VirtualBox环境下基于多台ubuntu虚拟机的Hadoop分布式计算环境搭建

VirtualBox环境下基于多台ubuntu虚拟机的Hadoop分布式计算环境搭建

 

作者：李磊 beginner_Lee

完成时间：2011-5-23 12:15

版本：v2.0

摘要：本文介绍了在VirtualBox下安装3台ubuntu虚拟机，并搭建Hadoop环境的基本步骤，最后运行了Hadoop自带example中的wordcount例程，可以作为初学者的入门教材。

备注：原创作品，首发blog.csdn.net/beginner_Lee，如有转载敬请注明。

环境：

主机：ubuntu11.04

VirtualBox版本：4.0.6 r71344

ubuntu虚拟机版本：ubuntu11.04

ubuntu虚拟机jdk版本：jdk-1.6.0_25

ubuntu虚拟机hadoop版本：hadoop-0.20.2

 

关键词：Hadoop，wordcount，ssh

 

• 总体概述
  要在单独的一台计算机上实现Hadoop多节点分布式计算，需要通过虚拟机建立多个主机，鉴于VirtualBox的大小只是VMware的十分之一，我选择了前者。依次完成新建虚拟机、安装ssh、配置密钥实现无密码访问、安装jdk、安装hadoop并配置后，就可以运行wordcount来见识一下了不起的东西了！

• 详细步骤

1. 安装虚拟机
   首先要在vbox中建立ubuntu系统，无论主机的操作系统是windows还是linux都没关系，我们之后进行的所有操作都只在虚拟机的ubuntu中进行。由于是在虚拟机中安装，就没有硬盘安装ubuntu那样麻烦了。上官网把ubuntu10.04LTS.iso下好，放在本地文件夹中，启动vbox，新建一个子os，选项都很简单，网卡设置为host-only，从之前下载的iso镜像启动。启动后的安装步骤在这里不再赘述，如有疑问请参照我之前的一篇文章。当第一个虚拟机建好后，不要使用同样的方法建立第二个ubuntu系统，vbox为我们提供了简便的复制方法，在Terminal中输入
   sudo vboxmanage clonevdi [source.vdi] [destination.vdi];
   就可以完全克隆一个os，之后new一个os，在选择硬盘那里找到刚clone的destination.vdi作为硬盘即可。我们用这种方法建立3台虚拟机，分别命名为UB01，UB02和UB03，它们的用户名必须一致，这里设置为vbox，为了简单，密码也统一设定为vbox。进行到这里，可以用ifconfig查看三台虚拟机的ip地址，正常的话它们的ip各不相同，且相互之间可以ping通，到这里就完成了第一步。

2. 安装配置ssh
   仅仅能ping通还是不够的，为了完成分布式计算系统，需要三台机器相互之间可以无密码访问（或者是master可以无密码访问2个slave）。首先在三台虚拟机上安装ssh-openserver
   sudo apt-get install ssh rsync
   完成后，在个人目录/home/vbox/下新建.ssh文件夹，在.ssh中执行
   ssh-keygen -t rsa
   系统会问你一些配置，由于是初次实验，不需要这些内容，点回车继续下去即可。完成后会在.ssh/下生成id_rsa和id_isa.pub两个文件，三台机器做同样处理。忘了一件事，需要配置三台机器的别名，这样就不用通过ip互访了，打开/etc/hosts，清空里面的内容，写入
   127.0.0.1 localhost localhost.localdomain localhost
   192.168.56.101 UB01 UB01.localdomain UB01
   192.168.56.102 UB02
   192.168.56.103 UB03
   对于UB01按如上书写，对于UB02如下，UB03则可一并推出(这里的每一个ip地址都应该是ifconfig后看到的，因机而异）
   127.0.0.1 localhost localhost.localdomain localhost
   192.168.56.101 UB01
   192.168.56.102 UB02 UB02.localdomain UB02
   192.168.56.103 UB03
   设置完别名，可以相互ping一下看看是否生效，这里ping的对象就不是ip地址而是别名了。接下来把它们的密钥相互交换，如在UB01中执行
   scp ~/.ssh/id_isa.pub vbox@UB02:/home/vbox/.ssh/id_isa.pub.UB01
   scp ~/.ssh/id_isa.pub vbox@UB03:/home/vbox/.ssh/id_isa.pub.UB01
   这样做的目的是把UB01的密钥交给UB02和UB03，对UB02和UB03做同样处理，完成后每一个机器的/.ssh/中应该有3个密钥，一个是自己的，另两个是别人的，把自己的密钥连同别人的两个密钥加到授权密钥中（对UB01）
   cat id_isa.pub >> authorized_keys;
   cat id_isa.pub.UB02 >> authorized_keys;
   cat id_isa.pub.UB03 >> authorized_keys;
   对其它两台机器做同样处理。接下来检验相互之间是否可以通过ssh实现无密码访问，在终端输入（对UB01）
   ssh UB02;
   ssh UB03;
   访问成功会现实欢迎信息，初次访问需要yes，之后就可以不直接访问了。

3. 安装jdk
   在ubuntu系统中安装jdk的方法我只简述一下，有困难者请google之，网络上资源多多。首先下载对应版本的jdk，下载完成后把.bin包移动到个人目录/home/vbox/，执行
   chmod u+x jdk-a.b.c.bin;
   sudo -s ./jdk-a.b.c.bin;
   等待安装完成，会在当前路径生成jdk目录，接下来设置环境变量，在/etc/profile/中添加JAVA_HOME、JRE_HOME、CLASSPATH和PATH的值，reboot后在Terminal输入java -version会看到版本信息，证明安装成功。
   为了备忘，环境变量的配置还是写在下边吧
   JAVA_HOME=/home/vbox/jdk1.6.0_25
   export JRE_HOME=$JAVA_HOME/jre
   export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
   expoet PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH

4. 安装hadoop
   将下载到的hadoop-0.20.2.tar.gz移动到个人目录/home/vbox/，执行安装操作
   tar -xzvf hadoop-0.20.2.tar.gz
   会在当前路径生成hadoop文件夹，接着修改文件夹所有者
   chown vbox:vbox hadoop-0.20.2
   随后把hadoop的环境变量加入到/etc/profile中，添加如下内容
   export HADOOP_HOME=/home/vbox/hadoop-0.20.2
   export PATH=$HADOOP_HOME/bin:$PATH
   接下来需要修改hadoop/conf/目录下的配置文件，共有6个文件需要修改，分别是masters、slaves、core-site.xml、mapred-site.xml、hdfs-site.xml、hadoop-env.sh，修改如下
   文件masters
   UB01
   文件slaves
   UB02
   UB03
   文件core-site.xml
   
   
   hadoop.tmp.dir
   /home/vbox/tmp
   As you like
   
   
   
   
   fs.default.name
   hdfs://UB01:9000
   
   
   文件mapred-site.xml
   
   
   mapred.job.tracker
   UB01:9001
   
   
   文件hdfs-site.xml
   
   
   dfs.replication
   1
   
   
   文件hadoop-env.sh在末尾添加
   export JAVA_HOME=/home/vbox/jdk1.6.0_25
   说明几个地方，以上几个文件中具体的版本号、路径与ip地址要根据各自虚拟机信息区别配置，不要把我的ip抄到你的文件里，没用的。注意hdfs-site.xml中设定为1的value是最小节点数，之前为3，会出现2个slave运行不能的情况，以上配置信息对UB01、UB02和UB03完全一致。

5. 执行wordcount例程
   进入/home/vbox/hadoop/目录，格式化文件系统并启动所有服务
   hadoop namenode -format;
   start-all.sh
   编写输入文件，建立input输入并将文件写入input
   echo “It is such a boring thing” > input_test_01;
   echo “But I like it” > input_test_02;
   hadoop fs -mkdir input;
   hadoop fs －copyFormatLocal input_test_0* input;
   执行wordcount并察看计数结果
   hadoop jar hadoop-0.20.2-examples.jar wordcount input output;
   hadoop fs -cat output/part-r-00000;
   会在Terminal中看到如下wordcount信息
   5 1
   Damn! 1
   NAT 1
   ...
   注意，在第一次执行wordcount后，input和output文件依旧存在，若再次执行wordcount会出现无法响应的错误，需要通过以下的命令删除input与output，系统才会正常工作。使用xxxxxx命令关闭防火墙。
   hadoop dfs -rmr input output

6. 观察运行结果，有三种方式
   通过web方式 http://UB01:50070
   通过java方式Terminal输入jps
   监测HDFS方式 Terminal输入hadoop dfsadmin -report

• 过程截图
  略

• 常用hadoop命令
  hadoop namenode -format 格式化节点
  start-all.sh 开启所有服务
  hadoop dfsadmin -report 察看报告
  hadoop fs -mkdire input 新建输入目录
  hadoop fs -ls/ 列出文件系统
  hadoopfs -put conf input 将conf目录put到input目录
  hadoop fs -rmr output 删除output目录
  hadoop jar hadoop-0.20.2-examples.jar wordcount input output 运行wordcount
  hadoop fs -get ouput /home/output 拷贝到本地
  home/cat otuput/* 显示
  hadoop fs -copyToLocal input /home/vbox 拷贝，同fs -get

• Some tips

Q：datanode个数为0或者小于预设值

A：删除各个/home/vbox/tmp文件夹

Q：将各个节点的id_rsa.pub相互追加后无法实现ssh无密码互访

A：先搞二个互访，再一个一个加上去

Q：3台ubuntu11.04的虚拟机慢死了
A：换成10.04