Hadoop自学笔记（五）配置分布式Hadoop环境

上一课讲了怎样在一台机器上建立Hadoop环境。我们仅仅配置了一个NHName Node, 这个Name Node里面包括了我们全部Hadoop的东西。包括Name Node, Secondary Name Node, Job Tracker, Task Tracker，这一课解说怎样把上述配置放到不同机器上。从而构建一个分布式的hadoop配置。

1. hadoop分布式安装概览

a) 2-10个nodes:Name Node, Job Tracker, Secondary Name Node都能够放在一台机器上，全部的Data Node和Task Tracker放在其它机器上

b) 10-40个nodes: 能够把Secondary Name Node分开来

c) 100+ nodes: 全部的Node和Trackers都分开放。而且加入rack awareness支持，同一时候须要各类优化设置。

本课的流程：

配置好ssh到全部的机器上。使其能够免输入password连接（如同上一课所述）

配置好masters和slaves

配置好全部的*-site文件

学习使用命令来启动。控制和关闭Hadoop（经常使用脚本说明例如以下图）。

2. 配置Hadoop到2-10个节点上

这个图非常帅。我们在HN Client机器上来控制全部的Hadoop机器。每一个机器给一个窗体（下图已经通过ssh链接到每台机器了，链接方式见上一课）。

第一步：取消全部机器上面的sshpassword訪问

ssh-copy-id -i $HOME/.ssh/id-rsa.pub nuggetuser@HNData1

把这个文件复制到全部的HNData和Secondary Name Node上面。这样就能够无password登陆了。

第二步：配置Master和Slaves

全部的配置文件都在/usr/local/hadoop/conf目录以下

配置好masters来指向Secondary Name Node， 然后配置slaves文件指向全部的HNData Node

Master文件默认的是localhost

用不论什么编辑器打开masters文件。删除localhost, 输入HN2ndName (就是你Secondary Name Node 的名称)

相同。编辑slaves文件，把全部的HNData Node名称输入

第三步：配置全部的Data Node，让它们指向Name Node。全部的Task Tracker指向Job Tracker

通过core-site.xml配置前者，通过mapred-site.xml配置后者

在HNData Node配置core-site.xml例如以下（由于我们是直接把上次的机器配置拷贝进来的。所以能够发现这个文件已经配置过了，例如以下：）

配置mapred-site.xml例如以下：

上面的配置应该已经是这样了，只是不妨检查好每个Data Node中的配置是不是这样

第四步：又一次格式化Name Node

hadoop namenode -format

第五步：配置完毕了，能够试着看看是否能启动

start-dfs.sh 这个命令启动全部的Name Nodes和Data Nodes，能够使用jps命令来查看是否成功启动了。

start-mapred.sh 这个命令启动全部的Job Trackers和Task Trackers。 相同使用jps来检測是否启动了，假设没有成功，能够去看看logs文件

3. 启动和关闭Hadoop各部分的命令

假设要删除一个node。能够建立一个excludes文件，在里面输入你不想要的node名称，比方HNData3.

然后配置HN Name Node中core-site.xml例如以下（在最后加入一个property）

相同能够建立一个includes文件来指定包括哪些节点

配置完毕后，启用配置：

hadoop dfsadmin -refreshNodes

我们能够在hnname:50070上面看到被排除的Node

执行rebalancer命令

start-balancer.sh

关闭Job Tracker。 Task Tracker：

stop-mapred.sh

关闭Name Node, Data Nodes:

stop-dfs.sh

假设要同一时候启动HNName Node, Data Node, Job Tracker, Task Tracker,则直接输入：

start-all.sh