Centos6.4 +Hadoop 1.2.1集群配置

Centos6.4 +Hadoop1.2.1集群配置

一．简述：

Hadoop是一种分布式系统基础架构，由Apache基金会开发。用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力高速运算和存储。Hadoop 1.2.1版本下载地址：http://apache.dataguru.cn/hadoop/common/hadoop-1.2.1/

本文章配置的是完全分布模式。

hadoop 三种运行模式：

单机模式：无需任何守护进程，所有程序在单JVM上执行

伪分布模式：守护进程运行在本地机器上。

完全分布模式：守护进程运行在一个集群上。

二、准备安装环境

本机： windows8.1企业版X64，上面装有VMware vSphere Client。

测试服务器：公司一台DELL PowerEdgeT110测试服务器（上面安装有VMwareVsphere Esxi5.1）,在Esxi上面虚拟了3个centos6.4。

JDK： jdk1.7.0_45

集群：一个master，两个slave，主机名称分别是node1,node2,node3.

机器名	IP	作用
Node1	192.168.1.191	NameNode,JobTraker
Node2	192.168.1.192	DataNode,TaskTraker
Node3	192.168.1.193	DataNode,TaskTraker

三 .安装

1.修改主机名称并设置hosts

设置主机名：Hostname node1（三台主机上分别设置）

修改hosts：Vim/etc/hosts,写入下列内容（三台主机都要设置）

192.168.1.191 node1

192.168.1.192 node2

192.168.1.193 node3

然后保证互ping可以通。

2.清除防火墙规则和临时关闭selinux。

为了测试方便，建议把防火墙规则清除，以及临时关闭selinx。

防火墙设置：

保存规则：iptables-save>iptables-script

清除规则：iptables �CF

临时关闭selinux :

使用命令setenforce 0

3.安装JDK

1.）下载JDK. 打开http://java.sun.com/javase/downloads/index.jsp

2.）mkdir -p /usr/local/java/

tar -zxvf jdk-7u45-linux-x64.tar.gz

mv jdk1.7.0_45 /usr/local/java

3.）修改/etc/profile,添加如下内容

JAVA_HOME=/usr/local/java/jdk1.7.0_45

JRE_HOME=$JAVA_HOME/jre

CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools/jar

PATH=$PATH:$HOME/bin:$JAVA_HOME:$JRE_HOME:$CLASSPATH:$JAVA_HOME/bin:/home/hadoop/hadoop-1.2.1/bin

export PATH

4.）使配置生效

source /etc/profile

4.添加用户.

在root权限下使用以下命令添加hadoop用户，在三个虚拟机上都添加这个用户

useradd hadoop

将下载到的hadoop-1.2.1.tar文件放到/home/hadoop/目录下解压，然后修改解压后的文件夹的权限，命令如下：

Tar -zxvf hadoop-1.2.1.tar

Chown -R hadoop:hadoop hadoop-1.2.1

5.配置SSH无密码登录

在Hadoop启动以后，Namenode是通过SSH（Secure Shell）来启动和停止各个datanode上的各种守护进程的，这就须要在节点之间执行指令的时候是不须要输入密码的形式，故我们须要配置SSH运用无密码公钥认证的形式。

以本文中的三台机器为例，现在node1是主节点，他须要连接node2和node3。须要确定每台机器上都安装了ssh，并且datanode机器上sshd服务已经启动。

[hadoop@node1 ~]$ ssh-keygen -t rsa

这个命令将为hadoop上的用户hadoop生成其密钥对，询问其保存路径时直接回车采用默认路径，当提示要为生成的密钥输入passphrase的时候，直接回车，也就是将其设定为空密码。生成的密钥对id_rsa，id_rsa.pub，默认存储在/home/hadoop/.ssh目录下然后将id_rsa.pub的内容复制到每个机器(也包括本机)的/home/hadoop/.ssh/authorized_keys文件中，如果机器上已经有authorized_keys这个文件了，就在文件末尾加上id_rsa.pub中的内容，如果没有authorized_keys这个文件，直接复制过去就行

下面是具体的过程：

1.)生成密钥对

su hadoop切换hadoop用户

cd /home/hadoop

ssh-keygen -t rsa

在/home/hadoop目录下会生成一个隐藏的.ssh目录。

ll -a

2.) 生成authorized_keys文件并测试

进入.ssh文件夹，然后将id_rsa.pub复制到authorized_keys文件，

命令如下：

cd .ssh

cp id_rsa.pub authorized_keys #生成authorized_keys文件

ssh localhost #测试无密码登陆，第一可能需要密码

ssh node1 #同上一个命令一样

注：在三台主机上都要执行上述命令。

3．）在node1、node2和node3上互换公钥。

在node2和node3执行以下命令

scp authorized_keys hadoop@node1:/tmp

#复制authorized_keys到node1的tmp目录中去

cat /tmp/authorized_keys>>/home/hadoop/.ssh/authorized_keys

#把公钥追加到文件后面。

现在node1上的authorized文件已经包含了三台主机的公钥。

最后把node1上的authorized_keys,再复制回node2和node3上。

scp /home/hadoop/.ssh/authorized_key root@node2:/home/hadoop/.ssh

4.）设置文件权限并测试。

chmod 644 authorized_keys 此步非常重要，如果权限不对，则无密码访问不成功。

测试三台主机之间无密码互访，搞定。

6.安装hadoop

将当前用户切换到hadoop用户,如果集群内机器的环境完全一样，可以在一台机器上配置好，然后把配置好的软件即hadoop-0.20.203整个文件夹拷贝到其他机器的相同位置即可。 可以将Master上的Hadoop通过scp拷贝到每一个Slave相同的目录下，同时根据每一个Slave的Java_HOME 的不同修改其hadoop-env.sh 。

6.1）配置conf/hadoop-env.sh文件

切换到hadoop-1.2.1/conf目录下，添加JAVA_HOME路径

6.2）配置/conf/core-site.xml

fs.default.name是NameNode的URI。hdfs://主机名:端口/

hadoop.tmp.dir ：Hadoop的默认临时路径，这个最好配置，如果在新增节点或者其他情况下莫名其妙的DataNode启动不了，就删除此文件中的tmp目录即可。不过如果删除了NameNode机器的此目录，那么就需要重新执行NameNode格式化的命令。

6.3）配置/conf/mapred-site.xml

mapred.job.tracker是JobTracker的主机（或者IP）和端口。主机:端口。其中/home/hadoop/hadoop_home/var目录需要提前创建，并且注意用chown -R 命令来修改目录权限

6.4）配置/conf/hdfs-site.xml

dfs.name.dir是NameNode持久存储名字空间及事务日志的本地文件系统路径。 当这个值是一个逗号分割的目录列表时，nametable数据将会被复制到所有目录中做冗余备份。

dfs.replication是数据需要备份的数量，默认是3，如果此数大于集群的机器数会出错。

此处的name1和data1等目录不能提前创建，如果提前创建会出问题。

6.5）配置master和slaves主从节点

配置conf/masters和conf/slaves来设置主从结点，注意最好使用主机名，并且保证机器之间通过主机名可以互相访问，每个主机名一行。

vi masters：

输入：

node1

vi slaves：

输入：

node2

node3

配置结束，把配置好的hadoop文件夹拷贝到另外两台主机中，并且保证上面的配置对于其他机器而言正确，

scp -r /home/hadoop/hadoop-1.2.1 root@node2:/home/hadoop/

#输入node2的root密码即可传输，如果java安装路径不一样，需要修改conf/hadoop-env.sh

四、Hadoop启动与测试

1、）格式化一个新的分布式文件系统

hadoop namenode -format #格式化文件系统

如下图（我的hadoop已经使用，不想重新格式化选择了No）

2、）启动所有节点

/home/hadoop/hadoop-1.2.1/bin/start-all.sh

3、）查看集群的状态：

hadoop dfsadmin -report

4、）Hadoop测试

浏览NameNode和JobTracker的网络接口，它们的地址默认为：

NameNode - http://192.168.1.191:50070/

JobTracker - http://192.168.1.191:50030/

要想检查守护进程是否正在运行，可以使用 jps 命令（这是用于JVM 进程的ps 实用程序）。这个命令列出 5 个守护进程及其进程标识符。

将输入文件拷贝到分布式文件系统：

1. bin/hadoop fs -mkdir input #创建input目录

2. bin/hadoop fs -put conf/core-site.xml input #拷贝文件到input目录

3. bin/hadoop jar hadoop-examples-1.2.1.jar grep input output 'dfs[a-z]' #使用Hadoop运行示例

到此为止，hadoop已经配置完成

五、Hadoop一些常用的操作命令

1、hdfs常用操作：

hadoop dfs -ls 列出HDFS下的文件

hadoop dfs -ls input 列出HDFS下某个文档中的文件

hadoop dfs -put 1.txt input/2.txt 上传文件到指定目录并且重新命名，只有所有的DataNode都接收完数据才算成功

hadoop dfs -get input/1.txt test.txt 从HDFS获取文件并且重新命名为test.txt，同put一样可操作文件也可操作目录

hadoop dfs -rmr out 删除指定文件从HDFS上

hadoop dfs -cat in/* 查看HDFS上in目录的内容

hadoop dfsadmin -report 查看HDFS的基本统计信息，结果如下

hadoop dfsadmin -safemode leave 退出安全模式

hadoop dfsadmin -safemode enter 进入安全模式

2、负载均衡

start-balancer.sh，可以使DataNode节点上选择策略重新平衡DataNode上的数据块的分布。

六．遇到的问题。

1） 执行jps时，找不到此命令。

答：这是由于jdk的环境没有配置好。

2）SSH无密码访问配置好之后，还是让输入密码？

答：文件权限问题。执行chmod 644 authorized_keys