在Windows下利用cygwin仿unix环境安装配置Hadoop。

子猴也是刚接触到hadoop，对其的配置第一次按照网上的一些说明配置成功了，但有些东西感到不是很清晰，所以又重新把整个过程跑了一遍并记录下来，也是想对整个过程有个清晰的脉络，不正确之处请指教。

1、  所需软件

1.1、Cygwin（截至到目前最新版本是2.685）

下载地址：http://www.cygwin.com/setup.exe

1.2、JDK 1.6.x

1.3、hadoop-0.20.1

下载地址：http://apache.freelamp.com/hadoop/core/hadoop-0.20.1/hadoop-0.20.1.tar.gz

2、  安装

2.1、Cygwin安装说明见文章：http://hi.baidu.com/xiaoduo170/blog/item/9a21e38269a89ea46e81196f.html

http://www.programarts.com/cfree_ch/doc/help/UsingCF/CompilerSupport/Cygwin/Cygwin1.htm

这两篇文章上所要求装的东西最好都装上，否则可能安装不成功

补充：cygwin的bash是无法复制粘贴的，很不方便，所以可采用putty，下载地址是：

http://www.linuxboy.net/linux/rc/puttycyg.zip ，将puttycyg.zip解压后的三个exe文件放到Cygwin安装目录HOME_PATH下bin目录下，然后修改HOME_PATH下的 Cygwin.bat文件，建议用记事本打开，然后将bash –login –i注释掉，在前面加rem，也就是rem bash –login –i，或者:: bash –login –i，加入 start putty -cygterm – 即可。

这样一来就可以复制粘贴了，但注意的是默认的根目录是Cygwin的HOME_PATH，如果要切换到其他主目录，但如果你想要进入到其他根目录，但如果你想要进入到其他根目录，需要通过系统根目录，子猴这里的是/cygdrive，比如要进入到e盘，则为/cygdrive/e。

2.2、JDK的安装省略了

2.3、hadoop-0.20.1安装

将hadoop-0.20.1.tar.gz解压，解压后的目录如hadoop-0.20.1，假设是放在E盘：

E:\hadoop-0.20.1，修改conf/hadoop-env.sh文件，将export JAVA_HOME的值修改为你机上的jdk安装目录，比如/cygdrive/d/tools/jdk1.6.0_03，/cygdrive是 Cygwin安装成功后系统的根目录

3、  安装和配置ssh

3.1、安装

在Cygwin的根目录下分别运行：

$ chmod +r /etc/group $ chmod +r /etc/passwd $ chmod +rwx /var $ ssh-host-config *** Info: Generating /etc/ssh_host_key *** Info: Generating /etc/ssh_host_rsa_key *** Info: Generating /etc/ssh_host_dsa_key *** Info: Creating default /etc/ssh_config file *** Info: Creating default /etc/sshd_config file *** Info: Privilege separation is set to yes by default since OpenSSH 3.3. *** Info: However, this requires a non-privileged account called 'sshd'. *** Info: For more info on privilege separation read /usr/share/doc/openssh/README.privsep. *** Query: Should privilege separation be used? (yes/no) yes *** Info: Note that creating a new user requires that the current account have *** Info: Administrator privileges.  Should this script attempt to create a *** Query: new local account 'sshd'? (yes/no) yes *** Info: Updating /etc/sshd_config file *** Info: Added ssh to C:\WINDOWS\system32\driversc\services *** Info: Creating default /etc/inetd.d/sshd-inetd file *** Info: Updated /etc/inetd.d/sshd-inetd *** Warning: The following functions require administrator privileges! *** Query: Do you want to install sshd as a service? *** Query: (Say "no" if it is already installed as a service) (yes/no) yes *** Query: Enter the value of CYGWIN for the daemon: [] cygwin （ 注：此处输入的cygwin可以是任意的） *** Info: The sshd service has been installed under the LocalSystem *** Info: account (also known as SYSTEM). To start the service now, call *** Info: `net start sshd' or `cygrunsrv -S sshd'.  Otherwise, it *** Info: will start automatically after the next reboot. *** Info: Host configuration finished. Have fun!

在询问yes/no的地方，统一输入yes，sshd就安装好了。

3.2配置

3.2.1、启动sshd服务

net start sshd

CYGWIN sshd 服务正在启动

CYGWIN sshd 服务已经启动成功

3.2.2、$ ssh localhost

试着连接本机看看，注意，如果在没有启动sshd服务，这个连接肯定是失败的！关于此错误也可参见：
http://www.zihou.me/2010/02/19/1521/

如果没问题，会出现下面一些内容：

The authenticity of host 'localhost (127.0.0.1)' can't be established. RSA key fingerprint is 08:03:20:43:48:39:29:66:6e:c5:61:ba:77:b2:2f:55. Are you sure you want to continue connecting (yes/no)? yes Warning: Permanently added 'localhost' (RSA) to the list of known hosts. zihou@localhost's password:

会提示输入你机子的登录密码，输入无误后，会出现文本图形，类似于欢迎的提示：

The Hippo says: Welcome to

3.2.3、建立ssh的通道

$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa Generating public/private dsa key pair. Your identification has been saved in /home/zihou/.ssh/id_dsa. Your public key has been saved in /home/zihou/.ssh/id_dsa.pub. The key fingerprint is: 6d:64:8e:a6:38:73:ab:c5:ce:71:cd:df:a1:ca:63:54 zihou@PC-04101515 The key's randomart image is: +--[ DSA 1024]----+ |                 | |                 | |          o      | |         *  E    | |        S +.     | |     o o +.      | |    + * ..o   .  | |     B + .o. o . | |    ..+  .ooo .  | +-----------------+

$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

再执行遍$ ssh localhost看看，如果没有问题，就说明sshd已经配置好了。

4、  配置hadoop

编辑conf/hadoop-site.xml

加入以下内容：

<configuration> <property> <name>fs.default.name</name> <value>localhost:9000</value> </property> <property> <name>mapred.job.tracker</name> <value>localhost:9001</value> </property> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration>

5、  运行hadoop

进入到E:\hadoop-0.20.1，在cygwin下的操作如：/cygdrive/e/ hadoop-0.20.1，执行：

bin/hadoop namenode –format格式化一个新的分布式文件系统，提示信息如下：
10/02/19 17:32:26 WARN conf.Configuration: DEPRECATED: hadoop-site.xml found in the classpath.
Usage of hadoop-site.xml is deprecated. Instead use core-site.xml, mapred-site.xml and hdfs-site.xml
to override properties of core-default.xml, mapred-default.xml and hdfs-default.xml respectively
（这段我还不是很清楚，我用的最新版本）

10/02/19 17:32:26 INFO namenode.NameNode: STARTUP_MSG:

/************************************************************

STARTUP_MSG: Starting NameNode

STARTUP_MSG:   host = PC-04101515/192.168.0.14

STARTUP_MSG:   args = [-format]

STARTUP_MSG:   version = 0.20.1

STARTUP_MSG:   build =

http://svn.apache.org/repos/asf/hadoop/common/tags/release-0.20.1-rc1 -r 810220; compiled by ‘oom’ on Tue Sep  1 20:55:56 UTC 2009

************************************************************/

10/02/19 17:32:27 INFO namenode.FSNamesystem:

fsOwner=zihou,None,root,Administrators,Users

10/02/19 17:32:27 INFO namenode.FSNamesystem: supergroup=supergroup

10/02/19 17:32:27 INFO namenode.FSNamesystem: isPermissionEnabled=true

10/02/19 17:32:28 INFO common.Storage: Image file of size 102 saved in 0 seconds.

10/02/19 17:32:28 INFO common.Storage: Storage directory \tmp\hadoop-SYSTEM\dfs\name has been successfully formatted.

10/02/19 17:32:28 INFO namenode.NameNode: SHUTDOWN_MSG:

/************************************************************

SHUTDOWN_MSG: Shutting down NameNode at PC-04101515/192.168.0.14

************************************************************/
6、  启动hadoop守护进程

$ bin/start-all.sh starting namenode, logging to /cygdrive/e/hadoop-0.20.1/bin/../logs/hadoop-zihou-namenode-PC-04101515.out localhost: datanode running as process 5200. Stop it first. localhost: secondarynamenode running as process 1664. Stop it first. starting jobtracker, logging to /cygdrive/e/hadoop-0.20.1/bin/../logs/hadoop-zihou-jobtracker-PC-04101515.out localhost: starting tasktracker, logging to /cygdrive/e/hadoop-0.20.1/bin/../logs/hadoop-zihou-tasktracker-PC-04101515.out

（注：如果你第一次启动，提示信息或许会与上面有所不同，我为了写这篇文章，重新执行了一遍）

7、  测试

单机模式的操作方法

下面的实例将已解压的 conf 目录拷贝作为输入，查找并显示匹配给定正则表达式的条目。输出写入到指定的output目录。（注：根目录是hadoop的目录）

$ mkdir input

$ cp conf/*.xml input

$ bin/hadoop jar hadoop-*-examples.jar grep input output ‘dfs[a-z.]+’

$ cat output/*

通过执行$ bin/hadoop dfs –ls来看是否将*.xml文件拷贝到input中了，执行后结果如下：

Found 1 items

drwxr-xr-x   – zihou supergroup          0 2010-02-19 17:44 /user/zihou/input

表示已经拷贝过去了。

在伪分布式模式上运行

bin/hadoop jar hadoop-*-examples.jar grep input output ‘dfs[a-z.]+’

如果没有错误的话，会给出一堆信息，如：
10/02/19 14:56:07 WARN conf.Configuration: DEPRECATED: hadoop-site.xml found in the classpath. Usage of hadoop-site.xml is deprecated. Instead use core-site

.xml, mapred-site.xml and hdfs-site.xml to override properties of core-default.xml, mapred-default.xml and hdfs-default.xml respectively

10/02/19 14:56:08 INFO jvm.JvmMetrics: Initializing JVM Metrics with processName=JobTracker, sessionId=

10/02/19 14:56:09 INFO mapred.FileInputFormat: Total input paths to process : 5

10/02/19 14:56:10 INFO mapred.JobClient: Running job: job_local_0001

10/02/19 14:56:10 INFO mapred.FileInputFormat: Total input paths to process : 5

10/02/19 14:56:10 INFO mapred.MapTask: numReduceTasks: 1

10/02/19 14:56:10 INFO mapred.MapTask: io.sort.mb = 100

10/02/19 14:56:10 INFO mapred.MapTask: data buffer = 79691776/99614720

10/02/19 14:56:10 INFO mapred.MapTask: record buffer = 262144/327680

。。。。。。。。。。。。。。。
这样，hadoop就成功配置了！

说明：

Hadoop中文文档地址：http://hadoop.apache.org/common/docs/r0.18.2/cn/

快速安装说明手册：http://hadoop.apache.org/common/docs/r0.18.2/cn/quickstart.html

Hadoop简介：

Hadoop是一个开放源代码的分布式文件系统，属于Apache中的一个项目，所谓分布式文件系统（Distributed File System），指的是具有执行远程文件存取的能力，并以透明方式对分布在网络上的文件进行管理和存取，客户端访问的时候不需要知道文件真正存放在哪里。 Hadoop最初是包含在Nutch中的，后来，Nutch中实现的NDFS和MapReduce代码剥离出来成立了一个新的开源项目，这就是 Hadoop。