64位linux下支持lzo的Hadoop 2.2.0分布式集群配置细节摘要

        初学者搭建Hadoop环境容易陷入细节漩涡中，并不是说细节不重要，在程序世界中，细节恰恰是决定成败的关键。然而，如果能在深入细节之前对整体有全面、逻辑性的认识，那么遇到细节时也能准确定位自己所处位置，知道如何退、如何进。

        搭建Hadoop总的来说分为以下步骤：

1. 检查集群机子环境，准备合适的Hadoop部署文件，一般有以下内容：

1. 检查Java安装（一般不用自带的openJDK，具体原因暂不清楚）；

2. 自编译Hadoop 64位部署文件（32bit Hadoop部署文件在x64机子上会有些小问题）

3. 分布式环境下对机子进行整理，罗列其ip（更改/ect/hosts文件需要），划分其Master、Slaver职责（也可以划分更细的ResourceManager、SecondNameNode等，一般来说每个机子都充分利用，均充当DataNode）

4. “规划”Hadoop文件夹结构，包括安装目录、数据文件（hadoop_data）、临时文件（hadoop_tmp）等；一般来说，建议一个hadoop x.x.0目录下，分别设立hadoop x.x.0目录（解压的Hadoop部署文件存放位置）、hadoop-data（数据文件）、hadoop_tmp（临时文件）；当然这是笔者自己的实践，如果不是“行业标准”，请勿见笑；
   

2. 配置运行环境，这里指的是除Hadoop部署文件中配置文件之外的与系统相关的配置：

1. 修改/etc/hosts文件；

2. 对各Master-Slaver设置ssh无密码访问；

3. 配置Hadoop参数：

1. 对{Hadoop_Home}/etc/hadoop/下的配置文件进行修改，包括hadoop-env.sh、yarn-env.sh、core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml，以及slaves文件（hadoop 2.2.0中无masters，参考 masters 和 slaves 文件）。

2. 初次安装，参数尽量最小化配置，少配就行，之后集群优化的工作多得是；

4. 配置支持lzo（这次正是太拘泥于细节，栽在了这个上面，其实分两个步骤）：
   

1. 安装lzo（因为集群需要原生lzo安装目录下的一些库）；

2. 安装hadoop-lzo（集群需要一些针对Hadoop的hadoop-lzo下的一些库）；

3. lzop（可选，如果需要测试效果，可用该工具生成一些.lzo文件）
   

5. 启动集群：

1. 格式化NameNode：${Hadoop_Home}/bin/hdfs namenode –format

2. 一键式启动：${Hadoop_Home}/sbin/start-all.sh（该方法官方不建议使用，但还是能用：This script is Deprecated. Instead use start-dfs.sh and start-yarn.sh）

3. 检查进程状况： jps（来自JDK的工具）

4. 细化步骤：
   

1. 开启守护进程

1. [hadoop@hadoop01 ~]$ hadoop-daemon.sh start namenode

2. [hadoop@hadoop01 ~]$ hadoop-daemon.sh start datanode

2. 开启yarn守护进程

1. [hadoop@hadoop01 ~]$ yarn-daemon.sh start resourcemanager

2. [hadoop@hadoop01 ~]$ yarn-daemon.sh start nodemanager

3. [hadoop@hadoop01 ~]$ start-yarn.sh

        粗略的步骤正是如此，博文是粗制，接下来一两天会继续更新。

        对于细节（整体脉络清晰了，对其中步骤不解时就可以参考对比多篇博文），附上不错的几篇参考文章：单节点hadoop2.2.0 安装、Hadoop 2.2.0 (YARN)搭建笔记、lzo安装说明。

        整理这些步骤是为了让自己能对整个过程有个全局性的认识，不仅仅是针对Hadoop这个集群，也是提醒自己在日后的漫长时刻中，如果被诸多繁杂的细节缠住了，不妨抬起头来看看整体，这样会清爽许多。（当然，这对自己来说很难，遇到一个细节，总是非弄清楚再去做别的事情不可；既然这样的话，事后总结也是很有必要的。）

如果文章对你有用，请在收藏之余“顶/赞”一下以示鼓励吧 (/ω＼)