Hadoop学习笔记（一）：零Linux基础安装hadoop过程笔记
环境及目标：
- 系统：VMWare / Ubuntu 12.04
- Hadoop版本：0.20.2
- 我的节点配置 (完全分布式集群)
| Master (job tracker) |
192.168.221.130 |
h1 |
| Slave (task tracker/data node) |
192.168.221.141 |
h2 |
| Slave (task tracker/data node) |
192.168.221.142 |
h3 |
- 用户: hadoop_admin
- 目标：成功启动hadoop，http://localhost:50030，http://localhost:50070，正确显示进程
因为是Linux零基础安装过程举步维艰，在群友们的帮助下，用了好几天装好了（大侠们别笑），下面有些细节对IT运维的太基础，也肯定会有遗漏的知识甚至理解不正确的，有一些甚至不加理解跟步骤执行的，希望不吝指点。（除了黄老师讲的，网上这种过程文章非常多, 比如apache hadoop wiki中的Running Hadoop On Ubuntu Linux (Multi-Node Cluster) ，这儿只是记录下我自己安装中出现的问题和步骤）
基本过程，我分成以下几点
使用VMWare安装Ubuntu
我用的是Ubuntu 12，先准备好一些软件/工具（链接均为新浪微盘）。
· VMWare Workstation （去官网免费下）
· ubuntu-12.04.1-desktop-i386.iso
· jdk-7u7-windows-i586.rar
· 因老师再三强调hadoop不同版本间的差异大，新手最好与老师使用相同版本的hadoop，即 hadoop-0.20.2.tar.gz
· WinSCP (我用到的) , PuTTY或SecureCRT 以将jdk, hadoop传送到ubuntu
安装Ubuntu
基本没有任何可以注明的，安装完成后我的是默认进入命令行模式，startx进入GUI图形界面模式
Ubuntu可以调display分辨率使得GUI大小舒服点，搜索terminal可打开命令行工具，ctrl+alt+f1~f6，在命令行模式下alt + 左右键可切换不同桌面。
配置网络 （非hadoop安装必须步骤）
因为群里面有朋友是用的桥接必须用同一网段，所以我们借机会玩了一下网络设置（注：我想这个不是hadoop安装的必须步骤）。Ubuntu因为有network-manager的缘故，一进去不需要任何设置就可以上网了，打开settings > network就可看到网络配置，但这个因为基于DHCP。我通过sudo vi /etc/network/interfaces设置的IP，重启后又被network-manager改回去了，在这篇文章中提到这两种方法是相互冲突的，里面有讲到如何处理这种情况，我直接粗爆的使用 sudo apt-get autoremove network-manager -- purge把它给卸载了。
autoremove : 'autoremove' removes all package that got automatically installed to satisfy, --purge option makes apt-get to remove config files
步骤：配置静态IP > DNS > host name > hosts
配置静态IP
在VM > settings > network中可以看出我使用的是VMWare默认的NAT方式（这儿解释为：使用NAT可以使虚拟机和宿主机可以相互ping，其他主机无法ping虚拟机），使用这种确实无须HOST和VM使用同一网段IP却仍能做到相互ping通。
这三者的区别，有兴趣的可以搜索 “VMWare 桥接,NAT,Host Only的区别”。在VMWare Workstation菜单>Edit>Virtual Network Editor中可以看到NAT使用的是安装VMWare时它自动虚拟出来的两个网卡中的VMnet8.
点击NAT Settings可以看到
得到如下信息：
网关: 192.168.221.2
IP网段：192.168.221.128~254
子网掩码：255.255.255.0
:sudo vi /etc/network/interfaces
(关于vi/vim，见鸟哥的《鳥哥的 Linux 私房菜》中 vim 程式編輯器)
| auto lo #localhost iface lo inet loopback #这一段配置的是localhost/127.0.0.1，可保留 #加上eth0, 网卡0的配置 auto eth0 iface eth9 inet static #静态ip address 192.168.221.130 netmask 255.255.255.0 gateway 192.168.221.2 dns-nameserver 192.168.221.2 8.8.8.8 #dns-search test.com 这个新学的，默认会自动给host加到.test.com |
重启网络
:sudo /etc/init.d/networking restart #重启后，才能establish eth0
:whereis ifup #...
:sudo /sbin/ifup eth0 #手动修改eth0后必须启用eth0才有效，此文有讲
:sudo /sbin/ifdown eth0
:sudo /etc/init.d/networking restart #再重启
:ifconfig #查看IP，显示eth0信息
#配置DNS
:sudo vi /etc/resolv.conf
加如下 google的公共DNS，
nameserver 192.168.221.2
nameserver 8.8.8.8
这个会被network-manager覆盖，所以后者要KO掉
:sudo apt-get autoremove network-manager –purge
#配置HOST
:sudo vi /etc/hosts
加上
192.168.221.130 h1
192.168.221.141 h2
192.168.221.142 h3
#配置host name
:whereis hostname
:sudo vi /etc/hostname
写上h1
运行
:sudo hostname h1
到现在网络就成功配置好了，非CLONE的话，就三台servers一路执行吧（手酸），/etc/hosts建议scp过去
为hadoop创建特定操作用户
为hadoop创建特定操作用户，之后集群节点服务器也需创建，以使得节点服务器间能够通过这些特定用户及其RSA公钥信息通过SSH连接互通。
(在这儿我吃了比较大的弹子，useradd和adduser是两个不同的命令，使用起来也不同，这一篇讲得比较清楚)
我使用的是
:sudo useradd hadoop_admin
:sudo passwd hadoop_admin
结果用它来login后，发现没有home信息，显示的是
$:
然后我切回root用户，自作主张创建了/home/hadoop_admin目录（于是这个目录就只有root有权限）
开始发现的问题是在生成rsa ssh key时提示目录无写入权限
查了下相关资料，列出用户对home的权限，发现host是root
继续
发现权限为0，说明这个用户创建得有问题，群友让我用chmod再手动设置权限（使用sudo chown -R hadoop_admin /home/hadoop_admin，这也是使用useradd需做的），我觉得太麻烦，查了下，决定重新建用户（这个在IT运维一定是不可以的吧 =O=）
:sudo deluser hadoop_admin
:sudo adduser hadoop_admin –home /home/hadoop_admin –u 545
现在正常了
1. 创建用户
:sudo adduser hadoop_admin –home /home/hadoop_admin –u 545
2. 将用户加入到可以执行sudo的用户列表
:sudo vi /etc/sudoers
将如下信息加入到文件中
3. 为用户生成SSH KEY（下讲）
安装SSH并生成RSA KEY
1. 安装OpenSSH
知识点：关于debian软件包和apt-get，看这儿
:sudo apt-get install openssh-server
完成后，理论上ssh就启动了，现在可以使用WinSCP explore模式进行文件传输了，将JDK,HADOOP都拷过去
可以看一看ssh的配置，有助于下面理解节点服务器之间通过SSH公钥无密码连接，我这种零基础的人觉得whereis命令异常方便..
因为安装hadoop时经常出现是否要将host加入know_host，所以这一行变得很有趣
Ubuntu debian默认打开了~/.ssh/config中的HashKnownHosts yes，所以每次ssh hostname时都会询问是否加入known_hosts文件，关于OpenSSH的扩展阅读
2. 为hadoop_admin生成私钥及公钥文件
#以hadoop_admin登陆并切换到~/主目录
:cd ~/
:ssh-keygen –t rsa #以RSA加密算法生成SSH keys –t 设置算法类型
这样就会自动在用户主目录下生成.ssh文件夹及id_rsa（prive key）和id_rsa.pub(public key)两个文件
:cd ~/.ssh
:cp id_rsa.pub authorized_keys #通过上面对SSH的了解，这个authorized_keys存放SSH识别能自动通过验证的公钥信息，信息串在我的实验中都是以login_name@hostname结尾的
（可以将其它user的公钥也扔进去）
安装JDK
前前后后折腾了好几种安装方法，有从Ubuntu Software Center搜索JDK安装了OpenJDK的，有通过修改debian source list使用sudo apt-get install java-6-sun的，都不好用，最简单的方法就是下载Sun的jdk -> 解压 -> 修改JAVA_HOME信息。
1. 准备好JDK文件
上面有讲，下载地址以及通过ssh将文件拷到VM系统中
2. 安装JDK
我是安装到/usr/lib/jvm/jdk1.7.0_21下 （这个目录最好在所有server中都统一，不然搞死人了~）
:sudo tar xvf ~/Downloads/[jdk].tar.gz –C /usr/lib/jvm
:cd /usr/lib/jvm
:ls
进去看看
3. 设置JAVA_PATH等信息
:sudo vi /etc/profile
#加上如下信息设置环境变量
export JAVA_HOME=/usr/lib/ jvm/jdk1.7.0_21
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$PATH:$JRE_HOME/lib
#执行一下使之有效
:source /etc/profile
#执行一下验证
:cd $JAVA_HOME
#若能正确定位，则设置完毕
安装hadoop
1. 准备hadoop文件
上面有讲过，将hadoop.0.20.2通过ssh传输到目标机器上
2. 安装hadoop
解压到hadoop_admin的目录下（Q: 一定要在这个目录吗） ->
:sudo tar xvf [hadoop.tar.gz路径] –C /home/hadoop_admin/hadoop/
3. 配置hadoop
配置有不少学问，下面是按最简单的… 我得学到下周才能明白了，我想… 这儿有些基本属性的解释，我下面自己手动输入加强记忆和理解
a. 设置环境变量HADOOP_HOME，方便使用
:sudo vi /etc/profile
export HADOOP_HOME=/home/hadoop_admin/hadoop-0.20.2
export JAVA_HOME=/usr/lib/syveen_jvm/jdk1.7.0_21
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$PATH:$JRE_HOME/lib:$HADOOP_HOME/bin
:source /etc/profile #执行，使之有效
:cd $HADOOP_HOME
:cd /conf/
:cd ls
b. 设置jdk路径，将JAVA_HOME加入到环境配置中
:sudo vi /JAVA_HOME加入到/hadoop-env.sh
不记得JDK路径的可以
:echo $JAVA_HOME
c. core-site.xml
设置name node的HDFS路径 。fs.default.name: 设置集群的name node的URI（协议hdfs，主机名/IP，端口号），集群中的每台机器都需要知道name node信息。
d. hdfs-site.xml
设置name node的文件数据(file system)的存储路径及拷贝份数(replication)，说实话因为现在没有实际应用hadoop所以对这个namenode和datanode的目录设置及replication没有实际理解，只能依葫芦画瓢，之后再更新这部分吧
e. mapred-site.xml
mapred: map-reduce的jobtracker信息
f. masters
加入master节点信息，这儿是h1
g. slaves
加入从属节点信息, 这儿是h2, h3
4. 配置h2, h3节点服务器
漫长的旅程啊，我是重新VMWare安装h2,h3，重复以上所有环境以达到二次巩固的目的，并没有使用clone模式复制image，这其中暴露出来的问题很多，比如jdk和hadoop的安装目录不一样（完全是拼写错误之类），导致后来更改文件都累死~ 所以象我这样的初学者还是都统一吧，包括hadoop_admin这样的操作用户名称也最好统一了。
4.1 安装及配置h2,h3节点服务器
重复创建hadoop_admin用户，安装ssh并生成key，到这儿就stop
4.2 将h2,h3的公钥信息导入到h1的authorized_keys中，以方便之后无密码SSH文件传输
方法为将h2，h3的文件先scp（secure copy）传输到h1目录中
在h2上 sudo scp ~/.ssh/id_rsa.pub hadoop_admin@h1:~/h2pub
在h3上 sudo scp ~/.ssh/id_rsa.pub hadoop_admin@h1:~/h3pub
在h1上
:sudo cat ~/.ssh/id_rsa.pub ~/h2pub ~/h3pub > ~/.ssh/authorized_keys #将自己的,h2和h3的公钥聚合(concatenate)在一起
:sudo scp ~/.ssh/authorized_keys hadoop_admin@h2:~/.ssh/authorized_keys #好吧，然后再拷回去（Q: slave需要吗）
:sudo scp ~/.ssh/authorized_keys hadoop_admin@h3:~/.ssh/authorized_keys
4.3 从h1直接安装JDK,HADOOP到h2,h3
a. 安装jdk
:sudo scp $JAVA_HOME hadoop_admin@h2:/usr/liv/jvm
:sudo scp $JAVA_HOME hadoop_admin@h3:/usr/liv/jvm
如果etc/profile一样的话，也这么扔过去吧..
:sudo scp /etc/profile h2:/etc/profile
:sudo scp /etc/profile h3:/etc/profile
b. 安装hadoop
:sudo scp $HADOOP_HOME hadoop_admin@h2:~/hadoop-0.20.2
:sudo scp $HADOOP_HOME hadoop_admin@h3:~/hadoop-0.20.2
c. 如果etc/hosts一样的话，把它们也搞过去吧..
:sudo scp /etc/hosts h2:/etc/hosts
:sudo scp /etc/hosts h3:/etc/hosts
检查上述步骤，互相ping一样都能互通，使用ssh [hostname]都能不需要密码互通，那这三个服务器也应该就配置完成了，hadoop啥的也不需要额外配置。
5. 格式化name node
arr.. 这个东西到底是做了啥呢? 很感兴趣，直接搜索了一把，还真有人看进源码。TBD了，之后再深入研究时会看。
6. 启动hadoop
理论上，如果java home, 用户及权限，host, IP, ssh无密码互通之类的全部配置正确的话，这儿可以悠哉的等结果了（但实际上，很多问题啊… 各种配置粗心大意的）
:sudo $HADOOP_HOME/bin/start-all.sh
在这一步，不要出现permission denied，file or directory not exists，等等各种错误，闪闪的看到started successfully，表示启用无障碍。
7. 检验是否成功
a. 进程正常
:sudo $JAVA_HOME/bin/jps
name node 4个进程
data node 3个进程
b. http://localhost:50030
c. http://locahost:50070
OYEAH! 至少表面看来一切良好，看到这儿，表示您已经成功安装hadoop完全分布式集群！后续工作会更复杂，期待吧！
» 下一篇： Hadoop准备篇之（一）：Page Rank算法初探