hadoop学习笔记之一步一步部署hadoop分布式集群

一、准备工作

• 同一个局域网中的三台linux虚拟机，我用的是redhat6.4,如果主机是windows操作系统，可以先安装vmware workstation, 然后在workstation中装上3台虚拟机，这样就形成了一个以物理机为DNS服务器的局域网，物理机和虚拟机都有一个局域网IP，互相之间可以通信。
• 因为hadoop是一个java开发者写的开源软件，所以你懂得，肯定用的是java语言编写的，所以要装jdk，当然还有一些perl语言写的东西，所以也要装perl,因为是个集群，所以互相之间要连接通信，需要安装ssh
• 如果用的是redhat，还需要关闭火墙，因为火墙会导致虚拟机之间无法连接，即关闭iptables,ip6tables,selinux,并设置开机不自启动
• 本次试验搭建的环境为：

node1:192.168.141.130 matser/namenode

　　　  node2:192.168.141.131 slave/datanode

　　　　node3:192.168.141.132 slave/datanode

二、配置hosts

首先在所有节点上（node1,node2,node3）上面编辑:vi /etc/hosts，添加如下内容：

192.168.141.130   node1

192.168.141.131   node2

192.168.141.132   node3

这样，在设置相应的IP时就可以用其解析名称代替，如需要写192.168.141.130：9000时，就可以直接写node1:9000,不仅书写方便，而且可以加快解析IP的速度，使集群运行更加流畅，但是不配置该项也不会影响集群正常工作。

三、jdk安装

• 去jdk官网http://www.oracle.com/technetwork/cn/java/javase/downloads/index-jsp-138363-zhs.html，根据自己操作系统32还是64位下载一个jdk,我下载的是jdk-8u11-linux-i586.gz
• 解压jdk-8u11-linux-i586.gz：

   tar zxf jdk-8u11-linux-i586.gz

  然后会看到出现了一个目录：jdk1.8.0_11

• 为了书写方便，去掉版本信息，并将之移动到/usr/local/目录下：

   mv  jdk1..0_11  jdk
   mv jdk /usr/local/ 

• 修改环境变量：vi /etc/profile,在文件末尾添加信息，然后退出保存：

• 执行source /etc/profile，使修改的文件生效
• 然后执行java -version,如果能显示如下版本信息，则安装成功：

注意：有可能执行该命令时会报错，那是因为在64位系统上运行了32位的jdk, 这时候只需执行安装命令：yum install glibc.i686 -y即可 glibc.i686是一个32位运行库。

每台虚拟机都要装！

四、ssh无密码连接

• 首先我们新添加一个用户专门用来管理运行hadoop,我新建了一个名为grid的用户,然后自己设定该用户密码

• su - grid切换到grid用户
• ssh-keygen生成公钥和私钥，一直回车默认就是了：

• 执行如下命令，可以看到生成的key,然后将公钥复制成authorized_keys:

• 然后在每一个节点上（虚拟机）执行上述所有步骤，这样就有了3个authorized_keys文件，我们把3个authorized_keys文件的内容复制到一起，形成一个authorized_keys，并用这个总的authorized_keys替换各个节点上原来的authorized_keys文件。
• 验证一下是否成，就是在任一节点上，用ssh连接其他任何节点，如果不出现提示让你输密码，而是直接连上，则表示成功。

五、hadoop安装

终于到正菜了，呼呼！

• 去hadoop.apache.org下载一个稳定的版本即可，这里以hadoop-1.2.1.tar.gz为例
• 解压，去掉名字中的版本信息，移至/usr/local（具体移至什么地方可以自随意，就是自己别忘了就好）

• cd /usr/local/hadoop/conf/ 转到hadoop配置目录下
• vi hadoop-env.sh,添加如下信息，告诉hadoop jdk的安装路径，然后保存退出：

• vi core-site.xml,写入如下信息，要注意，自己要在/home/grid/hadoop/ 目录下手动建立tmp目录，如没有配置hadoop.tmp.dir参数，此时系统默认的临时目录为：/tmp/hadoop-dfs。而这个目录在每次重启后都会被删掉，必须重新执行format才行，否则会出错，hdfs后面的ip号就是名称节点的ip,即namenode的ip,端口号默认9000,不用改动。

• vi hdfs-site.xml,设置数据备份数目，这里我们有有一个namenode，两个datanode，所以备份数目设置为2：

• vi mapreduce-site.xml,设置map-reduce的作业跟踪器（job tracker）所在节点，这里我们同样将其放置在node1(192.168.141.130)上，端口号9001：

• vi master，指定namenode所在节点，直接把节点名写进去：

　　node1

　　退出保存

　　注意，倘若没有像配置过/etc/hosts,这里就要直接写IP：192.168.141.130

• vi slave,指定datanode所在节点：

　　node2

　　node3

　　退出保存

　　同样注意，倘若没有像配置过/etc/hosts,这里就要直接写IP：

　　192.168.141.131

　　192.168.141.132

• 配置完毕，拷贝配置好的hadoop目录到指定位置（可以自定义，但是最好统一一个自己好记住的位置）：

• 在node1上切换到grid, cd /home/grid/hadoop/,然后执行文件系统格式化：bin/hadoop namenode -format,如果没有任何warning,error,fatal等并且最后出现，format successfully字样，则格式化成。
• 启动hadoop:

• 检查是否启动成功，如果名称节点namenode(node1)有如下所示：

并且数据节点（node2,node3）有如下所示：

，则启动成功！

六、集群测试

• 在node1上的，grid用户下，cd /home/grid/,建立一个目录mkdir input,然后进入目录input:cd input/,执行如下两条命令：

　　echo "hello world" > test1.txt

　　echo "hello hadoop" > test2.txt

• 将上述input目录下的文件上传到dfs文件系统,cd /home/grid/hadoop/,作如下操作：

• 查看是否上传成功：

　　上传成功，表示文件系统可以正常工作！

• 检查map-reduce功能是否正常，用hadoop包里面自带的单词统计jar包统计我们刚才上传的文件中不同单词的个数，看看是否正确：

• 执行完毕后查看结果：

　　可以看出统计单词数与我们上传的文件时一致的，说明map-reduce可以正常工作！

• 至此，我们可以自信我们的hadoop已经完全部署好了！

七、总结

对于第一次玩hadoop的读者来说，在安装的过程中，必定会出现，这样或者那样的问题，但是，我们要抱着一个解决问题的心，学习过程本就是在错误中成长，我自己在安装过程中也出现了不少问题，如datanode无法启动。或者那么namenode无法启动等等一系列问题，千万不要烦躁而放弃，自己慢慢在网上查资料还是可以解决的，最重要是细心，要学会根据系统的报错，检查配置文件是否写错，初学者都不怎么会看日志，但是要迈出这一步，硬着头皮看，当通过看日志解决了某个bug时，那种进步的愉悦感是很爽的，最后希望大家都犯点错，一次就配置成功不一定是好事，最后热烈欢迎大家给我留言，我们一起交流，学习！

2014-08-15