FreeBSD下安装配置Hadoop集群(一)

Hadoop其实本身是Linux下开发的应用，不过得益于虚拟机技术，也可以运行在其他平台。例如FreeBSD。

不过，Linux用的好好的，为什么用FreeBSD呢？

这个问题的回答其实比较复杂，基于几个方面考虑。

一、磁盘IO速度

其实根据我以前的评测，FreeBSD的UFS2写入速度并不如EXT4快，甚至慢很多，但是读取速度明显快于EXT4和EXT3。每读取1G的数据，基本要比EXT4快0.8-1.5秒。Hadoop的HDFS是构建在基本文件系统上的，所以，基本文件系统的读写速度决定了HDFS的读取速度，而HADOOP处理的都是TB级数据，所以，1G感觉不明显，1TB读取就大约快了800-1500秒，相当于快了15-30分钟。HDFS的设计初衷就是一次写入多次读取，所以读取速度越快越好。

二、网络IO速度

FreeBSD是TCP/IP协议的最早实现者，所以，在这个网络数据传输速度和稳定性上，FreeBSD还是要优于Linux的。

三、高度精简系统强壮，稳定和高安全性

FreeBSD的系统在默认安装情况下，是高度精简的，除了内核和常用命令，并没有多余的东西，非常干净和稳定。其稳定性也是久经考验，10年不关机的故事不是神话，据说目前Hotmail还有一部分FreeBSD的服务器。网络安全方面得天独厚，被发现的远程漏洞明显少于Linux。另外，由于UFS2默认采用实时写入的方式，基本不用考虑掉电的数据安全问题。

基于以上几方面考虑，似可认为，FreeBSD更适合大数据的挖掘工作。省时很重要，我们一生有多少分钟可以浪费在盯着屏幕等待map/reduce脚本的执行上呢？

不过，在FreeBSD上安装hadoop也存在一些缺憾，比如，默认的csh不支持执行hadoop脚本，需要自己编译安装bash。因为许可协议问题，FreeBSD对JDK的安装不是很友好，需要自己下载所有的安装包才行，并不能通过ports直接make install。

不过，为了节约生命，这些我都可以忍了。

那么，开始介绍FreeBSD安装Hadoop。

先进入/usr/ports/java/jdk16目录，执行make install，这是一定会报错的。不过我们需要的就是报错信息，根据报错信息提示，我们下载几个安装文件，放到/usr/ports/distfiles下面，大概有5,6个文件。然后我们再返回/usr/ports/java/jdk16下执行make install，等待安装完成。

然后去hadoop.apache.org下载hadoop-0.20.205.0，尽管hadoop发布了0.22，0.23，和1.0。但是我不建议使用，因为目前hadoop的外围诸如Hive，HBase等，对这些新版本支持并不好，所以还是下一个稳定支持的版本比较好。

其实hadoop的安装很简单，就不需要安装，只要找个目录解压缩就可以了。

当然，为了正常使用hadoop，你还需要执行以下步骤

#cd /usr/ports/shells/bash
#make install
#cd /usr/ports/devel/apache-ant
#make install

###添加hadoop用户

#pw user add hadoop
#chsh hadoop

###将/bin/sh改为/usr/local/bin/bash，保存退出

#chown -R hadoop:hadoop /path/to/your/hadoop
#su hadoop
#export JAVA_HOME=/usr/local/jdk16_21
#export HADOOP_HOME=/path/to/your/hadoop

然后执行

注意，现在是hadoop用户，以下事情都要用hadoop用户完成

#cd $HADOOP_HOME
###运行ant，不运行也可以，无所谓了
#ant

编辑$HADOOP_HOME/conf/core-site.xml

#vi $HADOOP_HOME/conf/core-site.xml
删除所有内容，加入以下
<configuration>
         <property>
                 <name>fs.default.name</name>
                 <value>hdfs://localhost:9000</value>
         </property>
</configuration>

#vi $HADOOP_HOME/conf/hdfs-site.xml
删除所有内容，加入以下
<configuration>
         <property>
                 <name>dfs.replication</name>
                 <value>1</value>
         </property>
</configuration>

#vi $HADOOP_HOME/conf/mapred-site.xml
删除所有内容，加入以下
<configuration>
         <property>
                 <name>mapred.job.tracker</name>
                 <value>localhost:9001</value>
         </property>
</configuration>

配置完成，我们可以去启动hadoop试试，现在可以看到，我启动的是单机版伪分布式。网络版和对硬盘的详细配置下节说。

#cd $HADOOP_HOME/bin
#./hadoop namenode -format
#./hadoop_daemon.sh start namenode
#./hadoop_daemon.sh start jobtracker
#./hadoop_daemon.sh start datanode
#./hadoop_daemon.sh start tasktracker

顺利的话，用ps aux可以看到4个java进程，当然，不顺利是大多数情况。

所以要排错。

#cd $HADOOP_HOME/logs/
#ls -la
#cat hadoop-hadoop-namenode-localhost.log

按照顺序，分别检查namenode，jobtracker，datanode，tasktracker的日志文件，以便找出报错。

完成了。很省事，不是吗。

本文出自 “实践检验真理” 博客，转载请与作者联系！