hadoop-2.6.0集群环境搭建
一、主机规划
1、准备4台Ubuntu 14.04 64-bit 虚拟机，一台充当resourcemanager和namenode，另外三台充当nodemanager和datanode。由于需要实现主机间ssh无密码访问，主机IP采用静态配置。配置如下：
namenode ip:192.168.1.110
datanode1 ip:192.168.1.111
datanode2 ip:192.168.1.112
datanode3 ip:192.168.1.113
分别修改每一台的主机名和hosts文件
$sudo vim /etc/hostname
$sudo vim /etc/hosts
2、新建用户组和用户
$sudo groupadd clsuter
$sudo useradd -m -s /bin/bash -g clsuter -G sudo hadoop
$sudo passwd hadoop
注销当前用户以hadoop用户登陆，主要是方便之后使用gedit编辑器修改配置文件。
3、安装ssh并配置无密码访问，依次执行下面的命令：
$ sudo apt-get install ssh
$ sudo apt-get install rsync
$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
4、配置namenode无密码访问datanode1
在datanode1上切换到/home/hadoop/.ssh执行
$ scp hadoop@namenode:/home/hadoop/.ssh/id_dsa.pub ./namenode_dsa.pub
$ cat namenode_dsa.pub >>authorized_keys
在namenode上执行：
$ ssh hadoop@datanode1(第一次需要输入密码，之后便可无密码访问）
同上分别配置datanode2 和datanode3
二、安装jdk和hadoop-2.6.0
1、安装jdk
到Oracle官网下载jdk-8u25-linux-x64.tar.gz将其拷贝到/usr目录，执行：$ sudo tar -zxf /usr/jdk-8u25-linux-x64.tar.gz
2、安装hadoop-2.6.0
到http://hadoop.apache.org/下载hadoop-2.6.0.tar.gz拷贝到/home/hadoop目录，执行：$ tar -zxf /home/hdoop/hadoop-2.6.0.tar.gz
3、配置环境变量
执行：$ sudo vim /etc/profile 在文件末尾添加如下内容：
export JAVA_HOME=/usr/jdk1.8.0_25
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin
export HADOOP_PREFIX=/home/hadoop/hadoop-2.6.0
export HADOOP_CONF_DIR=/home/hadoop/hadoop-2.6.0/etc/hadoop
export HADOOP_YARN_HOME=/home/hadoop/hadoop-2.6.0
三、配置hadoop
1、配置/home/hadoop/hadoop-2.6.0/etc/hadoop/core-site.xml
<configuration> <property> <name>hadoop.tmp.dir</name> <value>/home/hadoop/hadoop-2.6.0/tmp</value> <description>Abase for other temporary directories.</description> </property> <property> <name>fs.defaultFS</name> <value>hdfs://s3:9000</value> </property> <property> <name>io.file.buffer.size</name> <value>131072</value> </property> </configuration>2、配置/home/hadoop/hadoop-2.6.0/etc/hadoop/hdfs-site.xml
<configuration> <property> <name>dfs.namenode.name.dir</name> <value>/home/hadoop/hadoop-2.6.0/dfs/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>/home/hadoop/hadoop-2.6.0/dfs/data</value> </property> <property> <name>dfs.replication</name> <value>2</value> </property> <property> <name>dfs.blocksize</name> <value>268435456</value> </property> <property> <name>dfs.namenode.handler.count</name> <value>100</value> </property> </configuration>3、配置/home/hadoop/hadoop-2.6.0/etc/hadoop/yarn-site.xml
<configuration> <!-- Site specific YARN configuration properties --> <property> <name>yarn.acl.enable</name> <value>true</value> </property> <property> <name>yarn.admin.acl</name> <value>*</value> </property> <property> <name>yarn.log-aggregation-enable</name> <value>false</value> </property> <property> <name>yarn.resourcemanager.address</name> <value>s3:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>s3:8030</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>s3:8031</value> </property> <property> <name>yarn.resourcemanager.admin.address</name> <value>s3:8033</value> </property> <property> <name>yarn.resourcemanager.webapp.address</name> <value>s3:8088</value> </property> <property> <name>yarn.resourcemanager.hostname</name> <value>s3</value> </property> <property> <name>yarn.resourcemanager.scheduler.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value> </property> <property> <name>yarn.scheduler.minimum-allocation-mb</name> <value>1024</value> </property> <property> <name>yarn.scheduler.maximum-allocation-mb</name> <value>8192</value> </property> <property> <name>yarn.nodemanager.resource.memory-mb</name> <value>8192</value> </property> <property> <name>yarn.nodemanager.log.retain-seconds</name> <value>10800</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.remote-app-log-dir</name> <value>/logs</value> </property> <property> <name>yarn.nodemanager.remote-app-log-dir-suffix</name> <value>logs</value> </property> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>-1</value> </property> <property> <name>yarn.log-aggregation.retain-check-interval-seconds</name> <value>-1</value> </property> <property> <name>yarn.nodemanager.health-checker.script.path</name> <value>-1</value> </property> </configuration>4、配置/home/hadoop/hadoop-2.6.0/etc/hadoop/mapred-site.xml
5、配置/home/hadoop/hadoop-2.6.0/etc/hadoop/slaves 把datanode的ip或主机名一行一个写入文件中
datanode1 或者192.168.1.111
datanode2 或者192.168.1.112
datanode3 或者192.168.1.113
6、启动hadoop在namenode主机上启动如下进程：
格式化hdfs文件系统
$ $HADOOP_PREFIX/bin/hdfs namenode -format
启动namenode
$ $HADOOP_PREFIX/sbin/hadoop-daemon.sh --config $HADOOP_CONF_DIR --script hdfs start namenode
启动resourcemanager
$ $HADOOP_YARN_HOME/sbin/yarn-daemon.sh --config $HADOOP_CONF_DIR start resourcemanager
启动MapReduce JobHistory Server
$ $HADOOP_PREFIX/sbin/mr-jobhistory-daemon.sh start historyserver --config $HADOOP_CONF_DIR
使用jps命令查看运行情况：
分别在每台datanode上启动：
启动datanode
$ $HADOOP_PREFIX/sbin/hadoop-daemon.sh --config $HADOOP_CONF_DIR --script hdfs start datanode
启动nodemanager
$ $HADOOP_YARN_HOME/sbin/yarn-daemon.sh --config $HADOOP_CONF_DIR start nodemanager
7、停止服务
要停止相应的服务只需把上面的命令中的start改为stop即可。
可通过浏览器访问如下地址查看hadoop的运行状态：
NameNode http://namenode:50070
ResourceManager http://namenode:8088
MapReduce JobHistory Server http://namenode:19888
四、运行测试
1、在hdfs文件系统上新建输入、输出目录
$ $HADOOP_PREFIX/bin/hdfs -mkdir /input
$ $HADOOP_PREFIX/bin/hdfs -mkdir /output
此次用hadoop自带的wordcount来做测试，在当前目录下新建测试文件test.txt
$ touch test.txt 并向文件中写入一定量的单词文本
$ $HADOOP_PREFIX/bin/hdfs -copyFromLocal test.txt /input
运行程序
$ $HADOOP_PREFIX/bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount /input/ /output/result
查看结果
$ $HADOOP_PREFIX/bin/hdfs -cat /output/result/*
欢迎指正！
文章来源：http://blog.csdn.net/fteworld/article/details/41944597