说明：
任务：搭建Hadoop伪分布式版本。
目的：快速搭建一个学习环境,跳过这一环境，快速进入状态,使用Hadoop一些组件做些任务
没有选择2.7，觉得bug比较多，不稳定。
选择伪分布式简单快速
环境：
Win 7 64 8G 内存 ,4核
VM 12,1 虚拟机 3G 内存
ubuntu 4.4.0 x86-64
Hadoop 2.6.4
JDK 1.7.0_80
1. 虚拟机Linux准备
安装虚拟机,(可以选择克隆方式)，网络选择NAT。
创建用户hadoop, 配置 sudo 命令，文件设置 (待细化:Baidu)
后续所有操作以hadoop用户进行，没有权限就 sudo
1.1 网络IP 配置(偷懒,采用默认分配， 如果多节点要设置， 待细化)
hadoop@ubuntu:~$ ifconfig ens33 Link encap:Ethernet HWaddr 00:0c:29:2e:0f:82 inet addr:192.168.249.144 Bcast:192.168.249.255 Mask:255.255.255.0 inet6 addr: fe80::400:dd35:2b5d:4dba/64 Scope:Link UP BROADCAST RUNNING MULTICAST MTU:1500 Metric:1 RX packets:145870 errors:0 dropped:0 overruns:0 frame:0 TX packets:12833 errors:0 dropped:0 overruns:0 carrier:0 collisions:0 txqueuelen:1000 RX bytes:209812987 (209.8 MB) TX bytes:1827590 (1.8 MB)
1.2 主机名设置
修改以下三个地方：
a
hadoop@ubuntu:~$ sudo vi /etc/hostname hadoop@ubuntu:~$ more /etc/hostname ssmaster
b
hadoop@ubuntu:~$ hostname ubuntu hadoop@ubuntu:~$ sudo hostname ssmaster hadoop@ubuntu:~$ hostname ssmaster
c
hadoop@ubuntu:~$ sudo vi /etc/hosts
修改后：
127.0.0.1 localhost
#127.0.1.1 ubuntu
192.168.249.144 ssmaster
d win7设置
在 C:WindowsSystem32driversetchosts 中添加如下
后续通过win7 通过主机名直接访问linux
192.168.249.144 ssmaster
C:UsersAdministrator>ping ssmaster 正在 Ping ssmaster [192.168.249.144] 具有 32 字节的数据: 来自 192.168.249.144 的回复: 字节=32 时间<1ms TTL=64 来自 192.168.249.144 的回复: 字节=32 时间=1ms TTL=64
2. 安装JDK
配置环境变量
vi /etc/profile 在末尾添加保存
export JAVA_HOME=/home/szb/hadoop/jdk1.7.0_80 export JRE_HOME=$JAVA_HOME/jre export PATH=$PATH:$JAVA_HOME/bin export CLASSPATH=./:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
执行命令生效 source /etc/profile
如下安装成功
hadoop@ubuntu:~$ java -version java version "1.7.0_80" Java(TM) SE Runtime Environment (build 1.7.0_80-b15) Java HotSpot(TM) 64-Bit Server VM (build 24.80-b11, mixed mode)
3. SSH 设置
先测试 ssh ssmaster (当前主机名，前面设置)
需要密码表示还没设置。
执行以下命令，一路回车。
hadoop@ubuntu:~$ cd ~ hadoop@ubuntu:~$ ssh-keygen -t rsa hadoop@ubuntu:~/.ssh$ cp id_rsa.pub authorized_keys hadoop@ubuntu:~/.ssh$ ls authorized_keys id_rsa id_rsa.pub known_hosts hadoop@ubuntu:~/.ssh$ more authorized_keys ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABAQCxjtfFUPSmTNNHJ4+4SubFrNEz7Teyu3HHvq7Lq0cOWXEJ6r53zA9LCawDyKUsrv5pNly4bqlt6SWJSELySieu+WgPVL6UNwROUE uBDagbnURviUVt6dXLcCOlqsCvy0AQsk+YIvS+qQhmE839X4W+Zd5xBZgUlGIqS1WhXbCs8sHiho09rxA0MIBXBlyvkfwmh71ubXny6GQHH3ZriyRZO0KrcMgwPHgsC/83fzSujnw5 BKiesJkpLHejmCo8m+eqW1Hcmj7OFMnAbaih86rqUnAE4rNrJnQUin73KgUFKQeHwnGRL3CPWR/KXdNvoEyUPHc/eeW0HhfK8GCWlQ/P hadoop@ssmaster
测试，应该无密码登录成功
ssh ssmaster
exit
3.准备hadoop 安装包
下载到任意目录
解压
tar -zxvf hadoop-2.6.4.tar.gz
移动解压包
sudo mv hadoop-2.6.4 /opt/
4.配置hadoop
4.1 添加hadoop路径到环境变量
sudo vi /etc/profile 修改后如下
export HADOOP_HOME=/opt/hadoop-2.6.4 export JAVA_HOME=/home/szb/hadoop/jdk1.7.0_80 export JRE_HOME=$JAVA_HOME/jre export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin export CLASSPATH=./:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
source /etc/profile 生效
4.2 创建hdfs 数据存放目录
在hadoop安装目录下创建 dfs/name dfs/data
hadoop@ssmaster:/opt/hadoop-2.6.4$ pwd /opt/hadoop-2.6.4 hadoop@ssmaster:/opt/hadoop-2.6.4$ mkdir dfs hadoop@ssmaster:/opt/hadoop-2.6.4$ ls bin dfs etc include lib libexec LICENSE.txt logs NOTICE.txt README.txt sbin share tmp hadoop@ssmaster:/opt/hadoop-2.6.4$ cd dfs hadoop@ssmaster:/opt/hadoop-2.6.4/dfs$ mkdir name data hadoop@ssmaster:/opt/hadoop-2.6.4/dfs$ ls data name
4.3 添加jdk路径到 hadoop xxxx.sh 脚本文件中
所在路径 hadoop@ssmaster:/opt/hadoop-2.6.4/etc/hadoop$
在以下文件中添加
export JAVA_HOME=/home/szb/hadoop/jdk1.7.0_80
hadoop-env.sh
yarn-env.sh
mapred-env.sh
4.4 修改slaves文件
所在路径 hadoop@ssmaster:/opt/hadoop-2.6.4/etc/hadoop$
修改slaves文件内容为主机名,修改后:
hadoop@ssmaster:/opt/hadoop-2.6.4/etc/hadoop$ more slaves ssmaster
4.5 配置xml文件
4.5.1 core-site.xml
修改后内容
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://ssmaster:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/hadoop-2.6.4/tmp</value>
</property>
</configuration>
备注：
fs.defaultFS namenode的目录
hadoop.tmp.dir 中间临时结果存放目录
目前来说，core-site.xml文件的最小化配置，core-site.xml各项配置可参考：http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-common/core-default.xml
4.5.2 hdfs-site.xml
修改后内容
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/hadoop-2.6.4/dfs/name</value>
</property>
<property>
<name>dfs.namenode.data.dir</name>
<value>/opt/hadoop-2.6.4/dfs/data</value>
</property>
</configuration>
备注：
dfs.replication 副本数量，伪分布式为1，分布式一般为3
dfs.namenode.name.dir namenode 数据目录
dfs.namenode.data.dir datanode 数据目录
上述是hdfs-site.xml文件的最小化配置，hdfs-site.xml各项配置可参考：http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
4.5.3 mapred-site.xml
首先 复制 mapred-site.xml.template 为 mapred-site.xml
添加内容：
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
备注：
mapreduce.framework.name mapreduce的资源管理组件,可以存在其他值
上述是mapred-site.xml最小化配置，mapred-site.xml各项配置可参考：http://hadoop.apache.org/docs/r2.6.0/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml
4.5.4 yarn-site.xml
修改后内容
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>ssmaster</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
备注：
yarn.resourcemanager.hostname resourcemanager的节点。 (问题猜测 如果是分布式 ,可以与namenode不同节点,待验证)
yarn.nodemanager.aux-services 暂不清楚含义,有空了解
上述内容是yarn-site.xml的最小化配置，yarn-site文件配置的各项内容可参考：http://hadoop.apache.org/docs/r2.6.0/hadoop-yarn/hadoop-yarn-common/yarn-default.xml
5.启动Hadoop
5.1 格式化HDFS
hadoop@ssmaster:/opt/hadoop-2.6.4$ bin/hdfs namenode -format
5.2 启动HDFS
hadoop@ssmaster:/opt/hadoop-2.6.4$ sbin/start-dfs.sh Starting namenodes on [ssmaster]ssmaster: starting namenode, logging to /opt/hadoop-2.6.4/logs/hadoop-hadoop-namenode-ssmaster.outssmaster: starting datanode, logging to /opt/hadoop-2.6.4/logs/hadoop-hadoop-datanode-ssmaster.outStarting secondary namenodes [0.0.0.0]The authenticity of host '0.0.0.0 (0.0.0.0)' can't be established.ECDSA key fingerprint is SHA256:ADBlLjhQ7xYbJRFQpw9t5OyA7+q7Yo50S+oK7liAnUk.Are you sure you want to continue connecting (yes/no)? yes0.0.0.0: Warning: Permanently added '0.0.0.0' (ECDSA) to the list of known hosts.0.0.0.0: starting secondarynamenode, logging to /opt/hadoop-2.6.4/logs/hadoop-hadoop-secondarynamenode-ssmaster.out hadoop@ssmaster:/opt/hadoop-2.6.4$ jps 11151 DataNode 11042 NameNode 11349 SecondaryNameNode 11465 Jps
备注：
Starting secondary namenodes [0.0.0.0]
The authenticity of host '0.0.0.0 (0.0.0.0)' can't be established.
secondary namenode IP 为0，接下来提示yes/no,选择yes.
不知道怎么配置这里。 有空回头研究 [遗留小问题]
5.3 启动HDFS
hadoop@ssmaster:/opt/hadoop-2.6.4$ sbin/start-yarn.sh starting yarn daemons starting resourcemanager, logging to /opt/hadoop-2.6.4/logs/yarn-hadoop-resourcemanager-ssmaster.out ssmaster: starting nodemanager, logging to /opt/hadoop-2.6.4/logs/yarn-hadoop-nodemanager-ssmaster.out hadoop@ssmaster:/opt/hadoop-2.6.4$ jps 11151 DataNode 11042 NameNode 11714 Jps 11349 SecondaryNameNode 11675 NodeManager 11540 ResourceManager
http://192.168.249.144:8042/
http://192.168.249.144:8088/
hadoop web控制台页面的端口整理：
50070：hdfs文件管理
8088：ResourceManager
8042：NodeManager
JPS查看各个节点启动了,WEB 能打开各种页面，标志安装成功
6.保存虚拟机镜像
Z 总结：
- 网络配置没有特意设置,由虚拟机自动分配,可能有潜在IP变化问题
- hostname 大而全地设置,没有理清各个文件命令的功能
- hdfs 启动是 secondname node ip显示为0000，提示连接拒绝， 一定某个地方可以设置
Z.2 后续：
- 重点研究hadoop使用，安装eclipse,常用操作,jar调用
- 搭建spark环境,常用操作
- 有空研究纯分布式搭建
- 有空研究hadoop配置各个参数的含义,配置
Q 其他：
不同linux系统拷贝文件
scp hadoop-2.6.4.tar.gz hadoop@192.168.249.144:~/
各种配置文件打包上传：
本机hadoop安装后涉及的文件.rar 任务：上传到某个地方,link过来 [遗留完善]
C 参考：
Ref 1
主要参考这篇教程