筆者鼓弄了兩個星期，終于把所有有關hadoop的環境配置好了，一是虛擬機上的完全分布式集群，但是為了平時寫代碼的方便，則在windows上也配置了hadoop的偽分布式集群，同時在IDEA上就可以撰寫代碼，同時在windows環境下進行運行，（如果不配置windows下的偽分布式集群，則在IDEA上撰寫的代碼無法在windows平臺下運行），筆者在網路上找了很多有關windows下使用idea搭建hadoop開發環境的中文教程都不太全，最后使用國外的英文教程配置成功，因此這里整理一下，方便大家使用，

我的開發環境如下：

　　1.Windows10

　　2.Java 8

　　3.VMware-workstation-pro

1.Hadoop在windows當中的安裝

首先在Windows系統里打開瀏覽器，下載hadoop的安裝包（二進制檔案）:http://hadoop.apache.org/releases.html

打開網址，我們會發現這樣的界面：

由于hadoop在開發當中我們常常使用了2.x版本的，因此這里我們這里下載2.10.1版本的，如果你想使用其他版本的進行下載，那么在下載之前需要檢查以下maven倉庫里是否有相應版本所對應的版本，不然在使用IDEA進行開發的時候，則無法運行，我們打開網址：https://mvnrepository.com/

在其中搜索hadoop.則會出現以下的界面：

滑鼠往下滑動,發現果然！2.10.1的版本出現了！因此我們可以使用找個版本的hadoop，因為在maven倉庫里是可以找到的，這樣就不會出現無法編程呼叫hadoop的問題：

2.將下載的檔案進行解壓

我們下載之后的檔案二進制檔案后綴名為tar.gz，你可以來到你下載的地方，使用windows下的壓縮包軟體直接進行解壓，我使用的是2345壓縮軟體進行的解壓，有些教程讓我們必須在windows下模擬的linux環境下（MinGW）才能夠解壓，其實完全不用，就把tar.gz當作普通的壓縮檔案就好了，解壓之后將檔案夾更名為hadoop，

3.設定環境變數

一方面是要設定好Java的環境變數
另一方面是要設定好剛剛下載的Hadoop的環境變數

我們在環境變數處分別設定JAVA_HOME和HADOOP_HOME（目的是為了hadoop在運行的時候能夠找到自己和java的地方在哪兒）:

然后在Path里添加JAVA和hadoop的二進制檔案夾，bin檔案夾，目的是我們這樣就可以使用cmd對java和haodoop進行操作：

4.驗證環境變數的配置

打開你的cmd，輸入以下命令，出現我這樣的輸出說明配置環境變數成功：

C:\Users\lenovo>hadoop -version
java version "1.8.0_162"
Java(TM) SE Runtime Environment (build 1.8.0_162-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.162-b12, mixed mode)

5.HDFS的配置

接下來就是配置HDFS的檔案，進行偽分布式集群以適應你的計算機，（備注：偽分布式集群也是分布式集群，可以起動分布式計算的效果）

我們來到之前解壓的hadoop檔案夾下，打開etc/hadoop檔案夾，發現里面有很多檔案：

現在我們的任務就是修改這些檔案當中的代碼，務必修改，不然根本無法運行hadoop！！

6.修改 hadoop-env.cmd

打開這個檔案，在找個檔案當中的末尾添加上：

set HADOOP_PREFIX=%HADOOP_HOME%
set HADOOP_CONF_DIR=%HADOOP_PREFIX%\etc\hadoop
set YARN_CONF_DIR=%HADOOP_CONF_DIR%
set PATH=%PATH%;%HADOOP_PREFIX%\bin

7.修改core-site.xml

將configuration處更改為：

<configuration>
   <property>
     <name>fs.defaultFS</name>
     <value>hdfs://0.0.0.0:9000</value>
   </property>
</configuration>

8.hdfs-site.xml

將configuration處更改為如下所示，其中

file:///F:/DataAnalytics/dfs/namespace_logs

file:///F:/DataAnalytics/dfs/data

這兩個檔案夾一定需要是已經存在的檔案夾，你可以在你的hadoop檔案夾下隨意創建兩個檔案夾，然后將下面的這兩個檔案夾的絕對路徑替換成你的檔案夾，這里我也是創建了兩個新的檔案夾，hadoop的下載檔案夾里本身是沒有的，

<configuration>
   <property>
     <name>dfs.replication</name>
     <value>1</value>
   </property>
   <property>
     <name>dfs.name.dir</name>
     <value>file:///F:/DataAnalytics/dfs/namespace_logs</value>
   </property>
   <property>
     <name>dfs.data.dir</name>
     <value>file:///F:/DataAnalytics/dfs/data</value>
   </property>
</configuration>

9. mapred-site.xml

將下方的%USERNAME%替換成你windows的用戶名！！！這個十分重要，不要直接復制！！！

<configuration>
   <property>
      <name>mapreduce.job.user.name</name>
      <value>%USERNAME%</value>
    </property>
   <property>
      <name>mapreduce.framework.name</name>
      <value>yarn</value>
    </property>
  <property>
     <name>yarn.apps.stagingDir</name>
     <value>/user/%USERNAME%/staging</value>
   </property>
  <property>
     <name>mapreduce.jobtracker.address</name>
     <value>local</value>
   </property>
</configuration>

10.yarn-site.xml

修改為如下所示：

<configuration>
   <property>
     <name>yarn.server.resourcemanager.address</name>
     <value>0.0.0.0:8020</value>
   </property>
  <property>
     <name>yarn.server.resourcemanager.application.expiry.interval</name>
     <value>60000</value>
   </property>
  <property>
     <name>yarn.server.nodemanager.address</name>
     <value>0.0.0.0:45454</value>
   </property>
  <property>
     <name>yarn.nodemanager.aux-services</name>
     <value>mapreduce_shuffle</value>
   </property>
  <property>
     <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
     <value>org.apache.hadoop.mapred.ShuffleHandler</value>
   </property>
  <property>
     <name>yarn.server.nodemanager.remote-app-log-dir</name>
     <value>/app-logs</value>
   </property>
  <property>
     <name>yarn.nodemanager.log-dirs</name>
     <value>/dep/logs/userlogs</value>
   </property>
  <property>
     <name>yarn.server.mapreduce-appmanager.attempt-listener.bindAddress</name>
     <value>0.0.0.0</value>
   </property>
  <property>
     <name>yarn.server.mapreduce-appmanager.client-service.bindAddress</name>
     <value>0.0.0.0</value>
   </property>
  <property>
     <name>yarn.log-aggregation-enable</name>
     <value>true</value>
   </property>
  <property>
     <name>yarn.log-aggregation.retain-seconds</name>
     <value>-1</value>
   </property>
  <property>
     <name>yarn.application.classpath</name>
     <value>%HADOOP_CONF_DIR%,%HADOOP_COMMON_HOME%/share/hadoop/common/*,%HADOOP_COMMON_HOME%/share/hadoop/common/lib/*,%HADOOP_HDFS_HOME%/share/hadoop/hdfs/*,%HADOOP_HDFS_HOME%/share/hadoop/hdfs/lib/*,%HADOOP_MAPRED_HOME%/share/hadoop/mapreduce/*,%HADOOP_MAPRED_HOME%/share/hadoop/mapreduce/lib/*,%HADOOP_YARN_HOME%/share/hadoop/yarn/*,%HADOOP_YARN_HOME%/share/hadoop/yarn/lib/*</value>
   </property>
</configuration>

11.初始化環境變數

在windows下的cmd，輸入cmd的命令，用于初始化環境變數，hadoop-env.cmd后綴為cmd，說明是cmd下可執行的檔案：

%HADOOP_HOME%\etc\hadoop\hadoop-env.cmd

12.格式化檔案系統（File System）

這個命令在整個hadoop的配置環境和之后的使用當中務必僅使用一次！！！！不然的話后續會導致hadoop日志損壞，NameNode無法開啟，整個hadoop就掛了！

將如下的命令輸入到cmd當中進行格式化：

hadoop namenode -format

輸出：

2018-02-18 21:29:41,501 INFO namenode.FSImage: Allocated new BlockPoolId: BP-353327356-172.24.144.1-1518949781495
2018-02-18 21:29:41,817 INFO common.Storage: Storage directory F:\DataAnalytics\dfs\namespace_logs has been successfully formatted.
2018-02-18 21:29:41,826 INFO namenode.FSImageFormatProtobuf: Saving image file F:\DataAnalytics\dfs\namespace_logs\current\fsimage.ckpt_0000000000000000000 using no compression
2018-02-18 21:29:41,934 INFO namenode.FSImageFormatProtobuf: Image file F:\DataAnalytics\dfs\namespace_logs\current\fsimage.ckpt_0000000000000000000 of size 390 bytes saved in 0 seconds.
2018-02-18 21:29:41,969 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0

13.向hadoop檔案當中注入winutills檔案

由于windows下想要開啟集群，會有一定的bug，因此我們去網站：https://github.com/steveloughran/winutils

下載對應版本的winutils.exe檔案，打開這個Github倉庫后如下所示：

我們打開hadoop2.8.3/bin，選擇其中的winutils.exe檔案進行下載，然后將下載的這個檔案放入到本地的hadoop/bin檔案當中，不然的話，你打開一會兒你的偽分布式集群，馬上hadoop就會自動關閉，缺少這兩個檔案的話，

我本地的bin檔案最終如下所示：

14.開啟hadoop集群

下面就是最激動人心的開啟hadoop集群了！！！！我們在cmd當中輸入：

C:\Users\lenovo>%HADOOP_HOME%/sbin/start-all.cmd
This script is Deprecated. Instead use start-dfs.cmd and start-yarn.cmd
starting yarn daemons

這樣就會跳出來很多黑色的視窗，如下所示：

然后可以使用JPS工具查看目前開啟的node有哪些，如果出現namenode，datanode的話說明集群基本上就成功了，如下所示：

15.打開本地瀏覽器進行驗證

我們在瀏覽器輸入localhost:50070,如果能夠打開這樣的網頁，說明hadoop已經成功開啟：

接下來就可以開始IDEA的配置了

16.創建MAVEN專案工程

打開IDEA之后，里面的引數和專案工程名稱隨便寫，等待工程創建完畢即可，然后我們編輯pom.xml檔案，如下所示：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.atguigu</groupId>
    <artifactId>hdfs1205</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
    </properties>
    <dependencies>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>RELEASE</version>
        </dependency>
        <dependency>
            <groupId>org.apache.logging.log4j</groupId>
            <artifactId>log4j-core</artifactId>
            <version>2.8.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.10.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.10.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.10.1</version>
        </dependency>
    </dependencies>

</project>

因為我使用了2.10.1版本，因此匯入的包均為2.10.1，除了log4j，這個是固定的2.8.2版本的，

然后點擊我箭頭指向的同步maven倉庫，如下所示：

同步完成之后，IDEA左邊的external libararies處就會顯示大量的有關hadoop的jar包，如下所示：

這樣就說明我們匯入maven倉庫成功了，

17.撰寫代碼

現在我們開始撰寫代碼，在開啟hadoop偽分布式集群之后，代碼才可以運行哦！

代碼如下所示：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

import java.net.URI;

public class Test {
    public static void main(String[] args) throws Exception {
        FileSystem fs = FileSystem.get(new URI("hdfs://127.0.0.1:9000"), new Configuration());

        FileStatus[] files = fs.listStatus(new Path("/"));
        for (FileStatus f : files) {
            System.out.println(f);
        }
        System.out.println("Compile Over");
    }
}

這段代碼的含義是遍歷hadoop檔案系統(HDFS)下的root下所有檔案的狀態，并輸出，由于我目前并沒有在HDFS下put了任何檔案，因此不會有輸出，出現這樣的輸出，說明代碼代碼運行成功：

exit code 0，回傳code為0說明運行成功！

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/241837.html

標籤：其他

上一篇：【Hadoop】：Windows下使用IDEA搭建Hadoop開發環境

下一篇：20天通過中級軟體設計師攻略（附資料）