Hadoop伪分布模式的安装
【环境参数】
(1)Host OS：Win7 64bit
(2)IDE：Eclipse Version: Luna Service Release 2 (4.4.2)
(3)虚拟机：VMware 10
(4)Client OS：CentOS 6.4 32bit。
注意：
若是CentOS 64bit，则在启动hadoop时，会报出警告。
原因：Hadoop的本地库($HADOOP_HOME/lib/native/libhadoop.so.1.0.0)是在32 bit平台编译的，只支持32bit，并不支持64bit的，因此，若在64bit的CentOS上启动就会报出警告，如下所示。
|
INFO namenode.NameNode: createNameNode [-format] Java HotSpot(TM) Server VM warning: You have loaded library /home/hadoop/app/hadoop-2.4.1/lib/native/libhadoop.so.1.0.0 which might have disabled stack guard. The VM will try to fix the stack guard now. It‘s highly recommended that you fix the library with ‘execstack -c <libfile>‘, or link it with ‘-z noexecstack‘. WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable |
(5)JDK版本：jdk-7u55-linux-i586.tar
(6)Hadoop Version：hadoop-2.4.1
(7)Hadoop集群配置参数
本集群共三个节点，一个是Namenode节点，剩余两个为Datanode节点。
7.1)Namenode节点参数
IP：192.168.234.8
主机名：namenode01
7.2)第一个DataNode节点参数
IP：192.168.234.11
主机名：datanode01
7.3)第二个DataNode节点参数
IP：192.168.234.12
主机名：datanode02
(8)本机在NAT连接(VMnet8)方式下，对应虚拟网络中的IP地址：192.168.234.1
【步骤描述】
0、安装步骤简述
Hadoop的伪分布式安装主要概括为以下步骤：
Linux环境的配置(IP, 主机名,hosts映射)，安装配置JDK，安装配置hadoop，配置SSH面登陆等。
1、准备Linux环境（root用户操作）
1.1修改适配器设置
点击VMware快捷方式，右键打开文件所在位置 -> 双击vmnetcfg.exe -> VMnet1 host-only ->修改subnet ip 设置网段：192.168.234.255 子网掩码：255.255.255.0 -> apply -> ok
回到windows --> 打开网络和共享中心 -> 更改适配器设置 -> 右键VMnet8（NAT连接方式） -> 属性 -> 双击IPv4 -> 设置windows的IP：192.168.234.1 子网掩码：255.255.255.0 -> 点击确定
在虚拟软件上 --My Computer -> 选中虚拟机 -> 右键 -> settings -> network adapter -> host only -> ok
1.2关闭防火墙
查看防火墙状态
# service iptables status
关闭防火墙
# service iptables stop
查看防火墙开机启动状态
# chkconfig iptables --list
关闭防火墙开机启动
# chkconfig iptables off
1.3修改IP、主机名和hosts文件
1.3.1修改IP
两种方式：
第一种：通过Linux图形界面进行修改（强烈推荐）
进入Linux图形界面 -> 右键点击右上方的两个小电脑 -> 点击Edit connections -> 选中当前网络System eth0 -> 点击edit按钮 -> 选择IPv4 -> method选择为manual -> 点击add按钮 -> 添加IP：192.168.1.101 子网掩码：255.255.255.0 网关：192.168.1.1 -> apply
第二种：修改配置文件方式（屌丝程序猿专用）
vim /etc/sysconfig/network-scripts/ifcfg-eth0
DEVICE="eth0"
BOOTPROTO="static" ###
HWADDR="00:0C:29:3C:BF:E7"
IPV6INIT="yes"
NM_CONTROLLED="yes"
ONBOOT="yes"
TYPE="Ethernet"
UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"
IPADDR="192.168.234.8" ###
NETMASK="255.255.255.0" ###
GATEWAY="192.168.234.255" ###
1.3.2修改主机名
(1)编辑/etc/sysconfig/network文件
# vim /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=namenode01 ###
(2)使用hostname
# hostname namenode01
(3)重新登录使得新主机名生效
# logout
注意：修改datanode01和datanode02的节点的主机名也是这个步骤。
1.3.3修改主机名和IP的映射关系
编辑/etc/hosts文件。
# vim /etc/hosts
192.168.234.8 namenode01 （Namenode的IP地址与域名的映射）
192.168.234.11 datanode01 （第一个Datanode的IP地址与域名的映射）
192.168.234.12 datanode02 （第二个Datanode的IP地址与域名的映射）
1.4创建hadoop用户、用户组以及赋予权限
(1)创建用户和组
创建hadoop用户组hadoopGroup
# groupadd hadoopGroup
创建hadoop用户，并为其指定用户组，用户家目录
# useradd hadoop -g hadoopGroup -d /home/hadoop
(2)为hadoop用户赋予sudo权限
编辑“/etc/sudoers”文件，添加相关命令。
|
Allow root to run any commands anywhere root ALL=(ALL) ALL hadoop ALL=(ALL) ALL |
1.4重启Linux
# shutdown -h now
2、安装JDK
2.1在【SecureSRT】中，按下“alt+p”后出现sftp窗口，然后put d:\xxx\yy\ll\jdk-7u_65-i585.tar.gz
2.2解压jdk
创建文件夹
# mkdir /home/hadoop/app
解压
# tar -zxvf jdk-7u55-linux-i586.tar.gz -C /home/hadoop/app
2.3将java添加到环境变量中
# vim /etc/profile
在文件最后添加
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_55
export PATH=$PATH:$JAVA_HOME/bin
刷新配置
# source /etc/profile
3、安装hadoop2.4.1（hadoop用户操作）
注意01：在安装之前，要确保每台机器上都安装了JDK，配置了环境变量等。
注意02：将用户切换到hadoop用户。
注意03：hadoop2.x的配置文件$HADOOP_HOME/etc/hadoop伪分布式安装需要修改5个配置文件。
3.1配置hadoop（仅仅在单一节点配置，hadoop-server01）
第一个：hadoop-env.sh
vim hadoop-env.sh
#第27行
export JAVA_HOME=/usr/java/jdk1.7.0_65
注意：原来的配置为“export JAVA_HOME=${ JAVA_HOME }” ，是灵活的，在此要将其写死，因为原配置中，Hadoop可能会无法识别JAVA_HOME这个环境变量。
第二个：core-site.xml
core-site.xml
该文件中配置了Hadoop运行时的一些“公共的参数”。
|
<configuration> <!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址 --> <property> <name>fs.defaultFS</name> <!-- 配置namenode --> <value>hdfs://namenode01:9000</value> </property> <!-- 指定hadoop运行时产生文件的存储目录 --> <property> <name>hadoop.tmp.dir</name> <value>/home/hadoop/app/hadoop-2.4.1/tmp</value> </property> </configuration> |
解释1：
“hdfs://namenode01:9000”是一个URI，就像mysql的URI一样“jdbc:mysql://host:3306/db?if..”。
其中：
“hdfs://”和“jdbc:mysql://”这两个开头都是一个“Schema”，“hdfs://”是Hadoop的协议。
解释2：
“hdfs://namenode01:9000”，Schema后边的部分为“namenode的地址（或者域名、主机名）和端口号”。
namenode01：为Namenode节点主机的主机名。
解释3：
“hadoop.tmp.dir”为hadoop的工作目录。Hadoop运行过程中产生的中间目录都放置在该文件夹下。
具体的参数配置，请参考：
http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-common/core-default.xml
第三个：hdfs-site.xml
|
<!-- 指定HDFS副本的数量 --> <property> <name>dfs.replication</name> <value>1</value> </property> |
hdfs-site.xml：具体规定hadoop工作的一些细节。
dfs.replication：指定HDFS副本的数量。
第四个：mapred-site.xml (mv mapred-site.xml.template mapred-site.xml)
$ mv mapred-site.xml.template mapred-site.xml
$ vim mapred-site.xml
|
<!-- 指定mr运行在yarn上 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> |
第五个：yarn-site.xml
|
<!-- 指定YARN的老大（ResourceManager）的地址 --> <property> <name>yarn.resourcemanager.hostname</name> <value>namenode01</value> </property> <!-- reducer获取数据的方式 --> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> |
解释：
(1) “yarn.nodemanager.aux-services”：规定一些“从节点”的行为。
第六个：配置” etc/hadoop/slave”文件
作用：决定Hadoop在启动时，是否自动去启动从节点“datanode”。
$ vim slaves
输入下列内容
namenode01
datanode01
datanode02
(1)将从节点“datanode”的信息写入到该文件中。
因为上边五个xml文件配置的都是namenode，或者yarn或者resourceManager等相关的信息，并没有配置与“从节点datanode”相关的信息，因此，在slaves中需要配置相关从节点的信息。
(2) 该文件不是必须配置的。
若配置该文件，则在Hadoop启动的时候，可以Hadoop会自动启动“从节点datanode”，若没有配置，则可以通过手工的形式启动“从节点”。
3.2将hadoop添加到环境变量
# vim /etc/proflie
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_55
export HADOOP_HOME=/home/hadoop/app/hadoop-2.4.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
# source /etc/profile
3.3远程拷贝：将已经配置完的单一节点的Hadoop配置拷贝到另外两台节点中
(1)已配置好的节点：
namenode01
(2)未配置的节点：
datanode01
datanode02
(3)目标：
将“namenode01”节点中已经配置好的Hadoop文件（/home/hadoop/app/hadoop-2.4.1）拷贝到节点“datanode01”和节点“datanode02”所对应的目录下。
(4)命令
[[email protected] namenode01 app]$ pwd
/home/hadoop/app/hadoop-2.4.1
[[email protected] namenode01 app]$ ls
hadoop-2.4.1
[[email protected] namenode01 hadoop]$
scp -r hadoop-2.4.1/ [email protected]:/home/hadoop/app
命令解析：
①scp：“Secure Copy”，一般用于“远程拷贝”。
②“[email protected] datanode01”：表示拷贝到“datanode01”这台主机中的“hadoop用户”下目录“/home/hadoop/app”中去。
若没有“hadoop”这个字符串，则表示将文件拷贝到其他节点上的与“当前执行命令的用户名”相同的那个用户目录下。
拷贝之前注意：
注意01：在执行远程拷贝之前，在远程机器上，必须确保已经完成了初步的环境配置：
配置完IP，hostname，IP与域名的映射文件，hadoop用户和用户组，hadoop用户密码等，hadoop用户主目录的权限。
注意02：若主拷贝方节点与目标拷贝方节点上的两个用户之间的权限不一样，则无法完成系统拷贝。。
注意03：若另一台节点中没有“app”目录，则要先创建该目录，再执行远程拷贝。
3.4格式化namenode（是对namenode进行初始化）
切换到目录：$HADOOP_HOME/bin中，使用其中的命令“hdfs”。
注意：在使用能够分布式文件系统（即启动hadoop）之前，一定能够要先格式化。
# hdfs namenode -format
若出现下述命令，则说明hadoop文件系统的格式化已经成功了。
|
15/03/20 13:07:38 INFO common.Storage: Storage directory /app/ha doop-2.4.1/tmp/dfs/name has been successfully formatted. 15/03/20 13:07:39 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0 15/03/20 13:07:39 INFO util.ExitUtil: Exiting with status 0 15/03/20 13:07:39 INFO namenode.NameNode: SHUTDOWN_MSG: /************************************************************ SHUTDOWN_MSG: Shutting down NameNode at namenode01/192.168.234.8 ************************************************************/ |
所谓格式化也就是在用户自己创建的“$HADOOP/tmp”目录下，写入一些初始的元数据文件。格式化完毕后，会在$HADOOP_HOME/tmp/current目录下，生成HDFS的相关数据文件，如下所示。
|
[[email protected] current]$ pwd /home/hadoop/app/hadoop-2.4.1/tmp/dfs/name/current [[email protected] current]$ ls edits_0000000000000000001-0000000000000000002 edits_0000000000000000003-0000000000000000005 fsimage_0000000000000000018 fsimage_0000000000000000018.md5 fsimage_0000000000000000020 fsimage_0000000000000000020.md5 seen_txid VERSION |
3.5启动hadoop
注意：在使用能够分布式文件系统之前，一定能够要先格式化。
先启动HDFS
sbin/start-dfs.sh
再启动YARN
sbin/start-yarn.sh
或者也可以通过如下Web界面来确认HDFS是否启动成功：
若没有启动“start-dfs.sh”，则该界面是不能够成功启动的。
http://192.168.234.8:50070 （HDFS管理界面，显示NameNode信息）
http:// 192.168.234.8:8088 （MR管理界面）
3.6验证是否启动成功
使用jps命令验证
27408 NameNode
28218 Jps
27643 SecondaryNameNode
28066 NodeManager
27803 ResourceManager （这个进程代表YARN，是一个分布式的资源管理系统）
27512 DataNode
4、配置ssh免登陆
生成ssh免登陆密钥
进入到我的home目录
cd ~/.ssh
ssh-keygen -t rsa （四个回车）
执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
将公钥拷贝到要免密登陆的目标机器上。
ssh-copy-id localhos