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

sudochmodu+xjdk-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：sudogedit/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

sudotar-xzfhadoop-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：sudoaddgrouphadoop

在hadoop用户组下面建立一个hadoop用户名：

sudoadduser-ingrouphadoophadoop

    (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：sudogedit/etc/sudoers

在rootALL=(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：sudogeditconf/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)

sudogedit/etc/hosts

添加之后是这样：

127.0.0.1localhost

127.0.0.1ubuntu.ubuntu-domainubuntu

192.168.1.11master

192.168.1.7s7

192.168.1.2s2

192.168.1.3s3

192.168.1.4s4

192.168.1.6s6

192.168.1.5s5

192.168.1.8s8

192.168.1.9s9

   192.168.1.10 secondaryname

   # The following lines

   are desirable for IPv6 capable hosts

::1ip6-localhostip6-loopback

fe00::0ip6-localnet

ff00::0ip6-mcastprefix

ff02::1ip6-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

sudogeditconf/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

sudogeditconf/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>

sudogeditconf/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/sshreload

  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>

Specifiesthemaximumbandwidththateachdatanodecanutilizeforthebalancingpurposeintermofthenumberofbytespersecond.

</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/hostshadoop@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/hadoophadoop@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.shstartdatanode

bin/hadoop-daemon.shstarttasktracker

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：

sudochgrp-Rhadoophadoop

   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/hadoopdfsadmin-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！