Centos6 hadoop2.6.0安装笔记

系统环境：

linux：Centos6-64bit

hadoop：hadoop2.6.0

jdk：1.6.45

集群方式安装

一台master，3台slave

master 192.168.111.100

slave1  192.168.111.101

slave2  192.168.111.102

slave3  192.168.111.103

0.在每一个节点上建立一个hadoop账户，可以设置密码，也可以不用设置（但，在实际的生成环境中一定要设置）

1.修改各个主机的hostname

#vi /etc/sysconfig/network

ETWORKING=yes
HOSTNAME=master # 对于主节点master修改成master，在其他的slave节点上也要修改成slave1，slave2，slave3等
NTPSERVERARGS=iburst

保存后，继续：

#hostname master

然后执行：

[root@master hadoop]# hostname
master

可以看到主机的名字已经改成master，其他的slave机器也这样操作即可。

2.修改每个节点的/etc/hosts文件：

#vi /etc/hosts
127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6

192.168.111.100 master
192.168.111.101 slave1
192.168.111.102 slave2
192.168.111.103 slave3

3.hadoop集群master需要ssh登陆的方式给slave节点发送控制命令，首先确认Centos系统是否安装ssh，如果没有安装，请自行安装，同时还要保证master能无密码登陆各个slave节点。

（1）修改ssh的配置文件 :

#vi /etc/ssh/sshd_config 

要修改成以下内容：（即打开这些控制）

Port 22
Protocol 2
RSAAuthentication yes  //公约和私钥的方式
PubkeyAuthentication yes
AuthorizedKeysFile      .ssh/authorized_keys

（2）无密码登陆

切换到hadoop用户，

#sudo -iu hadoop

执行如下命令：

#ssh-keygen  -t rsa -P '' -f ~/.ssh/id_rsa

就会在~/.ssh目录下生成：

id_rsa  id_rsa.pub

其中id_rsa.pub 是公约，要把这个公约拷到master要登陆的slave节点的~/.ssh目录下。如下，可以通过scp命令：

scp id_rsa.pub  hadoop@192.168.111.101:~/.ssh/    #拷到slave1节点的~/.ssh目录下

然后进入slave1节点的~/.ssh/目录下，找到id_rsa.pub，执行：

cat id_rsa.pub >> authorized_keys 

还有这个步骤的最后一步，如果不修改相对应的权限，会出现登陆要验证密码的情况，所以：

chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys

此时master可以ssh无密码登陆slave1节点，

ssh slave1 

或者
ssh 192.168.111.101

可以看到直接进入slave1节点，而且不需要输入密码。

note如果你不修改/etc/hosts文件，ssh slave1会出现找不到主机的问题，所以，/etc/hosts文件不要忘记修改。

在其他的slave2，slave3节点安装上述方法重复做一遍即可。

4.在每一台节点上安装jdk，到Oracle下载jdk文件，我的系统安装的是：jdk-6u45-linux-x64.bin

拷到/usr/目录下 执行：

chmod 777 jdk-6u45-linux-x64.bin
./jdk-6u45-linux-x64.bin

可以看到：

在/usr路径下 出现：

/usr/jdk1.6.0_45

然后做一个软连接，

ln -s /usr/jdk1.6.0_45   /usr/jdk

这样以后如果升级的话，修改一下链接就好了，便于升级。

5.安装hadoop，安装路径可以自定义，但是也不要太偏了，我在/usr/local/目录下建了一个hadoop目录，然后把hadoop包拷到/usr/local/hadoop/目录下：

tar zxvf hadoop-2.6.0.tar.gz

在做一个软连接，道理同上。

ln -s /usr/local/hadoop/hadoop-2.6.0   /usr/local/hadoop/hadoop-release

为了保证hadoop用户对hadoop目录的可操作。要修改一下这个目录的用户组和user，命令：

 chown -R hadoop：hadoop /usr/local/hadoop/  # -R 表示递归处理每一个目录下的文件

现在开始修改环境变量，这样就可以在任何地方都可以使用相对应的java和hadoo命令：我们这里在/etc/profile文件中修改：

export JAVA_HOME=/usr/jdk  #java环境变量
export HADOOP_HOME=/usr/local/hadoop/hadoop-release  #hadoop环境变量
export   PATH=$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin:$PATH

修改完之后，重生效一下：

source /etc/profile

6.修改hadoop的配置文件：

进入 /usr/local/hadoop/hadoop-release/etc/hadoop/ 可以看到一些配置文件：

capacity-scheduler.xml      httpfs-env.sh            mapred-env.sh
configuration.xsl           httpfs-log4j.properties  mapred-queues.xml.template
container-executor.cfg      httpfs-signature.secret  mapred-site.xml
core-site.xml               httpfs-site.xml          mapred-site.xml.template
hadoop-env.cmd              kms-acls.xml             slaves
hadoop-env.sh               kms-env.sh               ssl-client.xml.example
hadoop-metrics2.properties  kms-log4j.properties     ssl-server.xml.example
hadoop-metrics.properties   kms-site.xml             yarn-env.cmd
hadoop-policy.xml           log4j.properties         yarn-env.sh
hdfs-site.xml               mapred-env.cmd           yarn-site.xml

需要配置的有core-site.xml hadoop-env.sh hdfs-site.xml mapred-site.xml yarn-site.xml

（1）先修改core-site.xml.在这里我们要指定使用的文件系统：

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value> #使用hdfs，master节点，端口9000
</property>
</configuration>

（2）在修改hadoop-env.sh

这里主要是添加jdk环境变量：

# The java implementation to use.
#export JAVA_HOME=${JAVA_HOME}

export JAVA_HOME=/usr/jdk

至于：

HADOOP_NAMENODE_OPTS

HADOOP_DATANODE_OPTS

HADOOP_SECONDARYNAMENODE_OPTS

HADOOP_CLIENT_OPTS

调整namenode，datanode，secondaryNamenode，client的jvm参数

HADOOP_LOG_DIR

namenode，datanode，secondaryNamenode写log的路径，需要对hadoop帐号可读

这些，目前使用默认，这些可以对hadoop系统进行优化。

（3）再修改 hdfs-site.xml

<configuration>
<property>
<name>dfs.replication</name> #在hdfs上每一块数据做几份，默认是使用3份，这里有3个slave，所以也设置成3
<value>3</value>
</property>
<property>
<name>dfs.namenode.name.dir</name> # namenode保存元数据的位置，要对hadoop用户可读写，可以设置多个路径，用逗号分隔，每一个路径都保存一份Namenode
<value>/data/dfs/name</value>
</property>
<property>
<name>dfs.namenode.checkpoint.dir</name> #secondNamenode保存元数据的位置，要对hadoop用户可读写
<value>/data/dfs/namesecondary</value>
</property>
<property>
<name>dfs.namenode.http-address</name> #通过http访问namenode，查看namenode的情况
<value>master:50070</value>
</property>
<property>
<name>dfs.datanode.data.dir</name> # datanode 的存放位置，保存的是真实的数据，可以写多个路径，用逗号分隔，所有的这些路径用来保存数据

<value>/data/dfs/data</value>
</property>
<property>
<name>dfs.blocksize</name> #hdfs文件系统块的大小，默认是64M，这里我们设置成256M
<value>268435456</value>
</property>
<property>
</configuration>

（4）再修改mapred-site.xml

<configuration>
  <property>
    <name>mapreduce.jobhistory.address</name> #设置mapreduce历史服务器的地址
    <value>master:10020</value>
  </property>
  <property>
    <name>mapreduce.jobhistory.webapp.address</name> #设置mapreduce历史服务器的web访问地址
    <value>master:8087</value>
    <final>true</final>
  </property>
  <property>
    <name>mapreduce.framework.name</name> #采用yarn框架启动
    <value>yarn</value>
  </property>
  <property>
    <name>yarn.app.mapreduce.am.resource.mb</name> # mapreduce的AM（Application Mater）申请的内存（推荐1G）
    <value>1024</value>
  </property>
  <property>
    <name>yarn.app.mapreduce.am.resource.cpu-vcores</name>#mapreduce的AM申请的cpu数量（推荐1个）
    <value>1</value>
  </property>
 <property>
    <name>mapreduce.map.memory.mb</name>#mapreduce中maptask申请的（向RM申请）内存，推荐1G-2G
    <value>1024</value>
  </property>
  <property>
    <name>mapreduce.map.cpu.vcores</name>#mapreduce中reducetask申请的cpu数，推荐1个
    <value>1</value>
  </property>
  <property>
    <name>mapreduce.reduce.memory.mb</name>#mapreduce中reducetask申请的内存（向RM申请），推荐1G-2G
    <value>1024</value>
  </property>
  <property>
    <name>mapreduce.reduce.cpu.vcores</name>#mapreduce中reducetask申请的cpu数
    <value>1</value>
  </property>
</configuration>

（5）修改yarn-site.xml

 <property>
    <name>yarn.resourcemanager.hostname</name>#ResourceManager所在主机名字
    <value>master</value>
  </property>
  <property>
    <name>yarn.resourcemanager.address</name> # ResourceManager地址，slave节点访问这个地址申请资源
    <value>master:8032</value>
  </property>
  <property>
    <name>yarn.resourcemanager.webapp.address</name> #通过webui访问ResourceManager地址
    <value>master:8088</value>
  </property>
  <property>
    <name>yarn.nodemanager.resource.memory-mb</name> #这个nodemanager上有多少内存资源可以分配，总的内存数量减去2，因为datanode和NM要各使用1G
    <value>2048</value>
  </property>
  <property>
    <name>yarn.web-proxy.address</name>
    <value>master:8089</value>
  </property>
  <property>
    <name>yarn.resourcemanager.scheduler.class</name> #ResourceManager使用的调度方法，这里使用的fail调度方法
  <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
  </property>
  <property>
    <name>yarn.nodemanager.resource.cpu-vcores</name> #这个nodemanager上可分配的cpu数量，总cpu数量-2，DataNode和nodemanager各使用一个
    <value>2</value>
  </property>
</configuration>

有些配置文件中设置了一些路径。如：/data/dfs,这些路径要手动建立，而且对hadoop用户要可读写，

建立这些目录：

hadoop fs -mkdir /data/dfs
hadoop fs -chown hadoop:hadoop /data/dfs

此时主机上的hadoop已经安装完成，下面在每一台slave节点上都要做相同的步骤，简单的方法是把master节点上的hadoop拷到slave1,2,3节点正确的（正确即和master节点路径相同）路径下。最简单的方式是下载pssh，进行同步操作，这里就不详细说明了。

7.上述步骤做完之后在master节点上格式化HDFS文件系统，：

hadoop namenode -format

然后在master节点启动hadoop：

start-all.sh

如果需要启动mapreduce的历史服务器，执行：

mr-jobhistory-daemon.sh start historyserver

最后在各个slave节点上启动datanode：

hadoop-daemon.sh start datanode

8.在master节点上键入 ： jps命令，即可查看相对于的进程：

3544 Secondnamenode
3654 Namenode
3578 ResourceManager
15789 Jps

在slave节点上键入jps命令：

3785 DataNode
3594 NodeManager
15789 Jps

自此，hadoop集群部署完毕，在部署的过程中可能会出现各种问题，不要着急，慢慢的查找就会解决。