ubantu 上hadoop 搭建

Hadoop安装教程_单机/伪分布式配置_Hadoop2.6.0/Ubuntu14.04

参考 http://www.powerxing.com/install-hadoop/

2014-08-09 (updated: 2017-03-02) 258168 345

当开始着手实践 Hadoop 时，安装 Hadoop 每每会成为新手的一道门槛。尽管安装其实很简单，书上有写到，官方网站也有 Hadoop 安装配置教程，但因为对 Linux 环境不熟悉，书上跟官网上简略的安装步骤新手每每 Hold 不住。加上网上很多教程也甚是坑，致使新手折腾老几天愣是没装好，非常打击学习热情。

本教程适合于原生 Hadoop 2，包括 Hadoop 2.6.0, Hadoop 2.7.1 等版本，主要参考了官方安装教程，步骤详细，辅以适当说明，相信按照步骤来，都能顺利安装并运行Hadoop。另外有Hadoop安装配置简略版方便有基础的读者快速完成安装。此外，但愿读者们能多去了解一些 Linux 的知识，之后出现问题时才能自行解决。本教程由给力星出品，转载请注明。

 

环境

本教程使用 Ubuntu 14.04 64位 做为系统环境（Ubuntu 12.04 也行，32位、64位都可），请自行安装系统。

若是用的是 CentOS/RedHat 系统，请查看相应的CentOS安装Hadoop教程_单机伪分布式配置。

本教程基于原生 Hadoop 2，在 Hadoop 2.6.0 (stable) 版本下验证经过，可适合任何 Hadoop 2.x.y 版本，例如 Hadoop 2.4.1。

Hadoop版本

Hadoop 有两个主要版本，Hadoop 1.x.y 和 Hadoop 2.x.y 系列，比较老的教材上用的多是 0.20 这样的版本。Hadoop 2.x 版本在不断更新，本教程都可适用。若是需安装 0.20，1.2.1这样的版本，本教程也能够做为参考，主要差异在于配置项，配置请参考官网教程或其余教程。

新版是兼容旧版的，书上旧版本的代码应该可以正常运行（我本身没验证，欢迎验证反馈）。

装好了 Ubuntu 系统以后，在安装 Hadoop 前还须要作一些必备工做。

建立hadoop用户

若是你安装 Ubuntu 的时候不是用的 “hadoop” 用户，那么须要增长一个名为 hadoop 的用户。

首先按 ctrl+alt+t 打开终端窗口，输入以下命令建立新用户 :

1. sudo useradd -m hadoop -s /bin/bash

Shell 命令

这条命令建立了能够登录的 hadoop 用户，并使用 /bin/bash 做为 shell。

Ubuntu终端复制粘贴快捷键

在Ubuntu终端窗口中，复制粘贴的快捷键须要加上 shift，即粘贴是 ctrl+shift+v。

接着使用以下命令设置密码，可简单设置为 hadoop，按提示输入两次密码：

1. sudo passwd hadoop

Shell 命令

可为 hadoop 用户增长管理员权限，方便部署，避免一些对新手来讲比较棘手的权限问题：

1. sudo adduser hadoop sudo

Shell 命令

最后注销当前用户（点击屏幕右上角的齿轮，选择注销），在登录界面使用刚建立的 hadoop 用户进行登录。

更新apt

用 hadoop 用户登陆后，咱们先更新一下 apt，后续咱们使用 apt 安装软件，若是没更新可能有一些软件安装不了。按 ctrl+alt+t 打开终端窗口，执行以下命令：

1. sudo apt-get update

Shell 命令

若出现以下 “Hash校验和不符” 的提示，可经过更改软件源来解决。若没有该问题，则不须要更改。

Ubuntu更新软件源时遇到Hash校验和不符的问题

点击查看：如何更改软件源

后续须要更改一些配置文件，我比较喜欢用的是 vim（vi加强版，基本用法相同），建议安装一下（若是你实在还不会用 vi/vim 的，请将后面用到 vim 的地方改成 gedit，这样可使用文本编辑器进行修改，而且每次文件更改完成后请关闭整个 gedit 程序，不然会占用终端）：

1. sudo apt-get install vim

Shell 命令

安装软件时若须要确认，在提示处输入 y 便可。

经过命令行安装软件

安装SSH、配置SSH无密码登录

集群、单节点模式都须要用到 SSH 登录（相似于远程登录，你能够登陆某台 Linux 主机，而且在上面运行命令），Ubuntu 默认已安装了 SSH client，此外还须要安装 SSH server：

1. sudo apt-get install openssh-server

Shell 命令

安装后，可使用以下命令登录本机：

1. ssh localhost

Shell 命令

此时会有以下提示(SSH首次登录提示)，输入 yes 。而后按提示输入密码 hadoop，这样就登录到本机了。

SSH首次登录提示

但这样登录是须要每次输入密码的，咱们须要配置成SSH无密码登录比较方便。

首先退出刚才的 ssh，就回到了咱们原先的终端窗口，而后利用 ssh-keygen 生成密钥，并将密钥加入到受权中：

1. exit # 退出刚才的 ssh localhost
2. cd ~/.ssh/ # 若没有该目录，请先执行一次ssh localhost
3. ssh-keygen -t rsa # 会有提示，都按回车就能够
4. cat ./id_rsa.pub >> ./authorized_keys # 加入受权

Shell 命令

~的含义

在 Linux 系统中，~ 表明的是用户的主文件夹，即 “/home/用户名” 这个目录，如你的用户名为 hadoop，则 ~ 就表明 “/home/hadoop/”。 此外，命令中的 # 后面的文字是注释。

此时再用 ssh localhost 命令，无需输入密码就能够直接登录了，以下图所示。

SSH无密码登陆

安装Java环境

Java环境可选择 Oracle 的 JDK，或是 OpenJDK，按http://wiki.apache.org/hadoop/HadoopJavaVersions中说的，新版本在 OpenJDK 1.7 下是没问题的。为图方便，这边直接经过命令安装 OpenJDK 7。

1. sudo apt-get install openjdk-7-jre openjdk-7-jdk

Shell 命令

JRE和JDK的区别

JRE（Java Runtime Environment，Java运行环境），是运行 Java 所需的环境。JDK（Java Development Kit，Java软件开发工具包）即包括 JRE，还包括开发 Java 程序所需的工具和类库。

安装好 OpenJDK 后，须要找到相应的安装路径，这个路径是用于配置 JAVA_HOME 环境变量的。执行以下命令：

1. dpkg -L openjdk-7-jdk | grep '/bin/javac'

Shell 命令

该命令会输出一个路径，除去路径末尾的 “/bin/javac”，剩下的就是正确的路径了。如输出路径为 /usr/lib/jvm/java-7-openjdk-amd64/bin/javac，则咱们须要的路径为 /usr/lib/jvm/java-7-openjdk-amd64。

接着配置 JAVA_HOME 环境变量，为方便，咱们在 ~/.bashrc 中进行设置（扩展阅读: 设置Linux环境变量的方法和区别）：

1. vim ~/.bashrc

Shell 命令

在文件最前面添加以下单独一行（注意 = 号先后不能有空格），将“JDK安装路径”改成上述命令获得的路径，并保存：

1. export JAVA_HOME=JDK安装路径

Shell

以下图所示（该文件本来可能不存在，内容为空，这不影响）：

配置JAVA_HOME变量

接着还须要让该环境变量生效，执行以下代码：

1. source ~/.bashrc # 使变量设置生效

Shell 命令

设置好后咱们来检验一下是否设置正确：

1. echo $JAVA_HOME # 检验变量值
2. java -version
3. $JAVA_HOME/bin/java -version # 与直接执行 java -version 同样

Shell 命令

若是设置正确的话，$JAVA_HOME/bin/java -version 会输出 java 的版本信息，且和 java -version 的输出结果同样，以下图所示：

成功配置JAVA_HOME变量

这样，Hadoop 所需的 Java 运行环境就安装好了。

安装 Hadoop 2

Hadoop 2 能够经过 http://mirror.bit.edu.cn/apache/hadoop/common/ 或者 http://mirrors.cnnic.cn/apache/hadoop/common/ 下载，通常选择下载最新的稳定版本，即下载 “stable” 下的 hadoop-2.x.y.tar.gz 这个格式的文件，这是编译好的，另外一个包含 src 的则是 Hadoop 源代码，须要进行编译才可以使用。

下载时强烈建议也下载 hadoop-2.x.y.tar.gz.mds 这个文件，该文件包含了检验值可用于检查 hadoop-2.x.y.tar.gz 的完整性，不然若文件发生了损坏或下载不完整，Hadoop 将没法正常运行。

本文涉及的文件均经过浏览器下载，默认保存在 “下载” 目录中（若不是请自行更改 tar 命令的相应目录）。另外，本教程选择的是 2.6.0 版本，若是你用的不是 2.6.0 版本，则将全部命令中出现的 2.6.0 更改成你所使用的版本。

1. cat ~/下载/hadoop-2.6.0.tar.gz.mds | grep 'MD5' # 列出md5检验值
2. # head -n 6 ~/下载/hadoop-2.7.1.tar.gz.mds # 2.7.1版本格式变了，能够用这种方式输出
3. md5sum ~/下载/hadoop-2.6.0.tar.gz | tr "a-z" "A-Z" # 计算md5值，并转化为大写，方便比较

Shell 命令

若文件不完整则这两个值通常差异很大，能够简单对比下前几个字符跟后几个字符是否相等便可，以下图所示，若是两个值不同，请务必从新下载。

检验文件完整性

咱们选择将 Hadoop 安装至 /usr/local/ 中：

1. sudo tar -zxf ~/下载/hadoop-2.6.0.tar.gz -C /usr/local # 解压到/usr/local中
2. cd /usr/local/
3. sudo mv ./hadoop-2.6.0/ ./hadoop # 将文件夹名改成hadoop
4. sudo chown -R hadoop ./hadoop # 修改文件权限

Shell 命令

Hadoop 解压后便可使用。输入以下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息：

1. cd /usr/local/hadoop
2. ./bin/hadoop version

Shell 命令

相对路径与绝对路径的区别

请务必注意命令中的相对路径与绝对路径，本文后续出现的 ./bin/...，./etc/... 等包含 ./ 的路径，均为相对路径，以 /usr/local/hadoop 为当前目录。例如在 /usr/local/hadoop 目录中执行 ./bin/hadoop version 等同于执行 /usr/local/hadoop/bin/hadoop version。能够将相对路径改为绝对路径来执行，但若是你是在主文件夹 ~ 中执行 ./bin/hadoop version，执行的会是 /home/hadoop/bin/hadoop version，就不是咱们所想要的了。

Hadoop单机配置(非分布式)

Hadoop 默认模式为非分布式模式，无需进行其余配置便可运行。非分布式即单 Java 进程，方便进行调试。

如今咱们能够执行例子来感觉下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 能够看到全部例子），包括 wordcount、terasort、join、grep 等。

在此咱们选择运行 grep 例子，咱们将 input 文件夹中的全部文件做为输入，筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中。

1. cd /usr/local/hadoop
2. mkdir ./input
3. cp ./etc/hadoop/*.xml ./input # 将配置文件做为输入文件
4. ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
5. cat ./output/* # 查看运行结果

Shell 命令

执行成功后以下所示，输出了做业的相关信息，输出的结果是符合正则的单词 dfsadmin 出现了1次

Hadoop单机模式运行grep的输出结果

注意，Hadoop 默认不会覆盖结果文件，所以再次运行上面实例会提示出错，须要先将 ./output 删除。

1. rm -r ./output

Shell 命令

Hadoop伪分布式配置

Hadoop 能够在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既做为 NameNode 也做为 DataNode，同时，读取的是 HDFS 中的文件。

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式须要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每一个配置以声明 property 的 name 和 value 的方式来实现。

修改配置文件 core-site.xml (经过 gedit 编辑会比较方便: gedit ./etc/hadoop/core-site.xml)，将当中的

1. <configuration>
2. </configuration>

XML

修改成下面配置：

1. <configuration>
2. <property>
3. <name>hadoop.tmp.dir</name>
4. <value>file:/usr/local/hadoop/tmp</value>
5. <description>Abase for other temporary directories.</description>
6. </property>
7. <property>
8. <name>fs.defaultFS</name>
9. <value>hdfs://localhost:9000</value>
10. </property>
11. </configuration>

XML

一样的，修改配置文件 hdfs-site.xml：

1. <configuration>
2. <property>
3. <name>dfs.replication</name>
4. <value>1</value>
5. </property>
6. <property>
7. <name>dfs.namenode.name.dir</name>
8. <value>file:/usr/local/hadoop/tmp/dfs/name</value>
9. </property>
10. <property>
11. <name>dfs.datanode.data.dir</name>
12. <value>file:/usr/local/hadoop/tmp/dfs/data</value>
13. </property>
14. </configuration>

XML

Hadoop配置文件说明

Hadoop 的运行方式是由配置文件决定的（运行 Hadoop 时会读取配置文件），所以若是须要从伪分布式模式切换回非分布式模式，须要删除 core-site.xml 中的配置项。

此外，伪分布式虽然只须要配置 fs.defaultFS 和 dfs.replication 就能够运行（官方教程如此），不过若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，致使必须从新执行 format 才行。因此咱们进行了设置，同时也指定 dfs.namenode.name.dir 和 dfs.datanode.data.dir，不然在接下来的步骤中可能会出错。

配置完成后，执行 NameNode 的格式化:

1. ./bin/hdfs namenode -format

Shell 命令

成功的话，会看到 “successfully formatted” 和 “Exitting with status 0” 的提示，若为 “Exitting with status 1” 则是出错。

执行namenode格式化

若是在这一步时提示 Error: JAVA_HOME is not set and could not be found. 的错误，则说明以前设置 JAVA_HOME 环境变量那边就没设置好，请按教程先设置好 JAVA_HOME 变量，不然后面的过程都是进行不下去的。

接着开启 NameNode 和 DataNode 守护进程。

1. ./sbin/start-dfs.sh

Shell 命令

若出现以下SSH提示，输入yes便可。

启动Hadoop时的SSH提示

启动时可能会出现以下 WARN 提示：WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable。该 WARN 提示能够忽略，并不会影响正常使用（该 WARN 能够经过编译 Hadoop 源码解决）。

启动 Hadoop 时提示 Could not resolve hostname

若是启动 Hadoop 时遇到输出很是多“ssh: Could not resolve hostname xxx”的异常状况，以下图所示：

启动Hadoop时的异常提示

这个并非 ssh 的问题，可经过设置 Hadoop 环境变量来解决。首先按键盘的 ctrl + c 中断启动，而后在 ~/.bashrc 中，增长以下两行内容（设置过程与 JAVA_HOME 变量同样，其中 HADOOP_HOME 为 Hadoop 的安装目录）：

1. export HADOOP_HOME=/usr/local/hadoop
2. export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

Shell

保存后，务必执行 source ~/.bashrc 使变量设置生效，而后再次执行 ./sbin/start-dfs.sh 启动 Hadoop。

启动完成后，能够经过命令 jps 来判断是否成功启动，若成功启动则会列出以下进程: “NameNode”、”DataNode” 和 “SecondaryNameNode”（若是 SecondaryNameNode 没有启动，请运行 sbin/stop-dfs.sh 关闭进程，而后再次尝试启动尝试）。若是没有 NameNode 或 DataNode ，那就是配置不成功，请仔细检查以前步骤，或经过查看启动日志排查缘由。

经过jps查看启动的Hadoop进程

Hadoop没法正常启动的解决方法

通常能够查看启动日志来排查缘由，注意几点：

• 启动时会提示形如 “DBLab-XMU: starting namenode, logging to /usr/local/hadoop/logs/hadoop-hadoop-namenode-DBLab-XMU.out”，其中 DBLab-XMU 对应你的机器名，但其实启动日志信息是记录在 /usr/local/hadoop/logs/hadoop-hadoop-namenode-DBLab-XMU.log 中，因此应该查看这个后缀为 .log 的文件；
• 每一次的启动日志都是追加在日志文件以后，因此得拉到最后面看，对比下记录的时间就知道了。
• 通常出错的提示在最后面，一般是写着 Fatal、Error、Warning 或者 Java Exception 的地方。
• 能够在网上搜索一下出错信息，看可否找到一些相关的解决方法。

此外，如果 DataNode 没有启动，可尝试以下的方法（注意这会删除 HDFS 中原有的全部数据，若是原有的数据很重要请不要这样作）：

1. # 针对 DataNode 无法启动的解决方法
2. ./sbin/stop-dfs.sh # 关闭
3. rm -r ./tmp # 删除 tmp 文件，注意这会删除 HDFS 中原有的全部数据
4. ./bin/hdfs namenode -format # 从新格式化 NameNode
5. ./sbin/start-dfs.sh # 重启

Shell 命令

成功启动后，能够访问 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息，还能够在线查看 HDFS 中的文件。

Hadoop的Web界面

运行Hadoop伪分布式实例

上面的单机模式，grep 例子读取的是本地数据，伪分布式读取的则是 HDFS 上的数据。要使用 HDFS，首先须要在 HDFS 中建立用户目录：

1. ./bin/hdfs dfs -mkdir -p /user/hadoop

Shell 命令

接着将 ./etc/hadoop 中的 xml 文件做为输入文件复制到分布式文件系统中，即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。咱们使用的是 hadoop 用户，而且已建立相应的用户目录 /user/hadoop ，所以在命令中就可使用相对路径如 input，其对应的绝对路径就是 /user/hadoop/input:

1. ./bin/hdfs dfs -mkdir input
2. ./bin/hdfs dfs -put ./etc/hadoop/*.xml input

Shell 命令

复制完成后，能够经过以下命令查看文件列表：

1. ./bin/hdfs dfs -ls input

Shell 命令

伪分布式运行 MapReduce 做业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（能够将单机步骤中建立的本地 input 文件夹，输出结果 output 文件夹都删掉来验证这一点）。

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

Shell 命令

查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：

1. ./bin/hdfs dfs -cat output/*

Shell 命令

结果以下，注意到刚才咱们已经更改了配置文件，因此运行结果不一样。

Hadoop伪分布式运行grep结果

咱们也能够将运行结果取回到本地：

1. rm -r ./output # 先删除本地的 output 文件夹（若是存在）
2. ./bin/hdfs dfs -get output ./output # 将 HDFS 上的 output 文件夹拷贝到本机
3. cat ./output/*

Shell 命令

Hadoop 运行程序时，输出目录不能存在，不然会提示错误 “org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://localhost:9000/user/hadoop/output already exists” ，所以若要再次执行，须要执行以下命令删除 output 文件夹:

1. ./bin/hdfs dfs -rm -r output # 删除 output 文件夹

Shell 命令

运行程序时，输出目录不能存在

运行 Hadoop 程序时，为了防止覆盖结果，程序指定的输出目录（如 output）不能存在，不然会提示错误，所以运行前须要先删除输出目录。在实际开发应用程序时，可考虑在程序中加上以下代码，能在每次运行时自动删除输出目录，避免繁琐的命令行操做：

1. Configuration conf = new Configuration();
2. Job job = new Job(conf);
3.  
4. /* 删除输出目录 */
5. Path outputPath = new Path(args[1]);
6. outputPath.getFileSystem(conf).delete(outputPath, true);

Java

若要关闭 Hadoop，则运行

1. ./sbin/stop-dfs.sh

Shell 命令

注意

下次启动 hadoop 时，无需进行 NameNode 的初始化，只须要运行 ./sbin/start-dfs.sh 就能够！

启动YARN

（伪分布式不启动 YARN 也能够，通常不会影响程序执行）

有的读者可能会疑惑，怎么启动 Hadoop 后，见不到书上所说的 JobTracker 和 TaskTracker，这是由于新版的 Hadoop 使用了新的 MapReduce 框架（MapReduce V2，也称为 YARN，Yet Another Resource Negotiator）。

YARN 是从 MapReduce 中分离出来的，负责资源管理与任务调度。YARN 运行于 MapReduce 之上，提供了高可用性、高扩展性，YARN 的更多介绍在此不展开，有兴趣的可查阅相关资料。

上述经过 ./sbin/start-dfs.sh 启动 Hadoop，仅仅是启动了 MapReduce 环境，咱们能够启动 YARN ，让 YARN 来负责资源管理与任务调度。

首先修改配置文件 mapred-site.xml，这边须要先进行重命名：

1. mv ./etc/hadoop/mapred-site.xml.template ./etc/hadoop/mapred-site.xml

Shell 命令

而后再进行编辑，一样使用 gedit 编辑会比较方便些 gedit ./etc/hadoop/mapred-site.xml ：

1. <configuration>
2. <property>
3. <name>mapreduce.framework.name</name>
4. <value>yarn</value>
5. </property>
6. </configuration>

XML

接着修改配置文件 yarn-site.xml：

1. <configuration>
2. <property>
3. <name>yarn.nodemanager.aux-services</name>
4. <value>mapreduce_shuffle</value>
5. </property>
6. </configuration>

XML

而后就能够启动 YARN 了（须要先执行过 ./sbin/start-dfs.sh）：

1. ./sbin/start-yarn.sh # 启动YARN
2. ./sbin/mr-jobhistory-daemon.sh start historyserver # 开启历史服务器，才能在Web中查看任务运行状况

Shell 命令

开启后经过 jps 查看，能够看到多了 NodeManager 和 ResourceManager 两个后台进程，以下图所示。

开启YARN

启动 YARN 以后，运行实例的方法仍是同样的，仅仅是资源管理方式、任务调度不一样。观察日志信息能够发现，不启用 YARN 时，是 “mapred.LocalJobRunner” 在跑任务，启用 YARN 以后，是 “mapred.YARNRunner” 在跑任务。启动 YARN 有个好处是能够经过 Web 界面查看任务的运行状况：http://localhost:8088/cluster，以下图所示。

开启YARN后能够查看任务运行信息

但 YARN 主要是为集群提供更好的资源管理与任务调度，然而这在单机上体现不出价值，反而会使程序跑得稍慢些。所以在单机上是否开启 YARN 就看实际状况了。

不启动 YARN 需重命名 mapred-site.xml

若是不想启动 YARN，务必把配置文件 mapred-site.xml 重命名，改为 mapred-site.xml.template，须要用时改回来就行。不然在该配置文件存在，而未开启 YARN 的状况下，运行程序会提示 “Retrying connect to server: 0.0.0.0/0.0.0.0:8032” 的错误，这也是为什么该配置文件初始文件名为 mapred-site.xml.template。

一样的，关闭 YARN 的脚本以下：

1. ./sbin/stop-yarn.sh
2. ./sbin/mr-jobhistory-daemon.sh stop historyserver

Shell 命令

自此，你已经掌握 Hadoop 的配置和基本使用了。

附加教程: 配置PATH环境变量

在这里额外讲一下 PATH 这个环境变量（可执行 echo $PATH 查看，当中包含了多个目录）。例如咱们在主文件夹 ~ 中执行 ls 这个命令时，实际执行的是 /bin/ls 这个程序，而不是 ~/ls 这个程序。系统是根据 PATH 这个环境变量中包含的目录位置，逐一进行查找，直至在这些目录位置下找到匹配的程序（若没有匹配的则提示该命令不存在）。

上面的教程中，咱们都是先进入到 /usr/local/hadoop 目录中，再执行 sbin/hadoop，实际上等同于运行 /usr/local/hadoop/sbin/hadoop。咱们能够将 Hadoop 命令的相关目录加入到 PATH 环境变量中，这样就能够直接经过 start-dfs.sh 开启 Hadoop，也能够直接经过 hdfs 访问 HDFS 的内容，方便平时的操做。

一样咱们选择在 ~/.bashrc 中进行设置（vim ~/.bashrc，与 JAVA_HOME 的设置类似），在文件最前面加入以下单独一行:

export PATH=$PATH:/usr/local/hadoop/sbin:/usr/local/hadoop/bin

添加后执行 source ~/.bashrc 使设置生效，生效后，在任意目录中，均可以直接使用 hdfs 等命令了，读者不妨如今就执行 hdfs dfs -ls input 查看 HDFS 文件试试看。

安装Hadoop集群

在平时的学习中，咱们使用伪分布式就足够了。若是须要安装 Hadoop 集群，请查看Hadoop集群安装配置教程。

相关教程

• 使用Eclipse编译运行MapReduce程序: 使用 Eclipse 能够方便的开发、运行 MapReduce 程序，还能够直接管理 HDFS 中的文件。
• 使用命令行编译打包运行本身的MapReduce程序: 有时候须要直接经过命令来编译、打包 MapReduce 程序。

参考资料

• http://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/SingleCluster.html
• http://www.cnblogs.com/xia520pi/archive/2012/05/16/2503949.html
• http://www.micmiu.com/bigdata/hadoop/hadoop-2x-ubuntu-build/