Apache Hadoop安装部署
版本：Apache Hadoop 2.6.0
注：本文档参考官方文档编写,原文链接：
http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-common/SingleCluster.html
http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-common/ClusterSetup.html
1.硬件环境
共有 3 台机器,均使用的 linux 系统,Java 使用的是 jdk8.0。 配置如下:
hadoop1.example.com:172.20.115.1(NameNode)
hadoop2.example.com:172.20.115.2(DataNode)
hadoop3.example.com:172.20.115.3 (DataNode)
hadoop4.example.com:172.20.115.4
主机与IP之间有正确解析
2.目录结构
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 hadoop 的 帐 户 , 主 目 录是/home/hadoop。
添加用户hadoop
#useradd -u 800 hadoop
#passwd hadoop 给用户hadoop创建密码
下载hadoop-2.6.0.tar.gz
解压 #tar zxf hadoop-2.6.0.tar.gz
#mv hadoop-2.6.0/ /home/hadoop/
#cd /home/hadoop
#ln -s hadoop-2.6.0/ hadoop
切到hadoop用户 #su - hadoop
下载jdk-8u40-linux-x64.tar.gz
解压到/home/hadoop/hadoop/下
$tar zxvf jdk-8u40-linux-x64.tar.gz -C /home/hadoop/hadoop/
$cd hadoop-2.6.0/
创建软链接，以便与日后的更新、升级
$ln -s jdk jdk1.8.0_40 jdk
再次切换到root
#chown -R hadoop.hadoop hadoop-2.6.0/
3.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。
首先要保证每台机器上都装了 SSH 服务器,且都正常启动。实际中我们用的都是 OpenSSH,这是 SSH 协议的一个免费开源实现。
以本文中的 3 台机器为例,现在 hadoop1 是主节点,它需要主动发起 SSH连接到 hadoop2 ,对于 SSH 服务来说, hadoop1 就是 SSH 客户端,而hadoop2,hadoop3 则是 SSH 服务端,因此在 hadoop2,hadoop3 上需要确定 sshd 服务已经启动。简单的说,在 hadoop1 上需要生成一个密钥对,即一个私钥,一个公钥。将公钥拷贝到 hadoop2 上,这样,比如当 hadoop1 向 hadoop2 发起 ssh 连接的时候,hadoop2 上就会生成一个随机数并用 hadoop1 的公钥对这个随机数进行加密并发送给 hadoop1,hadoop1 收到这个加密的数以后用私钥进行解密,并将解密后的数发送回hadoop2,hadoop2 确认解密的数无误后就允许 hadoop1 进行连接了。这就完成了一次公钥认证过程。
对于本文中的 3 台机器,首先在 hadoop1 上生成密钥对:
#su - hadoop
$ssh-keygen
这个命令将为 hadoop1 上的用户 hadoop 生成其密钥对。生成的密钥对id_rsa,id_rsa.pub,在/home/hadoop/.ssh 目录下。
$ssh-copy-id localhost
$ssh-copy-id 172.20.115.2
$ssh-copy-id 172.20.115.3
发布密钥到你本地和hadoop2、hadoop3
试着登录本地和hadoop2、hadoop3看是否有密码验证，无密码即验证成功
4.环境变量（此版本中的配置目录发生很大变化，大家要注意哦！）
在 /home/hadoop/hadoop-2.6.0/etc/hadoop/ 目 录 下 的 hadoop-env.sh 和yarn-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/hadoop/hadoop。
vim /home/hadoop/hadoop-2.6.0/etc/hadoop/hadoop-env.sh
export JAVA_HOME=/home/hadoop/hadoop/jdk(大概在第25行)
vim /home/hadoop/hadoop-2.6.0/etc/hadoop/yarn-env.sh
export JAVA_HOME=/home/hadoop/hadoop/jdk(大概在第23行)
先进行简单测试：
$cd /home/hadoop/hadoop/
$mkdir input
$cp /etc/hadoop/* input/
$bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar grep input output 'dfs[a-z.]+'
$cd output
$cat *
统计文件中的单词：
$bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount input test
$cd test/
$cat *
5.hadoop配置文件
$cd /home/hadoop/hadoop/etc/hadoop/
配置HDFS
/core-site.xml:
configuration> <property> <name>fs.default.name</name> <value>hdfs://hadoop1.example.com:9000</value> </property></configuration>
/hdfs-site.xml:
<configuration> <property> <name>dfs.replication</name> <value>1</value> </property></configuration>
伪分布式测试：
$mkdir /home/hadoop/bin
$ln -s /home/hadoop/hadoop/jdk/bin/jps /home/hadoop/bin/
$cd /home/hadoop/hadoop/
$sbin/hdfs namenode -format 先进行初始化
$sbin/start-dfs.sh
The hadoop daemon log output is written to the $HADOOP_LOG_DIR directory (defaults to $HADOOP_HOME/logs).(写入到日志文件)
web测试http://
$ bin/hdfs dfs -mkdir /user
$ bin/hdfs dfs -mkdir /user/<username>
$bin/hdfs dfs -put etc/hadoop input
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar grep input output 'dfs[a-z.]+'
$ bin/hdfs dfs -get output output
$ cat output/*
配置YARN
cd /home/hadoop/hadoop/
etc/hadoop/mapred-site.xml:
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>
etc/hadoop/yarn-site.xml:
<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration>
Start ResourceManager daemon and NodeManager daemon:
$ sbin/start-yarn.sh
访问：http：//
如果达到这种效果就说明你已经成功部署伪分布式
6.部署Hadoop集群
前面讲的这么多 Hadoop 的环境变量和配置文件都是在 hadoop1 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。
$scp -r /home/hadoop/hadoop hadoop2.example.com:/home/hadoop/
$scp -r /home/hadoop/hadoop hadoop3.example.com:/home/hadoop/
$scp -r .ssh/ hadoop2.example.com:
$scp -r .ssh/ hadoop3.example.com:
注意还要修改以下文件：
$cd /home/hadoop/hadoop/etc/hadoop
/masters
hadoop1.example.com
/slaves
hadoop2.example.com
hadoop3.example.com
$ln -s hadoop-1.2.1/ hadoop
$mkdir /home/hadoop/bin
$ln -s /home/hadoop/hadoop/jdk/bin/jps /home/hadoop/bin
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。
7. 启动 Hadoop
启动之前,我们先要格式化 namenode,先进入~/hadoop/目录,执行下面的命令:
$bin/hadoop namenode –format
不出意外,应该会提示格式化成功。如果不成功,就去 hadoop/logs/目录下去查看日志文件。
下面就该正式启动 hadoop 啦,在 sbin/下面有很多启动脚本,可以根据自己的需要来启动。
* start-all.sh 启动所有的 Hadoop 守护
* stop-all.sh 停止所有的 Hadoop
* start-yarn.sh 启动 YARN进程
* stop-yarn.sh 停止YARN进程
* start-dfs.sh 启动 Hadoop DFS 守护
* stop-dfs.sh 停止 DFS 守护
在这里,简单启动所有守护:
[hadoop@hadoop1:hadoop]$sbin/start-all.sh
Starting namenodes on [hadoop1.example.com]
hadoop1.example.com: starting namenode, logging to /home/hadoop/hadoop-2.6.0/logs/hadoop-hadoop-namenode-desktop3.example.com.out
localhost: starting datanode, logging to /home/hadoop/hadoop-2.6.0/logs/hadoop-hadoop-datanode-desktop3.example.com.out
Starting secondary namenodes [0.0.0.0]
0.0.0.0: starting secondarynamenode, logging to /home/hadoop/hadoop-2.6.0/logs/hadoop-hadoop-secondarynamenode-desktop3.example.com.out
15/03/28 08:41:10 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
starting yarn daemons
starting resourcemanager, logging to /home/hadoop/hadoop-2.6.0/logs/yarn-hadoop-resourcemanager-desktop3.example.com.out
可以发现所有进程成功启动，并写入日志文件。
$jps
查看Jps，NameNode，DataNode，SecondaryNameNode，ResourceManager，NodeManager是否启动成功。
同样,如果要停止 hadoop,则
[hadoop@hadoop1:hadoop]$sbin/stop-all.sh
8. HDFS 操作
运行 sbin/目录的 hadoop 命令,可以查看 Haoop 所有支持的操作及其用法,这里以几个简单的操作为例。
建立目录:
[hadoop@hadoop1 hadoop]$sbin/hadoop dfs -mkdir testdir
在 HDFS 中建立一个名为 testdir 的目录,复制文件:
[hadoop@hadoop1 hadoop]$sbin/hadoop dfs -put /home/large.zip testfile.zip
把本地文件large.zip拷贝到HDFS的根目录下，文件名为testfile.zip，查看现有文件：
[hadoop@hadoop1 hadoop]$sbin/hadoop dfs -ls
hadoop web控制台页面的端口整理：
50070：hdfs文件管理
8088：ResourceManager
8042：NodeManager
19888：JobHistory(使用“mr-jobhistory-daemon.sh”来启动JobHistory Server)
转自：http://my.oschina.net/leeypp1/blog/395198