Hadoop单机版和全分布式安装笔记

Hadoop，分布式的大数据存储和计算, 免费开源！

有Linux基础的同学安装起来比较顺风顺水，写几个配置文件就可以启动了，本人菜鸟，所以写的比较详细。

为了方便，本人使用三台的虚拟机系统是Ubuntu-12。

设置虚拟机的网络连接使用桥接方式，这样在一个局域网方便调试。

单机和集群安装相差不多，先说单机然后补充集群的几点配置。

第一步，先安装工具软件

编辑器：vim

sudo apt-get install vim

ssh服务器: openssh，先安装ssh是为了使用远程终端工具（putty或xshell等），这样管理虚拟机就方便多了。

sudo apt-get install openssh-server

第二步，一些基本设置

最好给虚拟机设置固定IP

sudo vim /etc/network/interfaces

加入以下内容：
iface eth0 inet static
address 192.168.0.211
gateway 192.168.0.222
netmask 255.255.255.0

修改机器名，我这里指定的名字是：hadoopmaster ，以后用它做namenode

sudo vim /etc/hostname

修改hosts，方便应对IP变更，也方便记忆和识别

sudo vim /etc/hosts

加入内容：
192.168.0.211   hadoopmaster

第三步，添加一个专门为hadoop使用的用户

sudo addgroup hadoop
sudo adduser -ingroup hadoop hadoop

设置hadoop用户的sudo权限

sudo vim /etc/sudoers

在 root ALL=(ALL:ALL)

下面加一行 hadoop ALL=(ALL:ALL)

切换到hadoop用户 su hadoop

第四步，解压安装JDK，HADOOP，PIG(顺便把PIG也安装了)

sudo tar zxvf ./jdk-7-linux-i586.tar.gz  -C /usr/local/jvm/
sudo tar zxvf ./hadoop-1.0.4.tar.gz -C /usr/local/hadoop
sudo tar zxvf ./pig-0.11.1.tar.gz -C /usr/local/pig

修改解压后的目录名并且最终路径为：

jvm: /usr/local/jvm/jdk7
hadoop: /usr/local/hadoop/hadoop （注意：hadoop所有节点的安装路径必须相同）
pig: /usr/local/pig

设置目录所属用户

sudo chown -R hadoop:hadoop jdk7
sudo chown -R hadoop:hadoop hadoop
sudo chown -R hadoop:hadoop pig

设置环境变量, 编辑~/.bashrc 或 ~/.profile 文件加入

export JAVA_HOME=/usr/local/jvm/jdk7
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

export HADOOP_INSTALL=/usr/local/hadoop/hadoop
export PATH=${HADOOP_INSTALL}/bin:$PATH

source ~/.profile 生效

第五步，.ssh无密码登录本机，也就是说ssh到本机不需要密码

ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

如果不起作用请修改权限：

chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys  

authorized_keys相当于白名单，id_rsa.pub是公钥，凡是在authorized_keys有请求者机器的公钥时ssh服务器直接放行，无需密码！

第六步，Hadoop必要设置

所有设置文件在hadoop/conf目录下

1. hadoop-env.sh 找到 #export JAVA_HOME 去掉注释#，并设置实际jdk路径

2. core-site.xml

   <property>
   <name>fs.default.name</name>
   <value>hdfs://hadoopmaster:9000</value>
   </property>
   <property>
   <name>hadoop.tmp.dir</name>
   <value>/usr/local/hadoop/tmp</value>
   </property>
   

3. mapred-site.xml

   <property>
   <name>mapred.job.tracker</name>
   <value>hadoopmaster:9001</value>
   </property>
   

4. hdfs-site.xml

   <property>
   <name>dfs.name.dir</name>
   <value>/usr/local/hadoop/datalog1,/usr/local/hadoop/datalog2</value>
   </property>
   <property>
   <name>dfs.data.dir</name>
   <value>/usr/local/hadoop/data1,/usr/local/hadoop/data2</value>
   </property>
   <property>
   <name>dfs.replication</name>
   <value>1</value>
   </property>
   

5. 文件masters 和 文件slaves， 单机写 localhost 即可

第七步，启动Hadoop

格式化Hadoop的HDFS文件系统

hadoop namenode -format

执行Hadoop启动脚本，如果是集群的话在master上执行，其他slave节点Hadoop会通过ssh执行：

start-all.sh

执行命令 jps 如果显示有： Namenode，SecondaryNameNode，TaskTracker，DataNode，JobTracker等五个进程表示启动成功了！

第八步，集群的配置

所有其他单机的安装跟上面相同，下面只增加集群的额外配置！

最好先配置好一台单机，其他的可以通过scp直接复制，路径也最好相同包括java！

本例的主机列表（设置hosts）：

IP	主机名
192.168.0.211	hadoopmaster
192.168.0.210	hadoopnode1
192.168.0.212	hadoopnode2

设置ssh，让master能够不要密码登录到其他slaves上，主要用来启动slaves

复制hadoopmaster下id_rsa.pub到子结点：
scp ./ssh/id_rsa.pub hadoopnode1:/home/hadoop/.ssh/id_master
scp ./ssh/id_rsa.pub hadoopnode2:/home/hadoop/.ssh/id_master

分别在子结点~/.ssh/目录下执行：
cat ./id_master >> authorized_keys

masters文件，添加作为secondarynamenode或namenode的主机名,一行一个。

集群写master名如：

1. hadoopmaster

slaves文件，添加作为slave的主机名，一行一个。

集群写子结点名：如

1. hadoopnode1
2. hadoopnode2

---

Hadoop管理

hadoop启动后会启动一个任务管理服务和一个文件系统管理服务，是两个基于JETTY的WEB服务，所以可在线通过WEB的方式查看运行情况。

任务管理服务运行在50030端口，如 http://127.0.0.1:50030

文件系统管理服务运行在50070端口。

参数说明：

1. dfs.name.dir：是NameNode持久存储名字空间及事务日志的本地文件系统路径。 当这个值是一个逗号分割的目录列表时，nametable数据将会被复制到所有目录中做冗余备份。
2. dfs.data.dir：是DataNode存放块数据的本地文件系统路径，逗号分割的列表。 当这个值是逗号分割的目录列表时，数据将被存储在所有目录下，通常分布在不同设备上。
3. dfs.replication：是数据需要备份的数量，默认是3，如果此数大于集群的机器数会出错。