wiki:Hadoop4Win

hadoop4win

-- Hadoop for Windows using Cygwin

軟體簡介

hadoop4win,顧名思義為『Hadoop for Windows』,主要是提供 Windows 平台上簡易安裝 Hadoop 的批次安裝檔。此批次安裝檔內容,主要參考自國網中心企鵝龍與再生龍團隊成員孫振凱先生之 drbl-winroll 作品,抽取安裝部分程式改寫成 hadoop4win 所需的步驟。

hadoop4win 目前包含五大軟體組成:

硬體需求

  • 已知最低 512 MB 記憶體需求,建議至少 1024 MB。
  • 安裝相關軟體至少需要 500 MB 以上硬碟空間。

軟體需求

  • Windows 2000, Windows XP, Windows 2003 (Tested on hiCloud)
  • 已知 Windows 7 須關閉 UAC 才有辦法正常安裝。 關閉方法請參閱網路文件。但目前仍經常有無法成功安裝的案例,原因待查。

軟體授權

  • Apache 2.0 + GPL
  • 由於 Cygwin 的授權是 GPL,而 Hadoop, Pig, HBase 是 Apache 授權,因此本軟體採用雙重授權方式釋出。
  • 關於 Sun JDK 部份未來若有爭議,將改採從官方下載方式釋出。

檔案下載

源碼下載

  • 0.1.0 ~ 0.1.4 檔案壓縮檔本身就包含所有必備的程式(包括 hadoop4win-setup.bat 批次檔是 Windows Shell Script,以及 my_packages/*/bin 底下的 *-init 是 Bash Shell Script)
  • 0.1.5 可以下載 hadoop4win-nsis_0.1.5_src.zip(181 MB)
  • 0.1.5 的原始碼必須在 Windows 底下安裝 NSIS 才能透過 MakeNSISW 進行編譯。
    • 備註:若想在 Linux 底下用 makensis 產生安裝檔,可能會因為 files 與 cygwin_mirror 目錄下的檔案格式不合而出錯。

改版紀錄

  • 0.1.5 alpha - 2011/05/03 :
    • 改用 NSIS 撰寫 Windows 安裝程式。
    • 新增「開始選單」與「反安裝程式」。
    • 修改 hadoop4win-init 安裝流程:
      • 自動產生 conf-pseudo 目錄內容,並將原本預設設定目錄移到 conf-local 中。
      • 這個做法可以解決 Win7 先前遇到的權限問題。
  • 0.1.4 alpha - 2011/03/28 :
    • 更新 %HBASE_MIRROR 檔案下載網址,並將 %HBASE_FILE 版本更新至 0.20.6
    • 新增 Ant 編譯工具,新增 %ANT_MIRROR 與 %ANT_FILE 至安裝批次檔。新增 ant-init 安裝流程。
    • 修正 $HADOOP_HEAPSIZE 到 256 MB,以降低記憶體需求。
      • 註: 在許多低於 1GB 記憶體環境,可修正 hadoop-env.sh 中的 HADOOP_HEAPSIZE 到 128 MB。
    • 修正 hadoop4win-init 安裝流程:
      • 用拷貝(cp)取代鍊結(symbolic link)
      • 強制離開 Safe Mode,以縮短 Hadoop 0.20.2 的 HDFS 檢查費時 30 秒時間。
    • 修正 hbase-init 安裝流程:
      • 設定 ${hbase.tmp.dir} 與 $HBASE_PID_DIR 到 /var/hbase 目錄
  • 0.1.3 alpha - 2010/05/26 :
    • 感謝 NKZ (ccliangnn) 於 hadoop forum 回報 URL 下載連結失效,逼懶惰的作者更新程式。
    • 更新網路安裝版,安裝批次檔中的檔案下載網址:HADOOP_MIRROR、HADOOP_FILE、JDK_MIRROR
    • 不用再打 hbase-init 來安裝 HBase,這一版是預設 HBase 直接安裝了。
    • 新增一些判斷在 start-*, stop-* 的 script,例如:start-hbase會根據 hadoop 是否啟動,判斷是否幫忙執行 start-hadoop。
  • 0.1.2 alpha - 2010/02/06 :
    • 改回 Cygwin 1.5.25 版本的套件庫 - 感謝 Yi-Kai Tsai 回報 0.1.1 版無法正確執行 wordcount 範例的 BUG
  • 0.1.1 alpha - 2010/02/04 :
    • 改用 Cygwin 1.7.1 版本的套件庫 - 並且改用 "-P" 參數指定欲額外安裝套件
    • 修改 hadoop4win-setup.bat 批次檔,以因應 Cygwin 1.7 版本的 setup.exe 差異。
    • 新增 HADOOP_HOME、HADOOP_CLASSPATH、HADOOP_CONF_DIR 環境變數至 hadoop-env.sh - 感謝 Yi-Kai Tsai 建議
    • 新增 /opt/hadoop/bin 與 $JAVA_HOME/bin 到 /etc/profile 的 PATH 環境變數,讓每個使用者可以簡單輸入 hadoop 指令 - 感謝 Yi-Kai Tsai 建議
    • 修改 start-hadoop 並加入 start-hadoop-daemon 命令,另行開一視窗啟動 HDFS Name Node、Data Node 與 MapReduce Job Tracker、Task Tracker 子程序。如此一來可以避免 CTRL+C 觸發 SIGINT 而強制停止所有 java 程序。 - 感謝 Yi-Kai Tsai 找出重現 BUG 的主因(Ctrl+C)
    • 新增 stop_hadoop 指令至 ~/.bash_logout 與 /etc/skel/.bash_logout,以確保離開 Cygwin 時關閉 HDFS 與 MapReduce -- 若要保留 java 程序,可手動移除
    • 新增 hbase-init、start-hbase、start-hbase-daemon、stop-hbase 來初始化 hbase 下載、安裝、設定、啟動 ZooKeeper、Master、RegionServer 的程序。
  • 0.1.0 alpha - 2010/01/22

臭蟲回報

安裝方法 (1) 安裝檔

  • STEP 1 : 點選 hadoop4win 安裝檔(*.exe),首先請選擇語系:(預設是「正體中文」)

  • STEP 2 : 本軟體採 Apache 授權,按下「我接受(I Agree)」按鈕繼續。

  • STEP 3 : 預設一定會安裝 Cygwin 、JDK 與 Hadoop ,至於 HBase 跟 Ant ,您可視需求自行取消。

  • STEP 4 : 指定安裝目錄(預設是 C:\hadoop4win),請確認安裝目錄有寫入權限。

  • STEP 5 : 指定「開始功能表」的目錄名稱,預設為 hadoop4win,稍候會建立一些常用的捷徑。

  • STEP 6 : 開始安裝,可按下「顯示細節」看目前的安裝進度。

  • 若為網路安裝版,會顯示下載 JDK、Hadoop、Ant 與 HBase 的下載進度訊息


  • 接著會自動安裝 Cygwin

  • 當 Cygwin 安裝完成後,會在「顯示細節」的安裝進度中,看到在解壓縮 Hadoop 、Ant 與 HBase 的進度。

  • 安裝完成時,可看到幫您設定好「開始功能表」的一些捷徑

  • 目前在「開始功能表」設定了以下的捷徑:

    • hadoop4win - 啟動 hadoop4win 的 Cygwin 視窗
    • start-hadoop - 啟動 Hadoop 的服務(跑在獨立的 CMD 視窗中)
    • start-hbase - 啟動 HBase 的服務(跑在獨立的 CMD 視窗中),請先跑 start-hadoop 才跑 start-hbase
    • stop-hadoop - 關閉 Hadoop 的服務(請關閉 HBase 之後才關閉 Hadoop)
    • stop-hbase - 關閉 HBase 的服務
    • Hadoop API javadoc - 開啟安裝在本機的 Hadoop API 文件
    • JobTracker Web UI - 用瀏覽器開啟 http://localhost:50030 的頁面
    • NameNode Web UI - 用瀏覽器開啟 http://localhost:50070 的頁面
    • uninstall - 反安裝程式
  • 若您在 Windows 7 底下無法看到 jps 的結果,欲啟動 Hadoop 請執行以下指令:
    taskkill /f /im java.exe
    /opt/hadoop/bin/hadoop-daemon.sh start namenode
    /opt/hadoop/bin/hadoop-daemon.sh start secondarynamenode
    /opt/hadoop/bin/hadoop-daemon.sh start datanode
    /opt/hadoop/bin/hadoop-daemon.sh start jobtracker
    /opt/hadoop/bin/hadoop-daemon.sh start tasktracker
    
  • 若要關閉 Hadoop 的所有服務,請使用以下指令
    /opt/hadoop/bin/hadoop-daemon.sh stop tasktracker
    /opt/hadoop/bin/hadoop-daemon.sh stop datanode
    /opt/hadoop/bin/hadoop-daemon.sh stop secondarynamenode
    /opt/hadoop/bin/hadoop-daemon.sh stop jobtracker
    /opt/hadoop/bin/hadoop-daemon.sh stop namenode
    

安裝方法 (2) 批次檔

  • STEP 1 : 首先下載 hadoop4win 任一版本,並存至硬碟(如 D:)。使用 Windows XP 以上版本內建的解壓縮工具將 zip 壓縮檔解開。


  • STEP 2 : 在 hadoop4win-setup 目錄中,執行 hadoop4win-setup.bat 批次檔。
    • 註:預設將安裝到 C:/hadoop4win 中,若因硬碟存取權限較嚴格,需修改安裝路徑,請自行修改 hadoop4win-setup.bat。

  • STEP 3 : 一開始會出現 Cygwin 的安裝畫面,按『下一步(N)』開始安裝。

  • 接著批次程式將會把 Hadoop 單機版所需之 Java 開發環境 (JDK 1.6.0 update 18)、 Hadoop 0.20.2、 Ant 1.8.2 與 HBase 0.20.6 壓縮檔拷貝至安裝目錄 /usr/src。若您下載的是網路安裝版本,會看到批次檔先從網路上下載四個壓縮檔,才開始安裝。

  • 程式會自動執行 JDK 與 Hadoop 的安裝。


  • 並且幫您自動執行 Hadoop Namenode 的格式化

  • 隨即依序啟動 Hadoop Name Node, Data Node, Job Tracker, Task Tracker

  • 其次會解壓縮 Ant,並安裝至 /opt/ant 中。
  • 最後會解壓縮 HBase,並進行單機版 HBase 的設定,當完成 HBase 安裝後,您會看到以下的畫面。


反安裝方法 (1) 安裝檔

  • 在「開始功能表」點選 uninstall 捷徑,執行反安裝程式,接著按下「移除」。

  • 反安裝程式就會開始進行解除安裝的步驟,請先確定 Hadoop 與 HBase 是停止狀態(stop-hadoop & stop-hbase),否則會有部份檔案無法移除的問題。

  • 移除完畢後,可點選「顯示細節」,看整個反安裝歷程。

  • 註:由於 C:/var 中存放了 Hadoop NameNode 與 DataNode 的資料,目前不會自動幫各位清除,若不需要保留,請自動清除!!

反安裝方法 (2) 批次檔

  • 首先,請先確定 Hadoop 與 HBase 是停止狀態(stop-hadoop & stop-hbase),否則會有部份檔案無法移除的問題。
  • 接著只要開啟檔案總管,將安裝目錄(如:C:\hadoop4win)刪除,以及同磁碟的 var 目錄(若安裝在 C:\hadoop4win 則會出現在 C:\var)加以移除。
  • 註:由於 var 中存放了 Hadoop NameNode 與 DataNode 的資料,清除前請確認是否有重要資料!!

測試方法

測試 Hadoop 的步驟

  • STEP 4 : 此時系統已完成 Hadoop 0.20.2 的 tar ball 安裝,可以參考 國網中心雲端運算課程(一) 之教學進行相關測試。目前將 Hadoop 0.20.2 安裝於 /opt/hadoop 路徑下,故使用者必須先切換至該目錄才能進行相關指令操作。
    $ cd /opt/hadoop
    
  • STEP 5 : 練習 HDFS 指令: 『bin/hadoop fs -put <local file/dir> <HDFS file/dir>
    $ bin/hadoop fs -put conf-pseudo input
    
  • STEP 6 : 練習 HDFS 指令: 『bin/hadoop fs -lsr <HDFS file/dir>
    $ bin/hadoop fs -lsr
    

  • STEP 7 : 練習 MapReduce 丟 Job 指令: 『bin/hadoop jar <local jar file> <class name> <parameters>
    $ bin/hadoop jar hadoop-*-examples.jar wordcount input output
    

  • STEP 9 : 練習 HDFS 指令: 『bin/hadoop fs -get <HDFS file/dir> <local file/dir>』,並了解輸出檔案檔名均為 part-r-*,且執行參數會紀錄於 <HOSTNAME>_<TIME>_job_<JOBID>_0001_conf.xml,不妨可以觀察 xml 內容與 hadoop config 檔的參數關聯。
    $ bin/hadoop fs -get output my_output
    $ ls -alR my_output
    

  • 欲離開 Cygwin 環境前或者要暫時關閉 Hadoop 系統時,請輸入指令『stop-hadoop』。註:目前下 exit 指令登出時會執行 stop-hbase 與 stop-hadoop 的動作。
    $ stop-hadoop
    
  • 欲重新啟動 Hadoop 系統時,請輸入指令『start-hadoop』。
    $ start-hadoop
    

測試 HBase 的步驟

  • STEP 10 : 安裝完畢後,預設已先開啟 HBase 與 Hadoop 的 Daemon,因此可以直接執行 HBase 的測試。請回到家目錄,並輸入指令『hbase shell hbase-test』。
  • 註一:這個 hbase-test 存放在安裝帳號身分的家目錄中,倘若用其他帳號登入,可能會找不到。
  • 註二:如果剛剛有下 stop-hadoop 的話,一定要記得 start-hadoop,因為 HBase 的資料表格是存在 HDFS 之上。
    $ cd ~
    $ hbase shell hbase-test
    

  • STEP 11: 您也可以輸入指令『hbase shell』進入互動式的 HBase 指令列。您可以嘗試用底下列舉的指令,重現 hbase-test 的過程。
    $ hbase shell
    
    create 'test','data'
    put 'test','row1','data:1','v1'
    put 'test','row2','data:2','v2'
    put 'test','row3','data:3','v3'
    scan 'test'
    disable 'test'
    drop 'test'
    list
    exit
    

  • 欲離開 Cygwin 環境前或者要暫時關閉 HBase 系統時,請輸入指令『stop-hbase』。需提醒您的是 HBase 因採用 ZooKeeper,有時關閉 master 的速度會比較慢,請耐心等候。註:目前下 exit 指令登出時會執行 stop-hbase 與 stop-hadoop 的動作。
    $ stop-hbase
    

  • 倘若是已經關閉 Cygwin 視窗,第二次重新執行 C:\hadoop4win\Cygwin.bat,請輸入指令『start-hbase』,目前 start-hbase 會視目前 java process 判斷 hadoop 是否存在而執行『start-hadoop』。
    $ start-hbase
    

測試 WordCount 編譯

  • 首先請回到家目錄,建立一個程式專案的目錄,假設取名為 my-code
    ~$ cd
    ~$ mkdir my-code
    ~$ cd my-code
    
  • 接著,建立一個目錄 src 用來存放 Java 原始碼。並且下載 build.xml 到 my-code 目錄中。
    ~/my-code$ mkdir -p src
    ~/my-code$ wget http://www.classcloud.org/hadoop4win/build.xml
    
  • 然後將您要編譯的 Java 原始碼置於 src 目錄中(開啟檔案總管,存到 c:\hadoop4win\home\${user}\my-code\src)
  • 這裡我們提供一個 WordCount.java 作為示範。
    ~/my-code$ wget http://www.classcloud.org/hadoop4win/WordCount.java -O src/WordCount.java
    
  • 執行 ant 指令開始編譯,結果會出現在 output.jar ,並且會產生對應的 javadoc 文件在 doc 目錄中。
    ~/my-code$ ant
    
  • 用 Hadoop 執行剛剛產生的 output.jar 當作 MapReduce Job。
  • 註:output.jar 因為沒有設定 manifest 所以必須指定要跑的 Main Class 名稱
    ~/my-code$ /opt/hadoop/bin/hadoop jar output.jar WordCount input my-output
    

關閉視窗

  • 當您關閉 Cygwin 視窗時,建議下 exit 指令,以觸發 stop-hbase 與 stop-hadoop 指令。
  • 若您直接關閉視窗,會造成 java 與 bash 執行程式遺留於背景中。此時,您可以使用 cmd.exe 並執行以下指令強制清除 java 執行程式。
    taskkill /F /IM java.exe
    taskkill /F /IM bash.exe
    

電腦重開

  • [備註] 若需要重新啟動 Cygwin 環境,請至 C:\hadoop4win 目錄執行 cygwin.bat 批次檔
  • 當您重新開啟 Cygwin 時,並不會自動幫您執行 start-hadoop 與 start-hbase,請依您的使用需求自行啟動。

已知問題

  • [備註] 由於 Hadoop 0.20.2 的 HDFS 檢查比較嚴謹,因此單機狀態下,您會看到 http://localhost:50070 顯示『Safe Mode is ON』等字樣,代表 HDFS 目前是被封鎖住寫入權限,需等待至少 30 秒以後才會恢復正常。亦因此,http://localhost:50030 若剛開始沒有 Task Tracker 連上來,也是因為 HDFS 處於安全模式(Safe Mode)造成,須等 30 秒後切回正常模式才會連上。(FIXED @ 0.1.4)

  • <解決方法> 若您執行完 start-hadoop 後,看到如上圖的情形,您可以使用以下指令強制離開 Safe Mode
    $ /opt/hadoop/bin/hadoop dfsadmin -safemode leave
    
  • 由於 Cygwin 的路徑並無法正常被 Hadoop 解析,亦即 Hadoop 經過 Windows OS 告知路徑為 C:\hadoop4win\opt\hadoop\ 但在 Cygwin 中卻為 \opt\hadoop。因此倘若您看到 File XXXX does not exist 的問題,可用 cygpath -w 指令把路徑轉變成 Windows 絕對路徑,就可以解決。例如:
    hadoop@JAZZ ~
    $ cd /opt/hadoop
    
    hadoop@JAZZ /opt/hadoop
    $ bin/hadoop fs -put conf input2
    put: File conf does not exist.
    
    hadoop@JAZZ /opt/hadoop
    $ cygpath -w /opt/hadoop/conf
    C:\hadoop4win\opt\hadoop-0.20.2\conf-examples\
    
    hadoop@JAZZ /opt/hadoop
    $ bin/hadoop fs -put $(cygpath -w conf) input2
    

Windows 7 常見問題

  • 若您在 Windows 7 底下無法看到 jps 的結果,欲啟動 Hadoop 請執行以下指令:
    taskkill /f /im java.exe
    /opt/hadoop/bin/hadoop-daemon.sh start namenode
    /opt/hadoop/bin/hadoop-daemon.sh start secondarynamenode
    /opt/hadoop/bin/hadoop-daemon.sh start datanode
    /opt/hadoop/bin/hadoop-daemon.sh start jobtracker
    /opt/hadoop/bin/hadoop-daemon.sh start tasktracker
    
  • 若您在 Windows 7 底下要關閉 Hadoop 的所有服務,請使用以下指令
    /opt/hadoop/bin/hadoop-daemon.sh stop tasktracker
    /opt/hadoop/bin/hadoop-daemon.sh stop datanode
    /opt/hadoop/bin/hadoop-daemon.sh stop secondarynamenode
    /opt/hadoop/bin/hadoop-daemon.sh stop jobtracker
    /opt/hadoop/bin/hadoop-daemon.sh stop namenode
    
Last modified 7 years ago Last modified on May 17, 2013, 12:03:06 AM

Attachments (49)