[Nutch]Hadoop单机伪分布模式的配置

在之前的博文中，我们一直在使用Nutch的local模式，那么Nutch的Deploy模式该怎么使用呢？首先我们来配置hadoop，为使用Nutch的deploy模式做准备。

1. 下载hadoop

在workspace目录使用如下命令下载hadoop 1.2.1：

wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-1.2.1/hadoop-1.2.1.tar.gz

下载之后进行解压：

tar -zxvf hadoop-1.2.1.tar.gz 

2. 设置Hadoop运行环境

将hadoop的路径加入到当前用户的配置文件(.bashrc)里面：
用vim打开配置文件

vim ~/.bashrc

将doop的路径加入到PATH里面：

export PATH=/home/kandy/workspace/hadoop-1.2.1/bin：$PATH

如下：

重新登陆当前账号即可生效：

ssh localhost

查看hadoop的路径：

which hadoop

结果如下：

3. 配置hadoop运行参数

进入hadoop的根目录：

cd hadoop-1.2.1

3.1 配置core-site.xml文件

使用vim打开conf目录下的core-site.xml文件：

vim conf/core-site.xml

在文件里面加入如下内容：

<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/kandy/workspace/tmp</value>
</property>

如下：

3.2 配置hdfs-site.xml

使用vim打开conf目录下面的hdfs-site.xml文件：

vim conf/hdfs-site.xml

在文件里面加入如下内容：

<property>
  <name>dfs.name.dir</name>
  <value>/home/kandy/workspace/dfs/filesystem/name</value>
</property>
<property>
  <name>dfs.data.dir</name>
  <value>/home/kandy/workspace/dfs/filesystem/data</value>
</property>
<property>
  <name>dfs.replication</name>
  <value>1</value>
</property>

如下：

3.3 配置mapred-site.xml

用vim打开conf目录下面的mapred-site.xml文件：

vim conf/mapred-site.xml

在文件里面加入如下内容：

<property>
  <name>mapred.job.tracker</name>
  <value>localhost:9001</value>
</property>
<property> 
  <name>mapred.tasktracker.map.tasks.maximum</name>
  <value>2</value>
</property> 
<property> 
  <name>mapred.tasktracker.reduce.tasks.maximum</name>
  <value>2</value>
</property>
<property>
  <name>mapred.system.dir</name>
  <value>/home/kandy/workspace/mapreduce/system</value>
</property>
<property>
  <name>mapred.local.dir</name>
  <value>/home/kandy/workspace/mapreduce/local</value>
</property>

如下：

3.4 配置hadoop-env.sh文件

使用vim打开conf目录下面的hadoop-env.sh文件：

vim conf/hadoop-env.sh

在里面配置JAVA_HOME，加入如下内容:

export JAVA_HOME=/usr/lib/jvm/java-8-oracle

如图：

4. 格式化名称节点并启动集群

使用如下命令：

hadoop namenode -format

如下图：

从上图就可以看到相关信息。

5. 启动集群并查看WEB管理界面

5.1 启动集群

使用如下命令启动集群：

start-all.sh

如图：

使用JPS命令就可以看到多了几个进程：

有这样几个进程就表示启动成功。

5.2 查看web管理页面

访问 http://192.168.238.130:50030 可以查看 JobTracker 的运行状态：

访问 http://192.168.238.130:50060 可以查看 TaskTracker 的运行状态：

访问 http://192.168.238.130:50070 可以查看 NameNode 以及整个分布式文件系统的状态，浏览分布式文件系统中的文件以及 log 等：