Cygwin使用hadoop

木一

便于hadoop伪分布式在本地进行调试，采用Cygwin来进行hadoop开发是一种比较好的方式，因此该文章将介绍hadoop在Cygwin中的使用方法。
安装Hadoop伪分布，hadoop使用了ssh协议，ssh采用标准的公钥加密来生成一对用户验证密钥---一个公钥、一个私钥，并且使用NFS在集群中共享它，公钥被本地存储在集群的每个节点上，私钥则由主节点在视图访问远程节点时发送过来，默认情况下的Cygwin没有安装ssh，所以重新运行http://www.cygwin.com/setup.exe，在Select Packages的时候，在search输入ssh，选择openssh，继续安装cgywin，直到安装成功
 
配置SSH服务
1、在cygwin中输入：ssh-host-config
除了Do you want to use a different name?  no 其他都是yes
2、输入密码时候最好和你本身linux密码一致，这样方便记忆

 

这样我们就设置ssh信任机制，让两台机器能够相互通信，在相互访问的时候不需要输入密码

3、执行 cygrunsrv  -S  sshd  启动ssh服务

查看服务是否启动:services.msc中查看cyg ，同时还可以修改密码，注意：如果需要重新安装sshd服务，可以用cygrunsrv -R sshd
4、生成SSH Key
ssh-keygen  -t  rsa（密码为空，路径默认）
cp  .ssh/id_rsa.pub  .ssh/authorized_keys
 
5、检查SSH

　　安装hadooop
因为我们用cygwin只是用来方便调式hadoop，并不是为了在上面搭建正式的服务器，因为我们没有必要选择有bug的hadoop版本进行安装，我们选择集成中没有bug的版本.020.2下载，解压并拷贝到Cygwin下的目录（JDK也一并安装）
http://archive.apache.org/dist/hadoop/core/hadoop-0.20.2/hadoop-0.20.2.tar.gz
官方说明1.x版本有BUG,参考，BUG修复请参考：
http://en.wikisource.org/wiki/User:Fkorning/Code/Hadoop-on-Cygwin

 

　　配置环境变量（.bashrc文件追加下面内容）
export  JAVA_HOME=/usr/java/jdk1.6.0_20
export  PATH=/usr/java/hadoop-0.20.2/bin:$JAVA_HOME/bin:$PATH
　　在hadoop-0.20.2/conf/hadoop-evn.sh中追加下面内容
　　export  JAVA_HOME=/usr/java/jdk1.6.0_20
export  HADOOP_LOG_DIR=/tmp/logs
　　创建连接符
由于默认情况下在cygwin中，hadoop的默认文件存放在根目录的tmp文件夹下，这样对统一目录不方便，因此采用连接符(在win下的cmd中执行)
mklink /D c:\tmp c:\cygwin\tmp
　　执行后，重新执行：ssh localhost，使其生效
　　配置HADOOP运行参数
我们这次将不采用指定存储目录，采用默认的存储目录，我们看看默认情况下文件存放情况（如果我们不指定，默认的文件存储配置存放在hadoop根目录下的hadoop-0.20.2-core.jar包的xxx-default.xml文件中的）
　　conf/core-site.xml

<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property> 
　　conf/hdfs-site.xml

<property>
<name>dfs.replication</name>
<value>1</value>
</property>
　　conf/mapred-site.xml

<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property>
<property>
<name>mapred.tasktracker.map.tasks.maximum</name>
<value>4</value>
</property>
<property>
<name>mapred.tasktracker.reduce.tasks.maximum</name>
<value>4</value>
</property>
　　格式化名称节点并启动集群
使用命令：hadoop namenode –format

　　
使用命令：start-all.sh，通过jps和ps的方式查看启动进程是否启动成功，我们可以看到下面通过jps只能看到启动了JobTracker、NameNode，和我们在linux下面启动的5个进程有区别（在linux下如果没有启动5个进程，表示有进程失败，需要通过日志查看启动失败的原因），但是我们发现通过ps命令确实已经启动了5个java进程，我们通过这5个进程的pid可以在我们hadoop产生的文件中查看到底是否hadoop相关进程成功启动

　　执行hadoop自带例子
创建一个文件yale.txt,存放在hadoop根目录下，并添加一些内容
　　执行：hadoop fs -put yale.txt input/yale.txt
查看：hadoop fs -cat  input/yale.txt

　　
执行：hadoop jar hadoop-0.20.2-examples.jar wordcount input output

　　具体查看：
hadoop fs -cat output/p*

　　
还可以通过web方式查看，http://localhost:50070 可以查看