hadoop部署安装

原创

singlegod 2011-10-06 09:45:11 博主文章分类：虚拟化和云计算 ©著作权

文章标签 java ssh mapreduce hadoop hdfs 文章分类 Hadoop 大数据

©著作权归作者所有：来自51CTO博客作者singlegod的原创作品，请联系作者获取转载授权，否则将追究法律责任

参考博文http://www.cnblogs.com/wayne1017/archive/2007/03/20/678724.html

硬件环境

共有2台机器，均使用的centos5.7系统，Java使用的是jdk1.7.0。IP配置如下：
centos1：10.0.9.101
centos2：10.0.9.102
这里有一点需要强调的就是，务必要确保每台机器的主机名和IP地址之间能正确解析。

一个很简单的测试办法就是ping一下主机名，比如在centos1上ping centos2，如果能ping通就OK！若不能正确解析，可以修改/etc/hosts文件，如果该台机器作Namenode用，则需要在hosts文件中加上集群中所有机器的IP地址及其对应的主机名；如果该台机器作Datanode用，则只需要在hosts文件中加上本机IP地址和Namenode机器的IP地址。

以本文为例，centos1中的/etc/hosts文件看起来就应该是这样的：
127.0.0.0         localhost
10.0.9.101     centos1
10.0.9.102     centos2
centos2中的/etc/hosts文件看起来就应该是这样的：
127.0.0.0         localhost
10.0.9.101     centos1
10.0.9.102     centos2

对于Hadoop来说，在HDFS看来，节点分为Namenode和Datanode，其中Namenode只有一个，Datanode可以是很多；在MapReduce看来，节点又分为Jobtracker和Tasktracker，其中Jobtracker只有一个，Tasktracker可以是很多。
我是将namenode和jobtracker部署在centos1上，centos1和centos2作为datanode和tasktracker。当然你也可以将namenode，datanode，jobtracker，tasktracker全部部署在一台机器上（就像centos1）。

jdk环境配置

官网下载适合自己的jdk

http://www.oracle.com/technetwork/java/javase/downloads/java-se-jdk-7-download-432154.html

为了简单下载一个rpm包

jdk-7-linux-x64.rpm

rpm -ivh jdk-7-linux-x64.rpm

配置环境变量

#vim /etc/profile

在profile文件下面追加写入下面信息：

export JAVA_HOME=/usr/java/jdk1.7.0
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin

是配置文档生效

source /etc/profile

目录结构

这里务必以新建用户grid登陆，保证hadoop目录及子目录属主为grid一个人（如果既有root又有grid以后会出现很多错误）
由于Hadoop要求所有机器上hadoop的部署目录结构要相同，并且都有一个相同的用户名的帐户。
我的三台机器上是这样的：都有一个grid的帐户，主目录是/home/grid
Hadoop部署目录结构如下：/home/grid/HadoopInstall，所有的hadoop版本放在这个目录中。
将hadoop0.20.204压缩包解压至HadoopInstall中，为了方便以后升级，建议建立一个链接指向要使用的hadoop版本，不妨设为hadoop
[grid@centos1:HadoopInstall]$ln -s hadoop0.20.204 hadoop
这样一来，所有的配置文件都在/home/grid/HadoopInstall/hadoop/conf/目录中，所有执行程序都在hadoop/bin目录中。
但是由于上述目录中hadoop的配置文件和hadoop的安装目录是放在一起的，这样一旦日后升级hadoop版本的时候所有的配置文件都会被覆盖，因此建议将配置文件与安装目录分离，一种比较好的方法就是建立一个存放配置文件的目录，/home/grid/HadoopInstall/hadoop-conf/，然后将hadoop/conf/目录中的core-site.xml,hdfs-site.xml,mapred-site.xml,master，slaves，hadoop_env.sh六个文件拷贝到hadoop-conf/目录中，并指定环境变量$HADOOP_CONF_DIR指向该目录。环境变量在/home/grid/.bashrc或/etc/profile中设定。

export $HADOOP_CONF_DIR=/home/grid/HadoopInstall/hadoop/hadoop-conf
综上所述，为了方便以后升级版本，我们需要做到配置文件与安装目录分离，并通过设定一个指向我们要使用的版本的hadoop的链接，这样可以减少我们对配置文件的维护。在下面的部分，你就会体会到这样分离以及链接的好处了。

这里的目录和链接结构比较乱，我在说明一下

家目录/home/grid

下面有一个放hadoop各版本的目录HadoopInstall,比如示例版本hadoop0.20.204即

/home/grid/HadoopInstall/hadoop0.20.204

目录HadoopInstall下新建一个指向最新hadoop版本的链接hadoop/home/grid/HadoopInstall/hadoop---->hadoop0.20.204

目录HadoopInstall还有一个分离的配置文档文件夹hadoop-conf

其中存放着不变的配置文档
SSH设置
在Hadoop启动以后，Namenode是通过SSH（Secure Shell）来启动和停止各个节点上的各种守护进程的，这就需要在节点之间执行指令的时候是不需要输入密码的方式，故我们需要配置SSH使用无密码公钥认证的方式。
详见http://singlegod.blog.51cto.com/1909710/680182

Hadoop环境变量
在/home/grid/HadoopInstall/hadoop-conf目录下的hadoop_env.sh中设置Hadoop需要的环境变量，其中JAVA_HOME是必须设定的变量。HADOOP_HOME变量可以设定也可以不设定，如果不设定，HADOOP_HOME默认的是bin目录的父目录，即本文中的/home/grid/Hadoop0.20.204/hadoop。我的是这样设置的

export HADOOP_HOME=/home/dbrg/HadoopInstall/hadoop
export JAVA_HOME=/usr/java/jdk1.7.0

从这个地方就可以看出前面所述的创建hadoop0.20.204的链接hadoop的优点了，当以后更新hadoop的版本的时候，就不需要在改配置文件，只需要更改链接就可以了。

Hadoop配置文件
如前所述，在hadoop-conf/目录下，打开slaves文件，该文件用来指定所有的从节点，一行指定一个主机名。即本文中的centos2，centos1，因此slaves文件看起来应该是这样的
centos2
centos1
Hadoop0.20.2版本以前的配置文件是conf/hadoop-default.xml,但是hadoop0.20.2以及以后版本中，该配置文件拆分位core-site.xml hdfs-site.xml和mapred-site.xml其中core和hdfs是站在HDFS的角度上的配置文件，core和mapred是站在Mapreduce角度上的配置文件

(只配置configuration间的jiuha)

core-site.xml配置如下

<name>fs.default.name</name>

<value>hdfs://centos1:9000</value>

</property>

</configuration>

hdfs-site.xml(配置如下)

<name>dfs.replication</name>

</property>

</configuration>

mapred-site.xml配置如下

<name>mapred.job.tracker</name>

<value>centos1:9001</value>

</property>

</configuration>

部署Hadoop
前面讲的这么多Hadoop的环境变量和配置文件都是在centos1这台机器上的，现在需要将hadoop部署到其他的机器上，保证目录结构一致。
[grid@centos1:~]$scp -r /home/grid/HadoopInstall centos2:/home/grid/
至此，可以说，Hadoop已经在各个机器上部署完毕了下面就让我们开始启动Hadoop吧

启动Hadoop
启动之前，我们先要格式化namenode，先进入~/HadoopInstall/hadoop目录，执行下面的命令
[grid@centos1:hadoop]$bin/hadoop namenode -format
不出意外，应该会提示格式化成功。如果不成功，就去hadoop/logs/目录下去查看日志文件
下面就该正式启动hadoop啦，在bin/下面有很多启动脚本，可以根据自己的需要来启动。
* start-all.sh 启动所有的Hadoop守护。包括namenode, datanode, jobtracker, tasktrack
* stop-all.sh 停止所有的Hadoop
* start-mapred.sh 启动Map/Reduce守护。包括Jobtracker和Tasktrack
* stop-mapred.sh 停止Map/Reduce守护
* start-dfs.sh 启动Hadoop DFS守护.Namenode和Datanode
* stop-dfs.sh 停止DFS守护

在这里，简单启动所有守护
[grid@centos1:hadoop]$bin/start-all.sh

同样，如果要停止hadoop，则
[grid@centos1:hadoop]$bin/stop-all.sh

查看是否启动成功

/usr/java/jdk1.7.0/jps(如果配置成功java环境变量直接输入jps命令)

如果成功应该会在centos1上显示类似以下结果

1885 SecondNamenode

2085 JPS

1707 NameNode

1945 Jobtracker

28891 DataNode

28881 Tasktracker

centos2