common/src/docs/cn/src/documentation/content/xdocs/quickstart.xml - hadoop - Git at Google

 <!--
   Licensed to the Apache Software Foundation (ASF) under one or more
   contributor license agreements.  See the NOTICE file distributed with
   this work for additional information regarding copyright ownership.
   The ASF licenses this file to You under the Apache License, Version 2.0
   (the "License"); you may not use this file except in compliance with
   the License.  You may obtain a copy of the License at

       http://www.apache.org/licenses/LICENSE-2.0

   Unless required by applicable law or agreed to in writing, software
   distributed under the License is distributed on an "AS IS" BASIS,
   WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
   See the License for the specific language governing permissions and
   limitations under the License.
 -->

 <!DOCTYPE document PUBLIC "-//APACHE//DTD Documentation V2.0//EN" "http://forrest.apache.org/dtd/document-v20.dtd">

 <document>

   <header>
     <title>Hadoop快速入门</title>
   </header>

   <body>

     <section>
       <title>目的</title>
       <p>这篇文档的目的是帮助你快速完成单机上的Hadoop安装与使用以便你对<a href ="hdfs_design.html">Hadoop分布式文件系统(<acronym title="Hadoop Distributed File System">HDFS</acronym>)</a>和Map-Reduce框架有所体会，比如在HDFS上运行示例程序或简单作业等。</p>
     </section>
     <section id="PreReqs">
       <title>先决条件</title>

       <section>
         <title>支持平台</title>

         <ul>
           <li>
                 GNU/Linux是产品开发和运行的平台。
 	        Hadoop已在有2000个节点的GNU/Linux主机组成的集群系统上得到验证。
           </li>
           <li>
             Win32平台是作为<em>开发平台</em>支持的。由于分布式操作尚未在Win32平台上充分测试，所以还不作为一个<em>生产平台</em>被支持。
           </li>
         </ul>
       </section>

       <section>
         <title>所需软件</title>
         <p>Linux和Windows所需软件包括:</p>
         <ol>
           <li>
             Java<sup>TM</sup>1.5.x，必须安装，建议选择Sun公司发行的Java版本。
           </li>
           <li>
             <strong>ssh</strong> 必须安装并且保证 <strong>sshd</strong>一直运行，以便用Hadoop
 	    脚本管理远端Hadoop守护进程。
           </li>
         </ol>
 		<p>Windows下的附加软件需求</p>
           <ol>
             <li>
               <a href="http://www.cygwin.com/">Cygwin</a> - 提供上述软件之外的shell支持。
             </li>
           </ol>
       </section>

       <section>
         <title>安装软件</title>

         <p>如果你的集群尚未安装所需软件，你得首先安装它们。</p>

         <p>以Ubuntu Linux为例:</p>
         <p>
           <code>$ sudo apt-get install ssh</code><br/>
           <code>$ sudo apt-get install rsync</code>
         </p>

         <p>在Windows平台上，如果安装cygwin时未安装全部所需软件，则需启动cyqwin安装管理器安装如下软件包：</p>
         <ul>
           <li>openssh - <em>Net</em> 类</li>
         </ul>
       </section>

     </section>

     <section>
       <title>下载</title>

       <p>
         为了获取Hadoop的发行版，从Apache的某个镜像服务器上下载最近的
         <a href="ext:releases">稳定发行版</a>。</p>
     </section>

     <section>
       <title>运行Hadoop集群的准备工作</title>
       <p>
         解压所下载的Hadoop发行版。编辑
         <code>conf/hadoop-env.sh</code>文件，至少需要将<code>JAVA_HOME</code>设置为Java安装根路径。
       </p>

 	  <p>
 	    尝试如下命令：<br/>
         <code>$ bin/hadoop</code><br/>
         将会显示<strong>hadoop</strong> 脚本的使用文档。
       </p>

       <p>现在你可以用以下三种支持的模式中的一种启动Hadoop集群：
       </p>
       <ul>
         <li>单机模式</li>
         <li>伪分布式模式</li>
         <li>完全分布式模式</li>
       </ul>
     </section>

     <section id="Local">
 	    <title>单机模式的操作方法</title>

       <p>默认情况下，Hadoop被配置成以非分布式模式运行的一个独立Java进程。这对调试非常有帮助。</p>

       <p>
         下面的实例将已解压的 <code>conf</code> 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<code>output</code>目录。
         <br/>
         <code>$ mkdir input</code><br/>
         <code>$ cp conf/*.xml input</code><br/>
         <code>
           $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+'
         </code><br/>
         <code>$ cat output/*</code>
       </p>
     </section>

     <section id="PseudoDistributed">
       <title>伪分布式模式的操作方法</title>

 	  <p>Hadoop可以在单节点上以所谓的伪分布式模式运行，此时每一个Hadoop守护进程都作为一个独立的Java进程运行。</p>

       <section>
         <title>配置</title>
         <p>使用如下的 <code>conf/hadoop-site.xml</code>:</p>
         <table>
         <tr><td>&lt;configuration&gt;</td></tr>

           <tr><td>&nbsp;&nbsp;&lt;property&gt;</td></tr>
             <tr><td>&nbsp;&nbsp;&nbsp;&nbsp;&lt;name&gt;fs.default.name&lt;/name&gt;</td></tr>
             <tr><td>&nbsp;&nbsp;&nbsp;&nbsp;&lt;value&gt;localhost:9000&lt;/value&gt;</td></tr>
           <tr><td>&nbsp;&nbsp;&lt;/property&gt;</td></tr>

           <tr><td>&nbsp;&nbsp;&lt;property&gt;</td></tr>
             <tr><td>&nbsp;&nbsp;&nbsp;&nbsp;&lt;name&gt;mapred.job.tracker&lt;/name&gt;</td></tr>
             <tr><td>&nbsp;&nbsp;&nbsp;&nbsp;&lt;value&gt;localhost:9001&lt;/value&gt;</td></tr>
           <tr><td>&nbsp;&nbsp;&lt;/property&gt;</td></tr>

           <tr><td>&nbsp;&nbsp;&lt;property&gt;</td></tr>
             <tr><td>&nbsp;&nbsp;&nbsp;&nbsp;&lt;name&gt;dfs.replication&lt;/name&gt;</td></tr>
             <tr><td>&nbsp;&nbsp;&nbsp;&nbsp;&lt;value&gt;1&lt;/value&gt;</td></tr>
           <tr><td>&nbsp;&nbsp;&lt;/property&gt;</td></tr>

         <tr><td>&lt;/configuration&gt;</td></tr>
         </table>
      </section>

       <section>
         <title>免密码<em>ssh</em>设置</title>

         <p>
           现在确认能否不输入口令就用ssh登录localhost:<br/>
           <code>$ ssh localhost</code>
         </p>

         <p>
           如果不输入口令就无法用ssh登陆localhost，执行下面的命令：<br/>
    		  <code>$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa</code><br/>
 		  <code>$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys</code>
 		</p>
       </section>

       <section>
         <title>执行</title>

         <p>
           格式化一个新的分布式文件系统：<br/>
           <code>$ bin/hadoop namenode -format</code>
         </p>

 		<p>
 		  启动Hadoop守护进程：<br/>
           <code>$ bin/start-all.sh</code>
         </p>

         <p>Hadoop守护进程的日志写入到
         <code>${HADOOP_LOG_DIR}</code> 目录 (默认是
         <code>${HADOOP_HOME}/logs</code>).</p>

         <p>浏览NameNode和JobTracker的网络接口，它们的地址默认为：</p>
         <ul>
           <li>
             <code>NameNode</code> -
             <a href="http://localhost:50070/">http://localhost:50070/</a>
           </li>
           <li>
             <code>JobTracker</code> -
             <a href="http://localhost:50030/">http://localhost:50030/</a>
           </li>
         </ul>

         <p>
           将输入文件拷贝到分布式文件系统：<br/>
 		  <code>$ bin/hadoop fs -put conf input</code>
 		</p>

         <p>
           运行发行版提供的示例程序：<br/>
           <code>
             $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+'
           </code>
         </p>

         <p>查看输出文件：</p>
         <p>
           将输出文件从分布式文件系统拷贝到本地文件系统查看：<br/>
           <code>$ bin/hadoop fs -get output output</code><br/>
           <code>$ cat output/*</code>
         </p>
         <p> 或者 </p>
         <p>
           在分布式文件系统上查看输出文件：<br/>
           <code>$ bin/hadoop fs -cat output/*</code>
         </p>

 		<p>
 		  完成全部操作后，停止守护进程：<br/>
 		  <code>$ bin/stop-all.sh</code>
 		</p>
       </section>
     </section>

     <section id="FullyDistributed">
       <title>完全分布式模式的操作方法</title>

 	  <p>关于搭建完全分布式模式的，有实际意义的集群的资料可以在<a href="cluster_setup.html">这里</a>找到。</p>
     </section>

     <p>
 	    <em>Java与JNI是Sun Microsystems, Inc.在美国以及其他国家地区的商标或注册商标。</em>
     </p>

   </body>

 </document>
	<!--
	Licensed to the Apache Software Foundation (ASF) under one or more
	contributor license agreements. See the NOTICE file distributed with
	this work for additional information regarding copyright ownership.
	The ASF licenses this file to You under the Apache License, Version 2.0
	(the "License"); you may not use this file except in compliance with
	the License. You may obtain a copy of the License at

	http://www.apache.org/licenses/LICENSE-2.0

	Unless required by applicable law or agreed to in writing, software
	distributed under the License is distributed on an "AS IS" BASIS,
	WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
	See the License for the specific language governing permissions and
	limitations under the License.
	-->

	<!DOCTYPE document PUBLIC "-//APACHE//DTD Documentation V2.0//EN" "http://forrest.apache.org/dtd/document-v20.dtd">

	<document>

	<header>
	<title>Hadoop快速入门</title>
	</header>

	<body>

	<section>
	<title>目的</title>
	<p>这篇文档的目的是帮助你快速完成单机上的Hadoop安装与使用以便你对<a href ="hdfs_design.html">Hadoop分布式文件系统(<acronym title="Hadoop Distributed File System">HDFS</acronym>)</a>和Map-Reduce框架有所体会，比如在HDFS上运行示例程序或简单作业等。</p>
	</section>
	<section id="PreReqs">
	<title>先决条件</title>

	<section>
	<title>支持平台</title>

	<ul>
	<li>
	GNU/Linux是产品开发和运行的平台。
	Hadoop已在有2000个节点的GNU/Linux主机组成的集群系统上得到验证。
	</li>
	<li>
	Win32平台是作为<em>开发平台</em>支持的。由于分布式操作尚未在Win32平台上充分测试，所以还不作为一个<em>生产平台</em>被支持。
	</li>
	</ul>
	</section>

	<section>
	<title>所需软件</title>
	<p>Linux和Windows所需软件包括:</p>
	<ol>
	<li>
	Java<sup>TM</sup>1.5.x，必须安装，建议选择Sun公司发行的Java版本。
	</li>
	<li>
	<strong>ssh</strong> 必须安装并且保证 <strong>sshd</strong>一直运行，以便用Hadoop
	脚本管理远端Hadoop守护进程。
	</li>
	</ol>
	<p>Windows下的附加软件需求</p>
	<ol>
	<li>
	<a href="http://www.cygwin.com/">Cygwin</a> - 提供上述软件之外的shell支持。
	</li>
	</ol>
	</section>

	<section>
	<title>安装软件</title>

	<p>如果你的集群尚未安装所需软件，你得首先安装它们。</p>

	<p>以Ubuntu Linux为例:</p>
	<p>
	<code>$ sudo apt-get install ssh</code><br/>
	<code>$ sudo apt-get install rsync</code>
	</p>

	<p>在Windows平台上，如果安装cygwin时未安装全部所需软件，则需启动cyqwin安装管理器安装如下软件包：</p>
	<ul>
	<li>openssh - <em>Net</em> 类</li>
	</ul>
	</section>

	</section>

	<section>
	<title>下载</title>

	<p>
	为了获取Hadoop的发行版，从Apache的某个镜像服务器上下载最近的
	<a href="ext:releases">稳定发行版</a>。</p>
	</section>

	<section>
	<title>运行Hadoop集群的准备工作</title>
	<p>
	解压所下载的Hadoop发行版。编辑
	<code>conf/hadoop-env.sh</code>文件，至少需要将<code>JAVA_HOME</code>设置为Java安装根路径。
	</p>

	<p>
	尝试如下命令：<br/>
	<code>$ bin/hadoop</code><br/>
	将会显示<strong>hadoop</strong> 脚本的使用文档。
	</p>

	<p>现在你可以用以下三种支持的模式中的一种启动Hadoop集群：
	</p>
	<ul>
	<li>单机模式</li>
	<li>伪分布式模式</li>
	<li>完全分布式模式</li>
	</ul>
	</section>

	<section id="Local">
	<title>单机模式的操作方法</title>

	<p>默认情况下，Hadoop被配置成以非分布式模式运行的一个独立Java进程。这对调试非常有帮助。</p>

	<p>
	下面的实例将已解压的 <code>conf</code> 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<code>output</code>目录。
	<br/>
	<code>$ mkdir input</code><br/>
	<code>$ cp conf/*.xml input</code><br/>
	<code>
	$ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+'
	</code><br/>
	<code>$ cat output/*</code>
	</p>
	</section>

	<section id="PseudoDistributed">
	<title>伪分布式模式的操作方法</title>

	<p>Hadoop可以在单节点上以所谓的伪分布式模式运行，此时每一个Hadoop守护进程都作为一个独立的Java进程运行。</p>

	<section>
	<title>配置</title>
	<p>使用如下的 <code>conf/hadoop-site.xml</code>:</p>
	<table>
	<tr><td><configuration></td></tr>

	<tr><td>  <property></td></tr>
	<tr><td>    <name>fs.default.name</name></td></tr>
	<tr><td>    <value>localhost:9000</value></td></tr>
	<tr><td>  </property></td></tr>

	<tr><td>  <property></td></tr>
	<tr><td>    <name>mapred.job.tracker</name></td></tr>
	<tr><td>    <value>localhost:9001</value></td></tr>
	<tr><td>  </property></td></tr>

	<tr><td>  <property></td></tr>
	<tr><td>    <name>dfs.replication</name></td></tr>
	<tr><td>    <value>1</value></td></tr>
	<tr><td>  </property></td></tr>

	<tr><td></configuration></td></tr>
	</table>
	</section>

	<section>
	<title>免密码<em>ssh</em>设置</title>

	<p>
	现在确认能否不输入口令就用ssh登录localhost:<br/>
	<code>$ ssh localhost</code>
	</p>

	<p>
	如果不输入口令就无法用ssh登陆localhost，执行下面的命令：<br/>
	<code>$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa</code><br/>
	<code>$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys</code>
	</p>
	</section>

	<section>
	<title>执行</title>

	<p>
	格式化一个新的分布式文件系统：<br/>
	<code>$ bin/hadoop namenode -format</code>
	</p>

	<p>
	启动Hadoop守护进程：<br/>
	<code>$ bin/start-all.sh</code>
	</p>

	<p>Hadoop守护进程的日志写入到
	<code>${HADOOP_LOG_DIR}</code> 目录 (默认是
	<code>${HADOOP_HOME}/logs</code>).</p>

	<p>浏览NameNode和JobTracker的网络接口，它们的地址默认为：</p>
	<ul>
	<li>
	<code>NameNode</code> -
	<a href="http://localhost:50070/">http://localhost:50070/</a>
	</li>
	<li>
	<code>JobTracker</code> -
	<a href="http://localhost:50030/">http://localhost:50030/</a>
	</li>
	</ul>

	<p>
	将输入文件拷贝到分布式文件系统：<br/>
	<code>$ bin/hadoop fs -put conf input</code>
	</p>

	<p>
	运行发行版提供的示例程序：<br/>
	<code>
	$ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+'
	</code>
	</p>

	<p>查看输出文件：</p>
	<p>
	将输出文件从分布式文件系统拷贝到本地文件系统查看：<br/>
	<code>$ bin/hadoop fs -get output output</code><br/>
	<code>$ cat output/*</code>
	</p>
	<p> 或者 </p>
	<p>
	在分布式文件系统上查看输出文件：<br/>
	<code>$ bin/hadoop fs -cat output/*</code>
	</p>

	<p>
	完成全部操作后，停止守护进程：<br/>
	<code>$ bin/stop-all.sh</code>
	</p>
	</section>
	</section>

	<section id="FullyDistributed">
	<title>完全分布式模式的操作方法</title>

	<p>关于搭建完全分布式模式的，有实际意义的集群的资料可以在<a href="cluster_setup.html">这里</a>找到。</p>
	</section>

	<p>
	<em>Java与JNI是Sun Microsystems, Inc.在美国以及其他国家地区的商标或注册商标。</em>
	</p>

	</body>

	</document>