eclipse远程连接Hadoop遇到的一些问题

网上的教程很多，但是大部分并不详细，省略了很多过程，导致配置不成功。目前看到的最好的一篇配置博客是最详细云服务器Centos7下搭建Hadoop伪分布式集群(防各种坑)

在这里对这篇博客进行一些补充（也算是自己踩的几个坑）

环境：hadoop-2.7.5、jdk-1.8、阿里云服务器、伪分布式、eclipse远程连接

1.JDK版本

写下本文的时候，Apache官网已经可以下载jdk14了.如果使用该版本的jdk，那么在配置好Hadoop相关文件后，对HDFS进行操作，如：
hdfs dfs -ls /
这样的查看命令，会出现各种warning.虽然不影响使用，但是每次运行命令的时候看起来会很烦，所以最好还是使用JDK8吧。

2.DataNode无法启动

在运行start-dfs.sh后，发现NameNode和SecondaryNameNode都启动了，但是DataNode却启动不了。

这是因为DataNode与NameNode的clusterID不同导致的该问题。需要将./hadoop/tmp/dfs/name/current/VERSION中NameNode的clusterID复制到./hadoop/tmp/dfs/data/current/VERSION中的clusterID，再次启动，就可以看到DataNode也启动了。

也可以将./hadoop/tmp/dfs中的文件都删除(name、data等)然后hadoop namenode -format再启动.

ps.这些错误信息是可以在log中看到的，log的位置在./hadoop/tmp/dfs下的.log文件。也可以在远程使用浏览器（使用ip+50070端口号连接）在Utilities-Logs中可以阅读这些log文件。

3.NameNode的位置

需要注意的是，在配置core-site.xml时，

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

这里的yourname是阿里云的私网ip，不可以设置成localhost或127.0.0.1.

4.上传或下载的文件为0kb

这有很多原因。

a.最详细云服务器Centos7下搭建Hadoop伪分布式集群(防各种坑)中描述了一种，此处不再赘述.

b.防火墙没有开放.这里的防火墙，不仅仅要开放NameNode节点的防火墙，更需要开放DataNode节点的防火墙.因为客户端在访问NameNode后，NameNode会返回相应的DataNode节点的地址，如果DataNode节点的地址没有开放的话，则客户端无法访问到DataNode节点.

c.本机无法解析DataNode节点的地址.由于NameNode返回的是DataNode节点的私网ip，所以客户端是无法解析该ip的.为了解决这个问题，首先需要在配置hdfs-site.xml的时候，如下设置（参考博客中已经这样配置了）

<property><name>dfs.client.use.datanode.hostname</name><value>true</value>
</property>

这样的话，NameNode返回给客户端的ip就不是私网ip，而是DataNode节点的主机名.此时，需要在客户端中配置C:\Windows\System32\drivers\etc\hosts中添加一行为：
DataNode公网ip地址 DataNode主机名
配置好了后，重启电脑或命令行里用

ipconfig /displaydns
ipconfig /flushdns

刷新所有dns内容.这样就可以让客户端解析出DataNode的公网ip并访问了.

d.端口没有开放.客户端访问NameNode是通过访问NameNode节点的9000端口，但是在于DataNode进行传输的时候，访问的是DataNode节点的50010端口.如果是在阿里云上，需要设置50010的白名单，否则也将无法上传/下载文件.

其他问题可以通过log或者wireshark抓包自行分析.