ubuntu搭建hadoop

搭建hadoop也有一段时间了，真是太没有效率了，小小的记录一下。

我的OS是ubuntu11.04，hadoop版本是0.20.203.0，jdk是1.6.0_33。

一共3台电脑：

ip                               作用

172.16.95.50           namenode，jobtracker

172.16.95.51           datanode1，tasktracker

172.16.95.52           datanode2，tasktracker

3台电脑通过交换机组成局域网，保证能相互ping通，当然，之前用虚拟机按照同样的做法也成功了，只是要注意VM虚拟机网络连接要用桥接方式，如果是虚拟机，完全可以配置好一台后复制或者克隆～

步入主题：

1.修改hosts


sudo gedit /etc/hosts

当然也可以使用vi，nano等任何你喜欢的编辑器。

修改为：

127.0.0.1	localhost
172.16.95.50	namenode
172.16.95.51	datanode1
172.16.95.52    datanode2

2.修改hostname（如何需要的话）

sudo gedit /etc/hostname
改成相应的主机名，172.16.95.50 的改为namenode，两外两台分别改为datanode1和datanode2.

3.3台主机建立相同的用户，我这里是ubuntu，分组名也是ubuntu。本身我是没有通过创建过程的，因为我在安装系统时就是用的同样的用户名ubuntu，这里提供创建用户和用户组的方式：
先创建ubuntu用户组：

sudo addgroup ubuntu

然后创建ubuntu用户：

sudo adduser -ingroup ubuntu ubuntu
给ubuntu用户添加权限，打开/etc/sudoers文件：

sudo gedit /etc/sudoers

按回车键后就会打开/etc/sudoers文件了，给ubuntu用户赋予root用户同样的权限。
在root   ALL=(ALL:ALL)   ALL下添加ubuntu   ALL=(ALL:ALL)  ALL，

ubuntu  ALL=(ALL:ALL) ALL

4.安装jdk

两种方法，一种是自己下载jdk安装包，然后手动安装，配置环境变量，第二种是用ubuntu强大的apt-get install搞定，自选。

方法一：

我这里是自己下载的jdk的bin文件，然后

         （1）把jdk安装文件拷贝到/home/ubuntu目录下，然后安装

cp jdk-6u33-linux-i586.bin /home/ubuntu

cd/home/ubuntu

chmodu+x chmod（赋予可执行权限）

./jdk-6u33-linux-i586.bin（安装）

（2）安装已完成修改环境变量并且把java安装到系统

修改/etc/environment如下

PATH="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/home/ubuntu/jdk1.6.0_33/bin:/home/ubuntu/jdk1.6.0_33/jre/bin"
CLASSPATH=.:/home/ubuntu/jdk1.6.0_33/lib:/home/ubuntu/jdk1.6.0_33/jre/lib
JAVA_HOEM=/home/ubuntu/jdk1.6.0_33

方法二：

ubuntu下一条命令即可：

sudo apt-get install openjdk-6-jre



查看Java版本确定已经安装到系统：

java-version

如果看到版本说明安装成功。

5.安装ssh

使用命令

sudo apt-get install ssh openssh-server

或者

sudo apt-get install ssh

6.配置ssh，无密码登录

做这一步之前首先建议所有的机子全部转换为hadoop用户，以防出现权限问题的干扰。

切换的命令为：

su -ubuntu

ssh生成密钥有rsa和dsa两种生成方式，默认情况下采用rsa方式。

1. 创建ssh-key，，这里我们采用rsa方式

ssh -keygen -t rsa -P ""

（注：回车后会在~/.ssh/下生成两个文件：id_rsa和id_rsa.pub这两个文件是成对出现的）

2. 进入~/.ssh/目录下，将id_rsa.pub追加到authorized_keys授权文件中，开始是没有authorized_keys文件的;

cd ~/. ssh

cat id_rsa.pub >> authorized_keys

7.为namenode安装hadoop（很多步骤可以用图形界面操作，如果喜欢用命令行，这里也提供些命令）
（1）首先下载hadoop，一般会下载到/home/ubuntu/下载里面，进入/home/ubuntu/将其复制到/home/ubuntu/hadoop下，我之前在/home/ubuntu新建了一个hadoop文件夹，并且在hadoop文件夹下建立tmp文件夹，以后用到。


sudo cp hadoop-0.20.203.0rc1. tar .gz /home/ubuntu/hadoop
解压hadoop-0.20.203.tar.gz；


cd /home/ubuntu/hadoop
sudo tar -zxvf hadoop-0.20.203.0rc1. tar .gz

将该hadoop文件夹的属主用户设为ubuntu，

sudo chown -R ubuntu:ubuntu hadoop-0.20.203.0 （2）修改hadoop的hadoop-env.sh文件 配置conf/hadoop-env.sh（找到#export JAVA_HOME=...,去掉#，然后加上本机jdk的路径）;

export JAVA_HOME=/usr/lib/jvm/java-6-openjdk（这里是用ubuntu自动安装的路径，如果是手动安装的，选择自己的jdk安装路径，我的是
export JAVA_HOME=/home/ubuntu/jdk1.6.0_33
（3）配置core-site.xml文件

<?xml version="1.0"?>
<?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/ubuntu/hadoop/tmp</value>
</property>
</configuration>

（4）配置mapred-site.xml文件

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
<property>
  <name>mapred.job.tracker</name>
  <value>namenode:9001</value>
</property>
<property>
  <name>mapred.local.dir</name>
 <value>/home/ubuntu/hadoop/tmp</value>
</property>
</configuration>

（5）配置hdfs-site.xml文件

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>
<property>
<name>dfs.name.dir</name>
<value>/home/ubuntu/hadoop/name1, /home/ubuntu/hadoop/name2</value>
<description>  </description>
</property>
<property>
<name>dfs.data.dir</name>
<value>/home/ubuntu/hadoop/data1, /home/ubuntu/hadoop/data2</value>
<description> </description>
</property>
<property>
  <name>dfs.replication</name>
  <value>2</value>
</property>
</configuration>

（注意tmp文件夹已经建立，这里的name1，name2，data1，data2不要建立，格式化的时候自动生成）
（6）打开conf/masters文件，添加作为secondarynamenode的主机名，这里需填写 ubuntu 就Ok了

（7）打开conf/slaves文件，添加作为slave的主机名，一行一个。

8.将namenode上的文件传到两个datanode上
(1)公钥的复制

scp /home/ubuntu/. ssh /id_rsa .pub ubuntu@datanode1:/home/ubuntu/. ssh /


scp /home/ubuntu/. ssh /id_rsa .pub ubuntu@datanode2:/home/ubuntu/. ssh /

在每个子节点的自己种都要操作

cat /home/ubuntu/ . ssh /id_rsa .pub >>  /home/ubuntu/. ssh /authorized_keys

在namenode使用ssh登录datanode，看看是不是可以不是用密码登录，如果可以，就说明ssh配置成功。如果不成功，看看第二次是否可以，如果还不行，可能就是配置或者网络出错了。

(2)hadoop文件夹的复制，其中的配置也就一起复制过来了

scp -r /home/ubuntu/hadoop ubuntu@datanode1 : /home/ubuntu

scp -r /home/ubuntu/hadoop ubuntu@datanode2 : /home/ubuntu

复制过来后，基本不用改变，注意hadoop中关于java的安装路径的配置，确保一样。

9.启动hadoop
（1）首先格式化，进入hadoop目录
cd /home/ubuntu/hadoop/hadoop-0.20.203.0
执行：bin/hadoop namenode -format
这时会在hadoop目录下建造name1，在 hadoop-0.20.203.0目录下建立一个没有名称的目录。
（2）启动hadoop：bin/start-all.sh
显示如下：

starting namenode, logging to /home/ubuntu/hadoop/hadoop-0.20.203.0/bin/../logs/hadoop-ubuntu-namenode-namenode.out
datanode2: starting datanode, logging to /home/ubuntu/hadoop/hadoop-0.20.203.0/bin/../logs/hadoop-ubuntu-datanode-datanode2.out
datanode1: starting datanode, logging to /home/ubuntu/hadoop/hadoop-0.20.203.0/bin/../logs/hadoop-ubuntu-datanode-datanode1.out
namenode: starting secondarynamenode, logging to /home/ubuntu/hadoop/hadoop-0.20.203.0/bin/../logs/hadoop-ubuntu-secondarynamenode-namenode.out
starting jobtracker, logging to /home/ubuntu/hadoop/hadoop-0.20.203.0/bin/../logs/hadoop-ubuntu-jobtracker-namenode.out
datanode1: starting tasktracker, logging to /home/ubuntu/hadoop/hadoop-0.20.203.0/bin/../logs/hadoop-ubuntu-tasktracker-datanode1.out
datanode2: starting tasktracker, logging to /home/ubuntu/hadoop/hadoop-0.20.203.0/bin/../logs/hadoop-ubuntu-tasktracker-datanode2.out

namenode输入：jps

9393 NameNode
9670 JobTracker
9592 SecondaryNameNode
9779 Jps

在datanode输入jps会显示有Datanode和Tasktracker.
说明启动正常。
（3）停止：
bin/stop-all.sh
显示如下：

stopping jobtracker
datanode1: stopping tasktracker
datanode2: stopping tasktracker
stopping namenode
datanode1: stopping datanode
datanode2: stopping datanode
namenode: stopping secondarynamenode

这样，hadoop的搭建暂告结束。
如果有什么错误，请指出讨论。

参考文章http://www.db89.org/post/2012-06-05/hadoopjiqunhuanjing