hadoop集群环境的配置

  之前说过，我们的hadoop集群已经搭建起来了，只是具体的步骤还没来得及整理，幸好今天又把流程走了一遍，真的是不做不晓得，一做才发现自己原来什么都忘记得差不多了，在此记录一下搭建hadoop集群的步骤，便于需要的时候看看！

  这个配环境的过程真的是比较困难的，我今天搞了一天终于把自己的机器作为datanode连接上了master机器，我还是年前搞过一遍的呢，所以这个还是需要耐心+细心的！

  这里首先声明一下，我之前在我的机器上配置过了hadoop的单机伪分布环境，今天才将我的机器作为一个datanode加入到hadoop集群上的，但是装的ubuntu的版本和jdk的位置跟集群上的都不一样，这说明这个不影响hadoop集群的配置，但是，jdk的版本号和hadoop的版本号以及hadoop装的位置都必须是一样的！下面我们就开始吧！

 

 一、资源的准备：

 （1）ubuntu-11.10-beta2-desktop-i386.iso ，ubuntu的安装，直接双击下载的这个东西就行了，真的就像装软件一样！

 （2）jdk-6u30-linux-i586.bin，安装jdk要用的，一个hadoop集群上只能用一个版本的jdk，我们用的是这个版本。

 （3）hadoop-0.20.203.0rc1.tar.gz，安装hadoop集群必备的！

 

 二、jdk的安装（这里的路径可以自己确定，不一定要和集群上的一样）
    我的是放在/home/acer下面的（acer是我电脑的用户名）

    1.将刚才准备的jdk放到这个目录下（这一步不是必要的）

     sudo cp jdk以前的路径 jdk现在的路径
 
    2.解压执行安装jdk（这里会涉及到权限的问题）

      先修改jdk文件的权限
      sudo chmod u+x jdk-6u30-linux-i586.bin
      再执行安装
      sudo ./jdk-6u30-linux-i586.bin
      第二步完成之后就会在/home/acer/目录下出现一个jdk1.6.0_30的文件夹
 
   3.配置环境变量
    编辑配置文件：sudo gedit /etc/profile
 
    在这个文件最后面添加这么几行：

    export JAVA_HOME=/home/acer/jdk1.6.0_30

    export JRE_HOME=/home/acer/jdk1.6.0_30/jre 
    export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

    export PATH=$JAVA_HOME/bin:$PATH
 

  4.重启机器，查看jdk是否安装成功以及版本号
    在终端输入：java

    如果出来一系列目录东东就是正确了
    在终端输入：java -version

    可以查看jdk的版本号
    如果木有安装成功，可能就是配置问题了，慢慢看，细心点就应该没有问题了！

 

 三、安装hadoop（主要针对master机器）
  只要在master机器上安装hadoop就行了，其他机器上的hadoop都可以直接通过连接远程服务器的方式进行复制，这样就方便多了！

 

  1.将刚才准备的 hadoop-0.20.203.0rc1.tar.gz文件复制到/usr/local文件目录下面：
    sudo cp hadoop压缩包路径 /usr/local

  2.解压hadoop软件包
    sudo tar -xzf  hadoop-0.20.203.0rc1.tar.gz
   为了以后写目录方便，将解压出来的文件修改名字为hadoop：
   sudo mv hadoop-0.20.203.0 hadoop

  3.为hadoop集群中的每一个节点都创建一个hadoop的用户组和hadoop用户名，这样便于记忆以及管理
    建立hadoop用户组：sudo addgroup hadoop
    在hadoop用户组下面建立一个hadoop用户名：
    sudo adduser -ingroup hadoop hadoop
    (这里创建hadoop用户的时候很多信息你不用去添，一直按enter键就行了)

   

  4.添加hadoop用户的权限
    打开sudoers文件：sudo gedit /etc/sudoers
    在root ALL=(ALL:ALL) ALL后面加上一行：
    hadoop ALL = (ALL) ALL

    创建了hadoop用户了之后我们以后就都在这个下面进行终端的操作了！

 

 5.配置conf/hadoop-env.sh文件;
   切换路径：cd /usr/local/hadoop
   编辑文件：sudo gedit conf/hadoop-env.sh
   将JAVA_HOME前面的#号去掉，java路径改为：
   JAVA_HOME=/home/acer/jdk1.6.0_30
 6.配置hosts文件(建立映射关系，用户名和ip一一对应着添加进来)
   sudo gedit /etc/hosts
   添加之后是这样：
   127.0.0.1   localhost
   127.0.0.1   ubuntu.ubuntu-domain    ubuntu
   192.168.1.11 master
   192.168.1.7 s7
   192.168.1.2 s2
   192.168.1.3 s3
   192.168.1.4 s4
   192.168.1.6 s6
   192.168.1.5 s5
   192.168.1.8 s8
   192.168.1.9  s9
   192.168.1.10 secondaryname

 

   # The following lines

   are desirable for IPv6 capable hosts
   ::1     ip6-localhost ip6-loopback
   fe00::0 ip6-localnet
   ff00::0 ip6-mcastprefix
   ff02::1 ip6-allnodes
   ff02::2 ip6-

   allrouters

（注：这里可以修改自己主机的名字：sudo gedit /etc/hostname 在这个文件里面修改这个名字就行了）

7.配置master和slaves文件
  cd/usr/local/hadoop
  sudo gedit

  conf/masters 将这个文件的内容改为：master
  sudo gedit conf/slaves 将这个文件改为：
  s2
  s3
  s4
  s5
  s6
  s7
  s8
  s9
(这些就是要加进来的datanode节点的名称，其实这些只要在master机器上配置就行了)

 

8.配置core-site、mapred-site、hdfs-site文件
  sudo gedit conf/core-site.xml
  修改为：
 <configuration>
 <property> 
   <name>fs.default.name</name>  

   <value>hdfs://master:9000</value>  
   </property>  
  </configuration>

 

  sudo gedit conf/mapred-site.xml
  <configuration>
   <property>   
      <name>mapred.job.tracker</name> 
      <value>master:9001</value>  
   </property> 
  </configuration>

  sudo gedit conf/hdfs-site.xml
  <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>

 

 

9.安装SSH

  切换到hadoop用户下或者以hadoop身份登录;

  1、下载ssh：sudo apt-get install openssh-server；

  2、创建sshkey为rsa；ssh-keygen -t rsa -P ""（注意：这里的P是大写的P）
    填写key保存路径的时候可以直接使用默认的（一直按enter键就行了。）

  3、将ssh-key添加到受信任列表并启用ssk-key
    cat /home/hadoop/.ssh/id_rsa.pub >>  /home/hadoop/.ssh/authorized_keys 
   (将公钥追加到收信任文件);
   重启ssh：sudo /etc/init.d/ssh reload 
  4、验证ssh是否

    安装成功ssh localhost;

10.生成公钥
   ssh-keygen -t dsa -P "" -f ~/.ssh/id_ rsa

11.启动namenode
   namenode启动之前做一次 block 负载均衡
    

    sudo gedit  conf/hdfs-site.xml
 
     <property>  
        <name>dfs.balance.bandwidthPerSec</name>      

        <value>10485760</value>  
         <description> 
            Specifies the maximum bandwidth that each datanode can utilize for the balancing purpose in term of the number of bytes per second. 
         </description> 
     </property>   
    

    bin/start-balancer.sh

 

    bin/start-dfs.sh

好了，到这里基本就差不多了，接下来就是远程复制文件了
要将master机器上的文件一一复制到datanode机器上：（这里以s2为例子）

（1）公钥的复制
    scp ~/.ssh/id_rsa.pub hadoop@s2：~/.ssh/

（2）hosts文件的复制
    scp /etc/hosts hadoop@s2:/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：

    scp /etc/hosts hadoop@s2:/home/hadoop,再在datanode机器上将其移到相同的路径下面/usr/local

（3）hadoop文件夹的复制，其中的配置也就一起复制过来了！
    scp /usr/local/hadoop hadoop@s2:/usr/local
    如果不能移动的话和上面的方法一样！
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：

    cat ~/.ssh/id_rsa.pub >>  ~/.ssh/authorized_keys，还有很重要的一点，datanode机器要把复制过来的hadoop里面的data1,data2和logs删除掉!

这样之后基本上就差不多了，启动datanode和tasktracker:
    bin/hadoop-daemon.sh start datanode
    bin/hadoop-daemon.sh start tasktracker 
这里还可能会涉及到权限的问题：这里我们统一将/usr/local/hadoop文件夹里面的东西的所有者改为hadoop，所属组为hadoop：
   sudo chgrp -R hadoop hadoop
   sudo chown -R hadoop:hadoop

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
也可以直接进入网址：master:50070

 

PS:常用到的一些命令：
新建目录（文件夹）
sudo mkdir 文件夹目

录
删除目录（文件夹）
sudo rm -rf 文件夹目录

 

 

这里写得还不是很全面，因为现在对这个东西了解得不是很深入，所以只能暂时这么写着，到时候通过研究，会对其进行一些修改及说明的！