环境：ubuntu13
使用的用户为普通用户。如：用户ru
jdk安装略
1、安装ssh
(1)
1. sudo apt-get install openssh-server
(2)配置ssh面密码登录
1. $ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
2. $ cat ~/.ssh/id_dsa.pub >>
注释：如果当前用户下没有.ssh目录，则手动创建.ssh目录。
2、下载安装hadoop
（1）下载hadoop-1.2.1-bin.tar.gz
（2）修改权限
如果拥有者不是ru:ru，使用
1. chown ru:ru hadoop-1.2.1-bin.tar.gz
(3)解压
ru用户下
1. tar -zxvf hadoop-1.2.1-bin.tar.gz
（4）将解压后的hadoop拷贝到安装目录
3、配置hadoop
配置文件在$HADOOP_HOME/conf下
(1)配置hadoop-env.sh，指定jdk的安装路径
1. 添加jdk路径
2. # The java implementation to use. Required.
3. JAVA_HOME=/home/ruge/soft/jdk1.7.0_45
（2）修改hadoop的核心配置文件core-site.xml，配置namenode的地址和端口
1. <configuration>
2. <property>
3. <name>fs.default.name</name>
4. <value>hdfs://localhost:9000</value>
5. </property>
6. </configuration>
1. 这个还是很必要的，如果不配置临时目录，格式化hdfs是会在/tem目录下创建临时目录但是tmp目录重启系统会清楚下面文件。这样namenode就启动不起来了
2. <property>
3. <name>hadoop.tmp.dir</name>
4. <value>/home/ruge/hadoop/hadooptmpdir</value>
5. for
6. </property>
(3)修改hadoop的hdfs-site.xml，配置replication，即数据保存份数
1. <property>
2. <name>dfs.replication</name>
3. 1</value>
4. </property>
（4）修改hadoop的mapred-site.xml，配置jobtracker的地址和端口
1. <property>
2. <name>mapred.job.tracker</name>
3. 9001</value>
4. </property>
注：涉及到IP的地方如果是完全分布式集群，需要改成具体的IP
4、格式化hadoop的文件系统HDFS
1. bin/hadoop namenode -format
5、启动hadoop
1. bin/start-all.sh
6、验证hadoop是否启动成功
- NameNode - http://localhost:50070/
- JobTracker - http://localhost:50030/
7、使用wordcount计算单词数
1. (1)新建hdfs目录，不是实际的系统文件目录，只能使用hadoop dfs -ls /XXX查看
2. hadoop dfs -mkdir /input
3.
4. (2)将文件复制到新建的hdfs目录
5. hadoop dfs -put ./*.sh /input/
6.
7. （3）使用hadoop的wordcount计算单词数
8. hadoop jar hadoop-examples-1.2.1.jar wordcount /input /output
9.
10. 注：input 和 output都是hdfs文件目录。不同的是input是需要分析的目录，outpu是存放结果的目录，且自动生成，不能手动创建
第二部分，安装hadoop集群：
1，准备2个服务器，分别为
机器名IP地址作用
hadoop.main192.168.1.102NameNode，JobTracker，DataNode，TaskTracker
hadoop.slave192.168.1.107DataNode，TaskTracker
注：2台主机必须使用相同的用户名运行hadoop
2，分别在这两个主机上，按照单机版的安装方法，安装hadoop
3，在/etc/hostname中修改主机名
在/etc/hosts中配置主机名和IP地址度对应关系
分别在2台主机中，运行以下命令：
ping hadoop.main
ping hadoop.slave
修改/etc/hosts添加master和slave的ip和主机名
4，将hadoop.main节点中的~/.ssh/id_rsa.pub文件拷贝到hadoop.slave节点的~/.ssh目录下，然后在hadoop.slave的~/.ssh/目录下运行：
cat ./id_rsa.pub >> authorized_keys
在hadoop.main节点中运行命令: ssh hadoop.slave
5, 修改2台主机的core-site.xml，配置HDFS的地址和端口号
vi conf/core-site.xml
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://hadoop.main:9000</value>
</property>
</configuration>
6,修改2台主机的MapReduce的配置文件，配置的是JobTracker的地址和端口
vi conf/mapred-site.xml
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>hadoop.main:9001</value>
</property>
</configuration>
7，修改2台主机中的hadoop配置文件masters
hadoop.main
8，修改2台主机中的hadoop配置文件slaves
hadoop.main
hadoop.slave
9，在haddop.main节点运行
bin/hadoop namenode -format
10,启动hadoop
bin/start-all.sh
ps: datanode time configuration
<property>
<name>heartbeat.recheck.interval</name>
<value>15</value>
</property>
