许久之前就计划学习hadoop了，直到最近才提上日程。花费了一些时间才把centos下的hadoop搭起来，前后经历的“挫折”绝对可以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。今天终于可以坐下来说说如何在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；

（由于hadoop对版本的要求较高，大家还是不要轻易更换版本，这里列出来的各种软件都是稳定发布版，网上很容易可以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服务无密码登录；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。可以说这5个部分每一个都很重要，尤其是第4）步。下面我们就详细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，用户名为hadoop，我们所有的软件全在这个下面安装，用户名最好要是hadoop，因为这个要和后面很多username相同，设为hadoop比较好记。

 

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，如下图：

    

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，需要你输入linux的用户名，这个比较重要，最好填写hadoop，因为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”，如下图。这一步我当时选择了自动桥接的功能，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”，几乎都是使用它推荐的设置，我们就可以新建一个centos，等待个几分钟然后就可以进入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服务无密码登录；

    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。不过要是没有的话，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，提示密码，输入你自己设置的密码，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无密码登录之前，有一个特别重要的要先出好：关闭SELinux。这是因为centos会自动阻止你修改sshservice，我们只有关闭SELinux，重启才能生效。如何做，如下：

修改/etc/selinux/config文件

将SELINUX=enforcing改为SELINUX=disabled

重启机器即可

（note：在linux下修改文件，vi命令后会进入到文件窗口，按i进入insert，修改完毕之后再按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): //设置密钥的密码，空密码直接回车即可；

Enter samepassphrase again: //确认上一步设置的密码。

然后进入 /root/.ssh/下面，会看到两个文件 id_rsa.pub，id_rsa，

然后执行cp id_rsa.pub  authorized_keys

然后 ssh localhost 验证是否成功，第一次要你输入yes，以后就不需要了。

如下图，由于我又验证了一次，所以还需要输入y，如果你是第一次验证是不要的。

    至此，ssh服务无密码登录设置完毕！

3）centos下安装jdk，并配置环境变量；

    这一步中可以分为两步：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新建目录/usr/program ,下载 JDK 安装包jdk-6u13-linux-i586.bin，将其复制到目录/usr/program下，用cd命令进入该目录，执行命令“./ jdk-6u13-linux-i586.bin”，命令运行完毕即安装完成，将在目录下生成文件夹/jdk1.6.0_13，此即为jdk被成功安装到目录：/usr/program/jdk1.6.0_13下。

    3.2. root 用户登陆，命令行中执行命令“vi/etc/profile”,并加入以下内容，配置环境变量(注意/etc/profile这个文件很重要，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编辑器增加以上内容后保存退出，并执行以下命令使配置生效！

#chmod  +x  /etc/profile ；增加执行权限

#source  /etc/profile；使配置生效！

配置完毕后，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就可以查看ip地址了。如下图：（我的是192.168.154.129）

    4.2.下载 hadoop-0.20.2.tar.gz，将其拷贝到/usr/local/hadoop 目录下，然后在该目录/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文件夹下）。

命令如下:  tar -zxvf  hadoop-0.20.2.tar.gz    解压安装一步完成！ 

    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

添加 # set javaenvironment

            export JAVA_HOME=/usr/program/jdk1.6.0_27

编辑后保存退出（提示，输入:wq!）。其实仔细找一下就会发现hadoop-env.sh文件中本身就有JAVA_HOME这行，我们只需要把前面的注释#取消，然后修改HOME的地址就好。如下图所示：

    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，是不正确的！后面和eclipse会连接不上！！这里又消耗了一个晚上的时间。。。）

如下图所示：

    说明：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/hadoop-0.20.2/hadooptmp,当然这个目录必须是存在的。

    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：其中dfs.replication的value为1是因为我们这里配置的是单机伪分布式，只有一台机子~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>

如下图：

    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，无需重新配置）

[root@hadoop conf]# vi masters

192.168.154

[root@hadoop conf]# vi slaves

192.168.154

注：因为在伪分布模式下，作为master的namenode与作为slave的datanode是同一台服务器，所以配置文件中的ip是一样的。 

    4.9.  主机名和IP解析配置 (这一步非常重要！！！)

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才能正常工作！主机名的配置非常重要！

    4.9.  启动hadoop

进入 /usr/local/hadoop/hadoop-0.20.2/bin目录下，输入hadoop namenode -format格式化namenode。

启动hadoop所有进程，输入start-all.sh：

验证hadoop有没有起来，输入jps：

如果红圈中的Tasktracker, JobTracker, DataNode, Namenode都起来了，说明你的hadoop安装成功！

说明：1.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。

2.启动之后，在/usr/local/hadoop/hadoop-1.0.1/hadooptmp 下的dfs文件夹里会生成 data目录，这里面存放的是datanode上的数据块数据，因为笔者用的是单机，所以name 和 data 都在一个机器上，如果是集群的话，namenode所在的机器上只会有name文件夹，而datanode上只会有data文件夹。

 

5）windows下安装jdk和eclipse，并将eclipse与centos下的hadoop连接；

    在windows下安装jdk这个很简单，之间下载windows下的jdk安装即可。Eclipse直接把安装包解压即可使用。我们主要说一下如何将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。关闭防火墙的方法如下：

输入命令：chkconfig iptables off，然后reboot重启即可。

重启之后，输入命令：/etc.init.d/iptables status就可以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参数

下载插件hadoop-eclipse-plugin-0.20.3-SNAPSHOT，放到eclipse下的plugins文件夹中，重启eclipse就可以找到project explorer一栏中的DFS locations。如下图：

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根目录选中。

在视图中打开map/reducelocation，你会发现在下面的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的参数，具体如下：

点击finish，关闭eclipse，再重启eclipse，会发现在Location区域有一个紫色的大象，右击它edit，配置Advanced parameters的参数。（注意，这儿不断关闭、重启eclipse的过程一定要严格执行，不然在advanced parameters页会有一些参数不出来~）

设置advancedparameters页的参数是最耗费时间的，总共需要修改3个参数，当时一开始的时候发现它的页面下找不到：

第一个参数：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/hadoop-0.20.2/hadooptmp，所以这里我们也改成/usr/local/hadoop/hadoop-0.20.2/hadooptmp,其他基于这个目录属性也会自动改；

第二个参数：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；

第三个参数：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，一般而言第一个参数hadoop.tmp.dir很好出来，你按照前面的步骤重启eclipse，在advanced paramters页面就可以直接找到它，修改即可；后面两个参数比较难出来，其中hadoop.job.ugi参数，一定要保证linux的用户名和windows的用户名相同才会有，不然是找不到的。直到现在我也不知道为什么有的时候就是找不到这两个参数，只有多关闭-重启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目录下会展示hadoop的hdfs的文件目录

按照上面设置好之后，我们会在project中发现hadoop中最重要的hdfs目录已经展示出来了。如下图：

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中运行。