Hadoop集群搭建

为了跟上时代步伐，附上新版本hadoop 2.5.2的安装教程链接

http://blog.csdn.net/shubingzhuoxue/article/details/49718095

在这个教程中需要注意几点：

1、对于/etc/profile环境变量配置完成后，/etc/environment环境变量也是需要配置的。

2、对于创建的~/dfs/data和~/dfs/name和~/tmp这些目录，在配置文件中不能这么写，因为配置文件是不识别~符号的，因此需要写出全局的路径，代替~。例如写成/home/root/dfs/name

下面介绍的事hadoop0.20.203版本的安装介绍

一. 搭建环境前的准备：

我的本机Ubuntu 12.04 32bit作为maser，就是上篇hadoop单机版环境搭建时用的那台机子，

还在KVM中虚拟了4台机子，分别起名为：

son-1         (ubuntu 12.04 32bit)，

son-2         (ubuntu 12.04 32bit)，

son-3         (centOS 6.2 32bit)，

son-4         (redhat 6.0 32bit).

kvm的搭建详见：http://www.db89.org/post/2012-05-25/kvmxuniji

kvm的桥接设置详见：http://www.db89.org/post/2012-05-27/kvmnetset

Ubuntu12.04搭建hadoop单机版环境详见：http://www.db89.org/post/2012-06-03/hadoopdanjihuanjing

下来修改本机的host文件，

sudo gedit /etc/hosts

在后面添加内容为：

192.168.200.150 master 192.168.200.151 son-1 192.168.200.152 son-2 192.168.200.153 son-3 192.168.200.154 son-4

现在开始我们的打建之旅吧。

二 . 为本机(master)和子节点(son..)分别创建hadoop用户和用户组，其实ubuntu和centos下创建用户还多少还是有点区别的。

ubuntu下创建：

先创建hadoop用户组：

sudo addgroup hadoop

然后创建hadoop用户：

sudo adduser -ingroup hadoop hadoop

centos 和 redhat 下创建：

sudo adduser hadoop

注：在centos 和 redhat下直接创建用户就行，会自动生成相关的用户组和相关文件，而ubuntu下直接创建用户，创建的用户没有家目录。

给hadoop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hadoop用户赋予root用户同样的权限。

在root   ALL=(ALL:ALL)   ALL下添加hadoop   ALL=(ALL:ALL)  ALL，

hadoop  ALL=(ALL:ALL) ALL

三. 为本机(master)和子节点(son..)安装JDK环境。

ubuntu下一条命令即可：

sudo apt-get install openjdk-6-jre

centos和redhat建议下载源码安装。

详见：http://www.db89.org/post/2012-07-02/centosjava

四. 修改 本机(master)和子节点(son..)机器名

打开/etc/hostname文件；

sudo gedit /etc/hostname

分别修改为：master   son-1   son-2   son-3  son-4。这样有利于管理和记忆！

五. 本机(master)和子节点(son..)安装ssh服务

主要为ubuntu安装，cents和redhat系统自带。

ubuntu下：

sudo apt-get install ssh openssh-server

这时假设您已经安装好了ssh，您就可以进行第六步了哦~

六. 先为建立ssh无密码登录环境

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 - hadoop

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

七. 为本机mater安装hadoop

我们采用的hadoop版本是：hadoop-0.20.203（http://www.apache.org/dyn/closer.cgi/hadoop/common/  ），因为该版本比较稳定。

1. 假设hadoop-0.20.203.tar.gz在桌面，将它复制到安装目录 /usr/local/下；

sudo cp hadoop-0.20.203.0rc1.tar.gz /usr/local/

2. 解压hadoop-0.20.203.tar.gz；

cd /usr/local sudo tar -zxf hadoop-0.20.203.0rc1.tar.gz

3. 将解压出的文件夹改名为hadoop；

sudo mv hadoop-0.20.203.0 hadoop

4. 将该hadoop文件夹的属主用户设为hadoop，

sudo chown -R hadoop:hadoop hadoop

5. 打开hadoop/conf/hadoop-env.sh文件；

sudo gedit hadoop/conf/hadoop-env.sh

6. 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

7. 打开conf/core-site.xml文件；

sudo gedit hadoop/conf/core-site.xml

编辑如下：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
  <name>fs.default.name</name>
  <value>hdfs://master:9000</value>
 </property>
</configuration>

8. 打开conf/mapred-site.xml文件；

sudo gedit hadoop/conf/mapred-site.xml

编辑如下：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
    <configuration>
     <property>
      <name>mapred.job.tracker</name>
      <value>master:9001</value>
     </property>
    </configuration>

9. 打开conf/hdfs-site.xml文件；

sudo gedit hadoop/conf/hdfs-site.xml

编辑如下：

<configuration>
<property>
<name>dfs.name.dir</name>
<value>/usr/local/hadoop/datalog1,/usr/local/hadoop/datalog2</value>
</property>
<property>
<name>dfs.data.dir</name>
<value>/usr/local/hadoop/data1,/usr/local/hadoop/data2</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
</configuration>

10. 打开conf/masters文件，添加作为secondarynamenode的主机名，这里需填写 master 就Ok了。

sudo gedit hadoop/conf/masters

11. 打开conf/slaves文件，添加作为slave的主机名，一行一个。

sudo gedit hadoop/conf/slaves

这里填成下列的内容 ：

son-1
son-2
son-3
son-4

八. 要将master机器上的文件一一复制到datanode机器上(son-1，son-2，son-3，son-4都要复制)：（这里以son-1为例子）

1. 公钥的复制

scp ~/.ssh/id_rsa.pub hadoop@son-1:~/.ssh/

2. hosts文件的复制

scp /etc/hosts hadoop@son-1:/etc/hosts

注：这里如果不能复制，就先将文件复制到/home/hadoop下面，即为：

/home/hadoophadoop@son-1: scp /etc/hosts

再在datanode机器上将其移到相同的路径下面/etc/hosts .

3. hadoop文件夹的复制，其中的配置也就一起复制过来了！

scp -r /usr/local/hadoop hadoop@son-1:/usr/local

如果不能移动的话和上面的方法一样！

并且要将所有节点的hadoop的目录的权限进行如下的修改：

sudo chown -R hadoop:hadoop hadoop

这些东西都复制完了之后，datanode机器还要将复制过来的公钥追加到收信任列表：

在每个子节点的自己种都要操作。

cat ~/.ssh/id_rsa.pub >>  ~/.ssh/authorized_keys

还有很重要的一点，子节点datanode机器要把复制过来的hadoop里面的data1,data2和logs删除掉!

还有要修改centos节点（son-3）和redhat节点（son-4）的java的环境变量地址，

配置centos节点（son-3）和redhat节点（son-4）的/usr/local/hadoop/conf/hadoop-env.sh（找到#export JAVA_HOME=...,去掉#，然后加上本机jdk的路径）;这个环境不一，自己配置一下。

这样环境已经基本搭建好了，现在开始测试一下。

九. 这样之后基本上就差不多了，首先进入master的hadoop目录。

cd /usr/local/hadoop

首先可以做一下负载平衡，我担心这个加上会有点乱，但是没有这部分不影响运行，想了解的给我留言！

启动datanode和tasktracker:

bin/start-dfs.sh
bin/hadoop-daemon.sh start datanode
bin/hadoop-daemon.sh start tasktracker

启动全部服务直接一条命令：

bin/start-all.sh

查看自己的datanode是否启动.

jps

当jps不能正常使用的时候：

resource /etc/profile

连接时可以在namenode上查看连接情况：

bin/hadoop dfsadmin -report

        上面这个是转载他人的博客，我的Hadoop集群就是看这个博客完成的，失败了一次，第二次就直接成功了。

         可能还有很多其他的相关文档，但是只有这篇算是把我带向成功的，在此很感谢作者。