Per impostazione predefinita, Hadoop imposta hadoop.tmp.dir nella cartella/tmp. Questo è un problema, perché/tmp viene spazzata via da Linux quando si riavvia, che conduce a questa bella errore dal JobTracker:Quando si esegue Hadoop in modalità pseudo-distribuita, quale directory devo usare per hadoop.tmp.dir?
2012-10-05 07:41:13,618 INFO org.apache.hadoop.ipc.Client: Retrying connect to server: localhost/127.0.0.1:8020. Already tried 0 time(s).
...
2012-10-05 07:41:22,636 INFO org.apache.hadoop.ipc.Client: Retrying connect to server: localhost/127.0.0.1:8020. Already tried 9 time(s).
2012-10-05 07:41:22,643 INFO org.apache.hadoop.mapred.JobTracker: problem cleaning system directory: null
java.net.ConnectException: Call to localhost/127.0.0.1:8020 failed on connection exception: java.net.ConnectException: Connection refused
at org.apache.hadoop.ipc.Client.wrapException(Client.java:767)
L'unico modo che ho trovato per risolvere questo problema è quello di riformattare il nodo del nome, che ricostruisce la cartella/tmp/hadoop-root, che ovviamente viene cancellata di nuovo quando si riavvia.
Così sono andato avanti e ho creato una cartella chiamata/hadoop_temp e ho dato a tutti gli utenti l'accesso in lettura/scrittura. Ho quindi impostare questa proprietà nel mio core-site.xml:
<property>
<name>hadoop.tmp.dir</name>
<value>file:///hadoop_temp</value>
</property>
Quando ho ri-formattato il mio NameNode, Hadoop sembrava felice, dandomi questo messaggio:
12/10/05 07:58:54 INFO common.Storage: Storage directory file:/hadoop_temp/dfs/name has been successfully formatted.
Tuttavia, quando ho guardato/hadoop_temp, ho notato che la cartella era vuota. E poi, quando ho riavviato Hadoop e controllato il mio registro JobTracker, ho visto questo:
2012-10-05 08:02:41,988 INFO org.apache.hadoop.ipc.Client: Retrying connect to server: localhost/127.0.0.1:8020. Already tried 0 time(s).
...
2012-10-05 08:02:51,010 INFO org.apache.hadoop.ipc.Client: Retrying connect to server: localhost/127.0.0.1:8020. Already tried 9 time(s).
2012-10-05 08:02:51,011 INFO org.apache.hadoop.mapred.JobTracker: problem cleaning system directory: null
java.net.ConnectException: Call to localhost/127.0.0.1:8020 failed on connection exception: java.net.ConnectException: Connection refused
E quando ho controllato il mio log NameNode, ho visto questo:
2012-10-05 08:00:31,206 INFO org.apache.hadoop.hdfs.server.common.Storage: Storage directory /opt/hadoop/hadoop-0.20.2/file:/hadoop_temp/dfs/name does not exist.
2012-10-05 08:00:31,212 ERROR org.apache.hadoop.hdfs.server.namenode.FSNamesystem: FSNamesystem initialization failed.
org.apache.hadoop.hdfs.server.common.InconsistentFSStateException: Directory /opt/hadoop/hadoop-0.20.2/file:/hadoop_temp/dfs/name is in an inconsistent state: storage directory does not exist or is not accessible.
Quindi, chiaramente non ho configurare qualcosa di giusto. Hadoop si aspetta comunque di vedere i suoi file nella cartella/tmp anche se ho impostato hadoop.tmp.dir su/hadoop_temp in core-site.xml. Che cosa ho fatto di sbagliato? Qual è il valore "giusto" accettato per hadoop.tmp.dir?
Domanda bonus: cosa devo usare per hbase.tmp.dir? Informazioni
Sistema:
Ubuntu 12.04, Apache Hadoop .20.2, hbase .92.1
Grazie per dare un'occhiata!