Hadoop入门之安装配置(hadoop-0.20.2)

      Hadoop，简单理解为HDFS(分布式存储)+Mapreduce(分布式处理)，专为离线和大规模数据分析而设计。

      Hadoop可以把很多linux的廉价PC组成分布式结点，然后编程人员也不需要知道分布式算法之类的，只需根据mapreduce的规则定义好的接口方法，剩下的就交给hadoop，它会自动把相关的计算分布到各个结点上去，然后得到结果。

      比如，有一个1PB的文件，我们要分析其中的有用的数据，首先我们把1PB的数据文件导入到HDFS中，然后编程人员定义好map和reduce函数，也就是把文件的行定义为key，每行内容定义为value，然后进行匹配，匹配成功把结果通过reduce聚合起来，Hadoop就会把这个程序分别到N个结点去并行操作，缩短时间。

     环境软件准备：VMware10、Cent6.5、JDK1.8.0_65、hadoop-0.20.2

     我们在VMware10上安装三个Cent6.5OS，三个节点，其中一个为服务器master，另外两个为客户机slave（node）

     安装的过程可以借助网上的相关文档：http://wenku.baidu.com/link?url=er-Uo_5unEZGIcyg14wzZydaB5cqaUE-yAQddxCC7rS_rBtBBtsFgtVkVETRWZTsmi46_f7d5MBgPVWvnRdoKPMjuwDLLlpcSwAZRBT10m_

     安装好CentOS后，即可在每台机器上安装JDK，安装地址参考：http://jingyan.baidu.com/article/c74d60007b85510f6a595dfa.html

     Java JDK安装好之后就可以正式开始安装Hadoop了。

    第一步：修改主机名称hostname，修改后可以重启CentOS

    [root@wy ~]$   vi /ect/sysconfig/network

    修改其中的HostName=master,修改后可以重启一下CentOS，以让其生效。

    其余两个节点也类似方式，分别将HostName修改为node2、node3

    第二步：在三个节点上都配置hosts文件，确定每台CentOS的IP和主机名对应上

    [root@master ~]$   ifconfig

    查看各个节点的IP地址，然后在hosts文件中输入IP+主机名

    [root@master ~]$  vi /etc/hosts

    在打开的hosts文件中，输入i，即可编辑文件，输入以下内容后，按ESC，后输入:wq后即可保存退出。

    192.168.1.188  master

    192.168.1.189  node2

    192.168.1.190  node3

    第三步：创建hadoop群组和hadoop用户（三个节点都要做如下配置）

    [root@master ~]$ groupadd hadoop  --创建hadoop组

    [root@master ~]$ useradd hadoop -g hadoop --为hadoop组中添加一个用户，用户名为hadoop

    [root@master ~]$ passwd hadoop --为hadoop用户指定密码

    这样即可完成组和用户的创建，在创建完后，即可开始进行下面的操作了。

    第四步：配置ssh免密码连入（三个节点都要做如下配置）

    系统默认是root用户登录的，所以首先是要切换到hadoop用户，以及导航到根目录。然后利用命令生成公钥和私钥，生成位置在.ssh目录下，生成后导航到.ssh目录下，利用ls命令即可查看生成出来的文件，最后将公钥文件中的内容复制成authorized_keys文件，具体涉及命令如下：

    [root@master ~]$ su hadoop

    [hadoop@master ~]$ cd ~

    [hadoop@master ~]$ ssh-keygen -t dsa -P '' -f  ~/.ssh/id_dsa

    [hadoop@master ~]$ cd .ssh/

    [hadoop@master ~]$ cat id_dsa.pub >> authorized_keys

    

    将公钥复制到authorized_keys文件之后一定要修改权限，否则无法进行下一步操作，就像上图中红色框中的内容.

    修改.ssh文件夹以及authorized_keys文件的权限

   [hadoop@master ~]$ chmod 700 ~/.ssh

   [hadoop@master ~]$ chmod 600 ~/.ssh/authorized_keys

   完成以上操作后，可以对各个节点进行自检测

   [hadoop@master ~]$ ssh localhost --第一次连接需要输入yes

   [hadoop@master ~]$ ssh localhost --第一次连接可直接连接，即表示配置成功

   下面开始配置主节点master可以通过ssh免密码登录两个子节点(node2、node3)，在未做以下操作前，如果你在命令行输入ssh node2，是需要输入密码的.

   为了实现这个功能，两个node节点的公钥文件中必须要包含主节点的公钥信息，这样master就可以顺利安全访问两个node。

   首先在node3上做如下操作:（node2和master上也需要做以下操作）

   

   这时候，在master中用ssh连接node2就不需要输入密码了，即表示配置成功。

    第五步：下载安装hadoop

    将下载的hadoop文件放在/home/hadoop用户的根目录下，接着开始解压

    [hadoop@master ~]$ tar xzvf /root/hadoop-0.20.2.tar.gz

    解压后文件会是/home/hadoop/hadoop-0.20.2,此时为了以后操作方便，修改了文件的名称，将hadoop-0.20.0修改为hadoop（这步操作其实完全可以不需要做）。

    解压后需要在/etc/porfile文件中配置hadoop的环境变量

    [hadoop@master ~]$ vi /etc/profile

    export HADOOP_INSTALL=/home/hadoop/hadoop --第一个hadoop是用户名，第二个是刚才修改的文件名称

    export PATH=$PATH:$HADOOP_INSTALL/bin

    接着，就可以修改hadoop的配置文件了，分别是core.site.xml、hdfs-site.xml、mapred-site.xml、hadoop-env.sh、masters、slaves文件（在mater主节点中配置）

core.site.xml

<configuration>  
  <property>  
    <!-- 用于设置Hadoop的文件系统，由URI指定 -->
    <name>fs.default.name</name>  
    <value>hdfs://mater:9000</value>  
  </property>  
  <property>
<!-- 配置Hadoop的临时目录，默认在/tmp目录下，但是/tmp上面可能会被系统自动清理掉。-->
<name>hadoop.tmp.dir</name>
<!-- 目录如果不存在，需要手动创建 -->
    <value>/home/hadoop/hadoop/tmp</value>
    <description>A base for other temperary directory</description>
  </property>
</configuration>  

hdfs-site.xml

<configuration> 
        <property> 
            <name>dfs.name.dir</name> 
            <value>/home/hadoop/hadoop/name</value> 
        </property> 
        <property> 
            <name>dfs.data.dir</name> 
            <value>/home/hadoop/hadoop/data</value> 
        </property> 
        <property> 
            <name>dfs.replication</name> 
            <value>2</value> 
        </property> 
</configuration> 

mapred-site.xml

<configuration>  
  <property>  
    <name>mapred.job.tracker</name>
    <!-- 主节点IP-->
    <value>192.168.1.188:9001</value>  
  </property>  
</configuration>

hadoop-env.sh

<!--在该文件中去掉export JAVA_HOME前面的#，然后根据自己的JDK路径实际配置-->
export JAVA_HOME=/usr/java/jdk1.8.0_65

masters

master

slaves

node2
node3

 在主节点中完成以上配置后，就可以将hadoop复制到node2、node3节点中，这样子节点也就安装好hadoop。

 [hadoop@master ~]$ scp -r ./hadoop node2:~

 [hadoop@master ~]$ scp -r ./hadoop node3:~

第六步：关闭防火墙，启动hadoop

在启动hadoop之前要先关闭防火墙，否则会失败。

关闭完防火墙，在启动hadoop之前，要再做一部格式化主节点master上的namenode(只需要在主节点上操作，子节点中对应只有datanode)

格式化中出现上图标示的successfully formatted 后即可启动hadoop。

启动后，可用JPS命令查看各个节点的各个进程是否启动成功。（在三个节点都做以下操作）

在node2、node3用JPS输入后显示的是：

Jps

DataNode

TaskTracker

这样，安装和配置环节终于完成，最后通过web方式验证hadoop是否安装成功。

在主节点的centos中打开浏览器，默认是火狐，在url地址栏分别输入以下两个命令

http://192.168.1.188:50030/jobtracker.jsp

http://192.168.1.188:50070

分别出现以下页面，即表示安装成功：

http://192.168.1.188:50030/jobtracker.jsp

http://192.168.1.188:50070