎么安装虚拟机，怎么在虚拟机上安装linux，以及怎么实现和本机windows的通信，这里就不讲了，这个网上有很多资料。
?? ?2、在本机windows下，通过eclispe连接到linux虚拟机上安装好的haoop，进行开发调试????linux上装好hadoop之后，可以等陆到linux上通过hadoop的shell命令查看hadoop的 hdfs文件系统，执行写好的mapreduce程序，但是这样会很不方便，我们通常 的做法是在windows下开发程序，调试成功之后，再发布到linux上执行，这一部分就是来分享一下如何配置windows下的eclipse，可以链接到linux下的hadoop。
?
?
?? ? ?hadoop安装有三种模式：单机模式，伪分布式，完全分布式。
?? ? ?1、单机模式： ? 没意义，pass掉，不讨论。
?
?? ? ?2、 伪分布式： ? 就是在一台机器上模拟namenode、datanode、jobtracker、tasktracker、secondaryname。每一个存在的形式是一个java进程。
?
?? ? ?3、完全分布式：就是一个hadoop集群，有n台机器组成，一般组织方式是：一台机器作为master，上面 运行 ? ?namenode和jobtracker,另外的机器作为slave，上面运行datanode和tasktracker，至于secondaryname，可以运行在master上，也可以运行在另外一台机器上。secondaryname是namenode的一个备份里面同样保存了名字空间，和文件到文件块的map关系。建议运行在另外一台机器上，这样master死掉之后，还可以通过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。
?
?? ? ?这里条件有限，就只能实现伪分布式，就是在虚拟机上装一个linux。其实也可以在虚拟机上装n个linux，来实现完全分布式，但是我怕我的小本本，吃不消。就只能装伪分布式了。
?
?? ? 首先确保windows下已经安装了虚拟机，并在虚拟机上安装了linux，且能和windows通信了（在windows的cmd里ping linux的ip能ping通说明可以通信了，ask：怎么知道linux的ip？，answer：进入linux终端，ifconfig即可看到）笔者window上已经安装了虚拟机并在虚拟机上装了linux系统，装linux的时候会有一个root用户，接下来我们就全部用这个root用户来操作，网上好多资料说新建一个用户比如hadoop，来安装hadoop，这里为了方便，就用root（其实是偷懒，不想弄得复杂，哇咔咔，(*^__^*) 嘻嘻……）。
?
?? ?安装hadoop步骤
?? ?1、实现linux的ssh无密码验证配置.
?? ?2、在linux下安装jdk，并配好环境变量
?? ?3、修改linux的机器名，并配置 /etc/hosts
?? ?4、在windows下下载hadoop 0.20.0，并修改hadoop-env.sh，core-site.xml，hdfs-site.xml，
?? ? ? ??mapred-site.xml，masters，slaves文件的配置
?? ?5、把修改好的hadoop整个文件夹传到linux下
?? ?6、把hadoop的bin加入到环境变量
?? ?7、格式化hadoop，启动hadoop
?? ?8、验证是否启动，并执行wordcount
?
?#这个顺序并不是一个写死的顺序，就得按照这个来，如果你知道原理，可以打乱顺序来操作，比如1、2、3，先那个后那个，都没问题，但是有些步骤还是得依靠一些操作完成了才能进行，新手建议按照顺序来。#
?
?一、实现linux的ssh无密码验证配置?
?? ? ?ask：为什么要配置ssh无密码验证
?
?? ? ?answer：Hadoop需要使用SSH协议，namenode将使用SSH协议启动namenode和datanode进程，(datanode向namenode传递心跳信息可能也是使用SSH协议，这是我认为的，还没有做深入了解)。许多教程上介绍Hadoop集群配置时只说明了namenode上SSH无密码登录所有datanode，我在配置时发现必须使datanode上也能SSH无密码登录到namenode，Hadoop集群才能正常启动(也许这不是必须的，只是我的一个失误，但是这样能够正常启动Hadoop集群)。上述蓝色字体，是我粘的某个前辈的话，大概意思是，namenode 和datanode之间发命令是靠ssh来发的，发命令肯定是在运行的时候发，发的时候肯定不希望发一次就弹出个框说：有一台机器连接我，让他连吗。所以就要求后台namenode和datanode无障碍的进行通信，这个无障碍怎么实现呢？，就是配置ssh无密码验证.上述中前辈有个顾虑，说实现了namenode到datanode无障碍链接到，那还用实现datanode和namenode的无障碍连接吗？，这个我就不考虑了，我这里是伪分布的，就一台机器，namenode和datanode都在一个机器上，能实现自己连自己就行了。 不是自己的问题就不去伤脑筋了，哇咔咔~~，读者如果弄完全分布式的时候，碰到这个问题，可以自己试试，不行，也就实现datanode到namenode的无障碍的通信，试试又累不死~~~。
?
?? ??ask：实现无密码验证就能无障碍连接，这其中原理是神马捏？
?
?? ? answer：以namenode到datanode为例子：Namenode作为客户端，要实现无密码公钥认证，连接到服务端datanode上时，需要在namenode上生成一个密钥对，包括一个公钥和一个私钥，而后将公钥复制到datanode上。当namenode通过ssh连接datanode时，datanode就会生成一个随机数并用namenode的公钥对随机数进行加密，并发送给namenode。namenode收到加密数之后再用私钥进行解密，并将解密数回传给datanode，datanode确认解密数无误之后就允许namenode进行连接了。这就是一个公钥认证过程，其间不需要用户手工输入密码。重要过程是将客户端namenode公钥复制到datanode上。这也是我粘的某个前辈的话，啥也不说了，前辈说的很清楚，就是这么回事。
?
?
?? ? 知道why了，现在就开始how吧
?
?? ? 我这里就一台机器，所以操作很简单
?? ? 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?
解压出来后的文件结构是这样的，进入conf目录里面，
修改hadoop-env.sh文件，加入如下一行
?
?
?
?现在要改成如下
?
?
?
?
?
修改hdfs-site.xml
?
默认的hdfs-site.xml是如下这样的
?
?
?
要改成如下这样的
?
?
?
?
?
?
修改mapred-site.xml
?
默认的mapred-site.xml是如下这样的
?
?
?
要改成如下这样的
?
?
?修改完这三个文件了，就一些注意的要点说一下
1、其实core-site.xml 对应有一个core-default.xml, hdfs-site.xml对应有一个hdfs-default.xml,
mapred-site.xml对应有一个mapred-default.xml。这三个defalult文件里面都有一些默认配置，现在我们修改这三个site文件，目的就覆盖default里面的一些配置，
?
2、hadoop分布式文件系统的两个重要的目录结构，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，还有一些其他的文件存放地方，这些存放地方都是基于hadoop.tmp.dir目录的，比如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目录后，其他的重要目录都是在这个目录下面，这是一个根目录。我设置的是 /usr/local/hadoop/hadooptmp,当然这个目录必须是存在的。
?
3、fs.default.name,这个是设置namenode位于哪个机器上，端口号是什么hdfs://192.168.133.128:9000，格式一定要这样写，网上很多资料说ip地址写localhost也行，笔者建议最好写ip，因为后期讲到windows下 eclipse连接hadoop 的时候，如果写localhost，就会连接不到。
?
?
4、mapred.job.tracker，这个是设置jobtracker位于哪个机器上，端口号是什么，192.168.133.128:9001，格式和上一个不一样，这个也必须这样写，同样localhost和ip的分别和上述一样
?
5、dfs.replication，这个是设置数据块的复制次数，默认是3，因为笔者这里就一台机器，所以只能存在一份，就改成了1
?
然后修改 masters和slaves文件
master文件里就把集群中的namenode所在的机器ip，这里就写 192.168.133.128, 不要写localhost，写了localhost，windows 下eclipse 连接不到hadoop
?
slaves文件里就把集群中所有的nodedata所在的机器ip，这里就写192.168.133.128，因为这里是单机，同样最好别写localhost
?
?
五、把修改好的hadoop整个文件夹传到linux下??上述文件修改好之后，把haoop整个目录copy草linux下，记得建个目录放这个，我建的目录是 /usr/local/hadoop,把hadoop的整个目录copy到这个下面，然后就是这样的形式
?
?
[root@hadoopName hadoop]# cd /usr/local/hadoop
[root@hadoopName hadoop]# ls
hadoop-0.20.2 ?hadooptmp
/usr/local/hadoop 下有两个文件，一个就是hadoop的根目录hadoop-0.20.2，另一个，就是上述的hadoop.tmp.dir的目录?
?
六、把hadoop的bin加入到环境变量把hadoop的执行命令加到环境变量里，这样就能直接在命令行里执行hadoop的命令了
操作跟把java的bin加入环境变量一样
?
?
1、执行?cd /etc,?进入/etc 目录下。
?
?2、执行?vi profile, 修改profile文件
?? ? ?在里面加入以下四行
?
?2、在 windows -> preferences里面会多一个hadoop map/reduce的选项，选中这个选项，然后右边，把下载的hadoop根目录选中
?
?如果能看到以上两点说明安装成功了二、插件安装后，配置一下连接参数插件装完了，就可以建一个连接了，就相当于eclipse里配置一个 weblogic的连接?
第一步 如图所示，打开Map/Reduce Locations 视图，在右上角有个大象的标志点击
?
第二步，在点击大象后弹出的对话框进行进行参数的添加，如下图
location name: 这个随便填写，笔者填写的是：hadoop.?
map/reduce master 这个框里
host：就是jobtracker 所在的集群机器，笔者这里是单机伪分布式，jobtracker就在这个机器上，所以填上这个机器的ip
port：就是jobtracker 的port，这里写的是9001?
这两个参数就是 mapred-site.xml里面mapred.job.tracker里面的ip和port
?
DFS master这个框里
host：就是namenode所在的集群机器，笔者这里是单机伪分布式，namenode就在这个机器上，所以填上这个机器的ip。
port：就是namenode的port，这里写9000
?
这两个参数就是 core-site.xml里fs.default.name里面的ip和port（use M/R master host，这个复选框如果选上，就默认和map/reduce master 这个框里的 host一样，如果不选择，就可以自己定义输入，这里jobtracker 和namenode在一个机器上，所以是一样的，就勾选上）
?
?
username：这个是连接hadoop的用户名，因为笔者是在linux中用root用户安装的hadoop，而且没建立其他的用户，所以就用root。
?
下面的不用填写。
?
然后点击 finish按钮，此时，这个视图中就有多了一条记录，
?
第三步，重启eclipse，然后重启完毕之后，重新编辑刚才建立的那个连接记录，如图，第二步里面我们是填写的General，tab页，现在我们编辑advance parameters tab页。
?
读者可能问，为什么不在第二步里直接把这个tab页 也编辑了，这是因为，新建连接的时候，这个advance paramters ?tab页面的一些属性显示不出来，显示不出来也就没法设置，（这个有点 不好哇~~，应该显示出来，免得又重启一次，小小鄙视一下~ 哇咔咔~），必须重启一下eclipse 再进来编辑才能看到。
?
这里大部门属性都已经自动填写上了，读者可以看到，这里其实就是把core-defaulte.xml,hdfs-defaulte.xml,mapred-defaulte.xml里面的一些配置属性展示在这，因为我们安装hadoop的时候，还在site系列配置文件里有改动，所以这里也要弄成一样的设置。主要关注的有以下属性
?
fs.defualt.name:这个在General tab页已经设置了。
mapred.job.tracker:这个在General tab页也设置了。
?
dfs.replication:这个这里默认是3，因为我们再hdfs-site.xml里面设置成了1，所以这里也要设置成1
hadoop.tmp.dir:这个默认是/tmp/hadoop-{user.name},因为我们在ore-defaulte.xml 里hadoop.tmp.dir设置的是/usr/local/hadoop/hadooptmp，所以这里我们也改成/usr/local/hadoop/hadooptmp,其他基于这个目录属性也会自动改
?
hadoop.job.ugi:刚才说看不见的那个，就是这个属性，这里要填写：root,Tardis，逗号前面的是连接的hadoop的用户，逗号后面就写死Tardis。
?
然后点击finish,然后就连接上了，连接上的标志如图：
DFS Locations下面会有一只大象，下面会有一个文件夹(2) 这个就是 hdfs的根目录，这里就是展示的分布式文件系统的目录结构。
?
三、写一个wordcount的程序，在eclipse里执行
在这个eclipse里建一个map/reduce 工程，如图?
?
叫exam，然后在这个工程下面建个java类如下
?
第一个,MyMap.java?
?
??input 就是文件存放路径，outchen就是mapReduce 之后处理的数据 输出文件夹
?
?然后run on hadoop 如图
?
控制台打印如下信息：?
或者执行代码的时候，控制台如下信息?出现以上错误的时候，原因可能有：a、hadoop没起来没有启动导致的，b、就是连接不对，看看core-site.xml 和mapred-site.xml里面的 ip 是否写成 localhost了，写成localhost是连接不到的，必须写成ip。读者也可以看到如果连接成功 那个文件夹的（2）而不是 文件夹（1）2、如果出现一下错误?就说明刚才那个C:/Windows/System32/drivers/etc ?目录，打开 hosts文件 加入：192.168.133.128 ?hadoopName，在hosts文件里写入这个就行了，要重启机器才行
