要想深入学习Hadoop分布式文件系统，首先需要搭建Hadoop的实验环境，Hadoop有两种安装模式，即单节点集群模式安装（也称为伪分布式）和完全分布式模式安装，本节只介绍单节点模式的安装，参考官方文档：

http://hadoop.apache.org/docs/r2.7.1/hadoop-project-dist/hadoop-common/SingleCluster.html

由于Hadoop是运行在Linux/Unix平台，如果读者使用的是Windows操作系统，需要在虚拟机中搭建Linux运行环境，目前主流的虚拟机产品有vmware和vitualBox，Linux的发行版可以根据个人喜好自行选择，笔者使用的是vmware和ubuntu系统。

搭建Hadoop单节点安装环境需要以下几个步骤：


一.安装JDK，对于Ubuntu系统可以使用apt-get工具进行安装：

sudo apt-get install openjdk-7-jdk

默认安装路径为/usr/lib/jvm/java-7-openjdk-i386



二.获取Hadoop软件包，下载地址：http://hadoop.apache.org/releases.html

笔者选择的版本为2.7.1，下载完后解压到任意目录下。hadoop的目录结构也比较简单，如下图所示：

Hadoop单节点和多节点_Hadoop单节点和多节点

bin目录下存放最基本的管理脚本和使用脚本，用户可以使用这些脚本管理和使用Hadoop

etc目录下存放hadoop所有的配置文件，包括我们接下来会关注的core-site.xml、hdfs-site.xml等

include提供对为编程的c++的头文件，用于c++程序访问HDFS或编写MR程序等

lib为对外提供的静态库和动态库文件，与include目录下的头文件结合使用

libexec为各个服务所对应的shell配置文件所在目录，可用于配置日志输出目录、启动参数（比如JVM参数）等基本信息

sbin为hadoop管理脚本所在目录，主要包括HDFS和YARN中各类服务的启动/关闭脚本

share为各个模块编译后的jar包所在目录

三.修改Hadoop配置

1.修改hadoop解压目录下的 etc/hadoop/hadoop-env.sh文件

export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-i386

2.修改etc/hadoop/core-site.xml: 


<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

3.修改etc/hadoop/hdfs-site.xml文件 


<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

四.安装Hadoop分布式文件系统


1.格式化文件系统：

bin/hdfs namenode -format

2.启动NameNode进程和DateNode进程 


sbin/start-dfs.sh

3.查看hadoop进程是否正常启动 


ps -ef|grep hadoop

3.在web浏览器中访问NameNode的web接口，默认地址为：http://localhost:50070/

Hadoop单节点和多节点_c/c++_02

 

如果出现上图所示界面说明hadoop启动成功。

4.创建HDFS目录用于执行MapReduce任务：

$ bin/hdfs dfs -mkdir /user
  $ bin/hdfs dfs -mkdir /user/<username>

5.拷贝文件到分布式文件系统中： 

$ bin/hdfs dfs -put etc/hadoop input

6.运行hadoop提供的案例程序： 

$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar grep input output 'dfs[a-z.]+'

7.关闭hadoop进程： 

$ sbin/stop-dfs.sh