hadoop native 怎么配置 如何配置hadoop

转自 ： 

有三种分布模式，Standalone-distributemode, Pseudo-distribute mode, Full-distribute.

前期准备工作：

背景：

Fedora 15

两台计算机。johnny(10.63.0.230)，cloud(10.63.0.17)。johnny作为Namenode和JobTracker。cloud作为DataNode和TaskTracker。

、安装jdk，配置环境变量

、安装Hadoop，配置环境变量

、Hadoop要求集群计算机上用户名必须一致，所以现在cloud机上建立一个名为johnny的用户。

For hadoop, the accounts should have the same username on all ofthe nodes

但是节点计算机（cloud）无需使用johnny登陆。具体请参考Hadoopin Action第二章。

、配置SSH（伪分布、全分布需要，单机分布不需要）

（更多关于SSH请看我的博客：）

先对johnny机做如下操作：

修改/etc/hosts 文件

这个文件告诉本主机哪些域名对应那些ip，那些主机名对应哪些

一般情况下hosts文件的每行为一个主机，每行由三部份组成，每个部份由空格隔开。其中#号开头的行做说明，不被系统解释。
第一部份：网络IP地址；第二部份：主机名或域名；第三部份：主机名别名；

（更多关于/etc/hosts文件请看我的博客）

向此文件中加入：
 10.63.0.230 johnny johnny
 10.63.0.17 cloud cloud
试一试能否ping通。
 $ ping cloud
开启sshd：
 #service sshd start
开启ssh-agent
 $ ssh-agent
 将私钥加入到agent
 $ ssh-add ~/.ssh/id_sra
可能需要关闭防火墙 #serviceiptables stop,或者开启22端口)
生成公钥：
 $ ssh-keygen -t -rsa
一路回车敲到底，不要输入密码，否则无法实现免密码登陆。
生成的公钥将储存在~/.ssh/下。有两个文件id_rsa.pub(公钥)，id_rsa(私钥)。
将公钥发送给cloud机以便能与其相连：
 $ ssh-copy-id johnny@cloud

代码含义：将自己的公钥拷贝给cloud(10.63.0.17)上的johnny用户。（此公钥内容将写入cloud上johnny用户的~/.ssh/authorized_keys中）

在此期间会要求输入johnny@cloud'spassword，johnny用户在cloud这台机器上的密码。

这是一种比较快速的拷贝公钥的方法，另一种方法请看我的博客)

试一试能否与其建立链接sshjohnny@cloud

断开链接请使用命令：

$ logout

伪分布是一台计算机既当NameNode又当DataNode，既当JobTracker又当TaskTracker，所以伪分布要求自己能够ssh连接自己，所以需要将公钥拷贝给自己，$ssh-copy-idjohnny@localhost，可以试验一下是否可以登陆自己sshjohnny@localhost，记得logout)

现在可以给 johnny@cloud传送文件了。使用scp命令（具体使用见下文）。这样等配置完主机的信息后，可以将整个hadoop、jdk目录传送给节点计算机（见下文）。

单机分布模式

无需配置，安装好Hadoop后默认为单机分布模式

伪分布模式

需要先配置SSH（将自己的公钥写入到自己的authorized_keys中）

修改hadoop安装目录下conf文件夹中的三个xml文件

、hdfs-site.xml和mapred-site.xml
 
文件
 <configuration>
 <property>
 <name>fs.default.name</name>
 <value>hdfs://localhost:9000</value>
 </property>
 </configuration>
 
文件
 <configuration>
 <property>
 <name>dfs.replication</name>
 <value>1</value>
 </property>
 </configuration>
 
文件
 <configuration>
 <property>
 <name>mapred.job.tracker</name>
 <value>localhost:9001</value>
 </property>
 </configuration>
 
修改hadoop安装目录下conf文件夹中的master，slaver两个文件
文件（里面其实表示的是SecondaryNameNode，有点小迷惑性啊）
 localhost
 
文件
 localhost

全分布模式

与伪分布模式很类似仅做小量的改变

修改hadoop安装目录下conf文件夹中的三个xml文件

、hdfs-site.xml和mapred-site.xml

文件

<configuration>
 <property>
 <name>fs.default.name</name>
 <value>hdfs://johnny:9000</value>
 </property>
 </configuration>
 
文件
 <configuration>
 <property>
 <name>dfs.replication</name>
 <value>1</value>
 </property>
 </configuration>
 
文件
 <configuration>
 <property>
 <name>mapred.job.tracker</name>
 <value>johnny:9001</value>
 </property>
 </configuration>
修改hadoop安装目录下conf文件夹中的master，slaver两个文件
文件
 johnny
 
文件
 cloud

（这个是最简单的配置，其实里面还有很多参数这里没有提到，详细信息请参考官方文档。）

注：如何快捷的在三种分布方式切换(参考Hadoopin Action第二章Swithcing betwwenmodes)

Create a separate configuration folder for each of the modes andplace, the appropriate vision of the xml files in the correspondingfolder. Using symbolic links to switch between Hadoop modes.

将conf文件夹复制三份，修改文件名为conf-standalone,conf-pseudo,conf-full，在其中分别配置其内容，最后对要使用的模式的文件夹建立链接(快捷方式),将其名称更改为conf.

接下来需要把并配置好的Hadoop以及Java传送给所有的节点计算机。
 $ scp -r ~/Software/hadoop-0.20.203.0/ johnny@cloud:~/Software/hadoop-0.20.203.0/
 $ scp -r ~/Software/jdk1.6.0_24/ johnny@cloud:~/Software/jdk1.6.0_24/ 
 在配置好这些文件后需要格式化NameNode
 $ hadoop namenode -format
 
之后便可启动hadoop了:
 $ start-all.sh
 
测试一下（wordcount）：
建立~/temp/test-in目录，在其中建立a.txt文件，想其中写入一些英文句子
将 ~/temp/目录及其中的内容全部拷贝到DataNode中的/目录下
 $ hadoop fs -put ~/temp/ johnny@cloud:/
察看一下拷贝的结果
 $ hadoop fs -lsr /
下面运行hadoop自带的hadoop-examples-0.20.203.0.jar中的wordcount
 $ hadoop jar~/Software/hadoop-0.20.203.0/hadoop-examples-0.20.203.0.jar wordcount/temp/test-in /temp/test-out
可以在web页中察看节点状态
 http://localhost:50030 Hadoop Administration
 http://localhost:50070 Hadoop NameNode