VirtualBox下安装3台Ubuntu虚拟机,并搭建Hadoop

 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。
 
环境:
 
主机:Ubuntu 11.04
 
VirtualBox版本:4.0.6 r71344
 
Ubuntu虚拟机版本:Ubuntu 11.04
 
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
 
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。
 
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。
 
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
 
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。
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
 
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
 
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Ubuntu 11.04的虚拟机慢死了
A:换成10.04

你可能感兴趣的:(hadoop,ubuntu,虚拟机,input,terminal,output)