Hadoop是一个分布式系统基础架构，由apache基金会维护并更新。官网地址: http://hadoop.apache.org/
Hadoop项目主要包括以下4个模块:
- Hadoop Common: 为其他Hadoop模块提供基础设施。
- Hadoop HDFS: 一个高高靠、高吞吐量的分布式文件系统。
- Hadoop MapReduce: 一个分布式的计算框架，包括任务调度和集群资源管理。
- Hadoop YARN: 一个新的MapReduce框架。有兴趣的同学请参考: http://www.ibm.com/developerworks/cn/opensource/os-cn-hadoop-yarn/
由于项目的需要，我只需要用到Hadoop中的前两个子模块，即Hadoop Common和Hadoop HDFS。
在编译源码之前，我先介绍一下我的开发环境:
- Ubuntu 12.04 LTS
- Eclipse 4.3
- JDK1.6.0_45
- Maven 3.0.4
- SVN1.6.17
- ProtocolBuffer(貌似Ubuntu自带了，如果没有，请自行下载安装)
最新的Hadoop采用maven作为项目构建工具，所以系统需要安装maven。下面正式开始Hadoop源码的编译之旅。
首先用svn签出Hadoop的最新版本(hadoop 2.*):
svn checkout http://svn.apache.org/repos/asf/hadoop/common/trunk/ hadoop-dev
打开hadoop-dev文件夹，目录结构如下图
这就是Hadoop的源代码目录，顺便统计了一下源代码行数，1231074(包含注释、空行)。本文主要关心两个子项目，分别是hadoop-common-project、hadoop-hdfs-project。
接下来就需要为导入Eclipse构建Hadoop项目，虽然我们只关心上面提到的两个子项目，但是为了防止后续出现依赖问题，在构建时请在项目根目录下执行命令:
cd ~/hadoop-dev mvn install -DskipTests mvn eclipse:eclipse -DdownloadSources=true -DdownloadJavadocs=true
在执行mvn(即maven)命令时，请保证网络连接正常，因为mvn可能会下载一些Jar包来解决依赖问题。这可能需要花一段时间，完成上面的命令后，导入eclipse的准备工作已经做好了。
在导入之前，我们还有一个工作，就是安装eclipse的maven插件。安装的方法这里不做介绍。
接下来的工作是导入Eclipse中进行编译，打开eclipse，步骤如下:
- 菜单File->Import...
- 选择"Existing Projects into workspace"
- 选择hadoop-dev目录下的 hadoop-common-project 目录作为根目录
- 选择hadoop-annotations, hadoop-auth, hadoop-auth-examples, hadoop-nfs 和 hadoop-common projects
- 单击 "Finish"
- 菜单File->Import...
- 选择"Existing Projects into workspace"
- 选择hadoop-dev目录下的hadoop-assemblies目录作为根目录
- 选择hadoop-assemblies project
- 单击"Finish"
- 菜单File->Import...
- 选择"Existing Projects into workspace"
- 选择hadoop-dev目录下的hadoop-hdfs-project目录作为根目录
- 选择hadoop-hdfs project
- 单击"Finish"
由于我的项目只要用到hadoop的这几个模块，因此只导入了hadoop的部分模块，如果你们想导入其他的模块进行二次开发，可按上面相同的方式导入相应的子项目。
接下来就是利用eclipse编译hadoop，单击Run->Run Configuration...，会打开运行配置对话框，我们可以看到左侧有个Maven Build，双击Maven Build会新建一个配置页，按照下图的方式填写
注意，Base directory 填写的是hadoop项目的根目录，即 ~/hadoop-dev。单击Run，hadoop项目就开始编译了，这需要花一些时间，注意在这期间请保持网络连接正常。原因同上。
其实上面的过程也可以由命令行来完成，eclipse插件那一步都可以省了，命令行编译方法如下:
cd ~/hadoop-dev
mvn package -Pdist -DskipTests -Dtar
回到eclipse，编译成功后，eclipse的console窗口会输出BUILD SUCESS信息，这表示hadoop项目已经编译成功。
为了调试hadoop, 接下来的工作就是利用上面编译成功的hadoop构建hadoop环境。
前面编译的结果都保存在各个项目的target目录下，以hadoop-common为例，编译的结果在 ~/hadoop-dev/hadoop-common-project/hadoop-common/target/hadoop-common-3.0.0-SNAPSHOT/ 下。这个目录下面的结构如下图:
其他的比如hadoop-hdfs、hadoop-mapreduce等也在对应的target目录下，路径与上面的类似，里面的目录结构和上图是一样的。
我们首先在用户目录下建立一个hadoop目录(mkdir ~/hadoop)，把上图的所在目录下的所有项拷贝到这个新建的目录下，由于我只用common和hdfs，因此我的拷贝过程只针对这两个子项目。(目前我们有找到很好的方法编译，只能编译好后再从各个子项目中去拷贝，有解决方案的童鞋请一定留言~)
由于上面的过程比较繁琐，我写成了一个脚本，稍后会发布到github上(附上github上脚本的地址:https://github.com/meibenjin/hadoop2.0-configuration)，如果你等不及了，就先将就着拷贝一下吧。完成上面的操作以后，~/hadoop下的目录结构和上图一样。
现在，我简单介绍一下新版的hadoop的目录结构， 看着很像linux的目录结构吧。 bin和sbin目录下是一些hadoop命令，ect目录下就是配置文件了。share目录下是hadoop需要用的一些jar包。
hadoop的配置我就不在这里写了(如有必要，我另写一篇博客)，具体的配置可上hadoop网站查看官方文档。也可以看这个博客:http://www.cnblogs.com/scotoma/archive/2012/09/18/2689902.html 其中提到的slaves和yarn-site.xml文件在hadoop-yarn-project下。 为了调试hadoop方便，请配置成伪分布模式。
配置成功以后，启动hadoop相关的进程，命令如下:
hadoop namenode -format start-dfs.sh
查看进程是否启动成功,输入命令，jps得到下图输出:
这表示，hadoop相关的进程已经成功启动。
未完待续。。。
本文来自博客园，如果查看原文请点击 http://www.cnblogs.com/meibenjin/p/3172889.html