HDFS安装
1.系统环境
安装java（大于1.6版本）
安装ssh和rsync，并且启动ssh服务
下载hadoop包，用编译后的包,地址：http://www.apache.org/dyn/closer.cgi/hadoop/common/
环境说明：
Linux发行版：centos6.5(64位，hadoop新版的只提供了64位包)
Hadoop版本：2.5.1
Java版本：1.7.0.67
设置了3个虚拟机，host为namenode(192.168.59.103)，datanode1(192.168.59.104)和datanode2(192.168.59.105)
2.配置SSH
1.生成ssh key（namenode机器和datanode机器都是需要进行下面配置）
$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa $ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys $ chmod 644 authorized_keys #该步骤在centos需要，在ubuntu是可以不用的
2.通过下面命令，如果可以直接登陆，说明免密码登录已经设置成功。
$ ssh localhost
3.在2台datanode机器同样生成自动登陆的ssh key，并将namenode的id_dsa.pub到datanode1和datanode2的.ssh的目录下面
# 在namenode的机器，根目录下面的.ssh $ scp id_dsa.pub hadoop@datanode1:~/.ssh/id_dsa.pub.namenode $ scp id_dsa.pub hadoop@datanode2:~/.ssh/id_dsa.pub.namenode # 在datanode1和datanode2的.ssh目录下面 $ cat id_dsa.pub.namenode >> authorized_keys
4.验证是否能通过ssh无密码登录到dataname1和datanode2，出现标红的说明配置成功。
[hadoop@namenode .ssh]$ ssh datanode1 Last login: Sun Nov 30 11:03:52 2014 from 192.168.59.103 [hadoop@datanode1 ~]$ exit logout Connection to datanode1 closed. [hadoop@namenode .ssh]$ ssh datanode2 Last login: Sun Nov 30 11:03:15 2014 from localhost.localdomain [hadoop@datanode2 ~]$ exit logout Connection to datanode2 closed.
3.配置基础环境变量
分别在namenode，datanode1和datanode2根目录下面的.bash_profile配置下面内容：
# java环境变量 export JAVA_HOME=/home/hadoop/local/jdk export PATH=$JAVA_HOME/bin:$PATH export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar # hadoop环境变量 export HADOOP_DEV_HOME=/home/hadoop/local/hadoop export PATH=$PATH:$HADOOP_DEV_HOME/bin export PATH=$PATH:$HADOOP_DEV_HOME/sbin export HADOOP_MAPARED_HOME=${HADOOP_DEV_HOME} export HADOOP_COMMON_HOME=${HADOOP_DEV_HOME} export HADOOP_HDFS_HOME=${HADOOP_DEV_HOME} export YARN_HOME=${HADOOP_DEV_HOME} export HADOOP_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoop export HDFS_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoop export YARN_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoop export CLASSPATH=.:$JAVA_HOME/lib:$HADOOP_HOME/lib:$CLASSPATH export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
配置完成之后，需要重新登陆来加载环境变量(或者通过source ~/.bash_profile);通过下面的命令可以查看环境变量是否配置正常。
[hadoop@namenode ~]$ java -version java version "1.7.0_67" Java(TM) SE Runtime Environment (build 1.7.0_67-b01) Java HotSpot(TM) 64-Bit Server VM (build 24.65-b04, mixed mode) [hadoop@namenode ~]$ hadoop Usage: hadoop [--config confdir] COMMAND where COMMAND is one of: fs run a generic filesystem user client version print the version jar <jar> run a jar file checknative [-a|-h] check native hadoop and compression libraries availability distcp <srcurl> <desturl> copy file or directories recursively archive -archiveName NAME -p <parent path> <src>* <dest> create a hadoop archive classpath prints the class path needed to get the Hadoop jar and the required libraries daemonlog get/set the log level for each daemon or CLASSNAME run the class named CLASSNAME Most commands print help when invoked w/o parameters.
4.配置hadoop
在namenode配置完成之后直接scp到其他datanode即可，这样可以保证机器配置的一致性。
$ cd ~/local/hadoop/etc/hadoop
所有的配置文件都在这里。
打开hadoop-env.sh，配置jdk环境变量：
# 将export JAVA_HOME=${JAVA_HOME}替换为 export JAVA_HOME=/home/hadoop/local/jdk
配置yarn-env.sh:
# export JAVA_HOME=/home/y/libexec/jdk1.6.0/ 去掉注释，并且替换为下面内容 export JAVA_HOME=/home/hadoop/local/jdk
配置slave文件（hdfs的datanode机器配置）：
[hadoop@namenode hadoop]$ cat slaves namenode datanode1 datanode2
配置core-site.xml（hadoop的核心策略配置文件）
[hadoop@namenode hadoop]$ cat core-site.xml <?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <property> <name>fs.default.name</name> <value>hdfs://namenode:9000</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/home/hadoop/hadoop/tmp</value> <description>A base for other temporary directories.</description> </property> </configuration>
配置hdfs-site.xml（hdfs的策略配置文件）：
<configuration> <property> <name>dfs.namenode.secondary.http-address</name> <value>namenode:9001</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>file:/home/hadoop/hadoop/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:/home/hadoop/hadoop/data</value> </property> <property> <name>dfs.replication</name> <value>2</value> <description>storage copy number</description> </property> <property> <name>dfs.webhdfs.enabled</name> <value>true</value> </property> </configuration>
到此，整个hdfs的分布式文件系统就配置完成，把上面的hadoop-env.sh,yarn-env.sh,core-site.xml,hdfs-site.xml同步到datanode的机器上面。
5.启动服务
通过下面命令进行操作
[hadoop@namenode hadoop]$ cd /home/hadoop/local/hadoop [hadoop@namenode hadoop]$ bin/hdfs namenode -format [hadoop@namenode hadoop]$ sbin/start-dfs.sh
第二个命令是为格式化整个hdfs的namenode节点，格式化之后会在配置的hadoop的name下面出现下面目录结构
[hadoop@namenode hadoop]$ tree name name ├── current │ ├── edits_inprogress_0000000000000000001 │ ├── fsimage_0000000000000000000 │ ├── fsimage_0000000000000000000.md5 │ ├── seen_txid │ └── VERSION └── in_use.lock
在这个目录中，有2个重要的文件：fsimage和edits。
其中fsimage镜像文件包含了整个HDFS文件系统的所有目录和文件的indoe信息。对于文件来说包括了数据块描述信息、修改时间、访问时间等；对于目录来说包括修改时间、访问权限控制信息(目录所属用户，所在组等)等。
另外，edit文件主要是在NameNode已经启动情况下对HDFS进行的各种更新操作进行记录，HDFS客户端执行所有的写操作都会被记录到edit文件中。
启动dfs之后，从我们配置的data目录可以看见下面目录结果
[hadoop@namenode hadoop]$ tree data data ├── current │ ├── BP-441758184-192.168.59.103-1417330891399 │ │ ├── current │ │ │ ├── finalized │ │ │ ├── rbw │ │ │ └── VERSION │ │ ├── dncp_block_verification.log.curr │ │ └── tmp │ └── VERSION └── in_use.lock
执行put命令之后，可以看到一个文件在data中是如何存储的。如下：
$ hadoop fs -put etc/hadoop/core-site.xml /data/input [hadoop@namenode hadoop]$ tree data data ├── current │ ├── BP-441758184-192.168.59.103-1417330891399 │ │ ├── current │ │ │ ├── finalized │ │ │ │ ├── blk_1073741827 │ │ │ │ └── blk_1073741827_1003.meta │ │ │ ├── rbw │ │ │ │ ├── blk_1073741825 │ │ │ │ ├── blk_1073741825_1001.meta │ │ │ │ ├── blk_1073741826 │ │ │ │ └── blk_1073741826_1002.meta │ │ │ └── VERSION │ │ ├── dncp_block_verification.log.curr │ │ ├── dncp_block_verification.log.prev │ │ └── tmp │ └── VERSION └── in_use.lock
Finalized：完成状态
Rbw（Replica Being Written to）: 等待写入状态