www.zjcoo.com

 　　部署环境：

　　OS：Redhat 5.5 Enterprise

　　JDK：jdk1.6.0_32

　　Hadoop：Hadoop-0.20.2

　　VMWare：7.0

　　节点安排及网络拓扑：

　　节点类型节点IP节点hostname

　　master节点 192.168.40.5master

　　slave节点　 192.168.40.5master(此时，master既是master节点，也是slave节点)

　　192.168.40.6salve1

　　192.168.40.7slave2

　　secondaryName节点192.168.40.5master(此时，master既是master节点，也是slave节点，也是secondaryNameNode)

　　配置步骤：

　　一、网络配置

　　首先关闭三台虚拟机的防火墙，步骤可参考：关闭防火墙

　　先用VMWare安装三台虚拟机(可以先安装一台，然后clone两台)，按照节点安排及网络拓扑配置网络，先配置master节点的网络：

　　① 静态网络IP配置见VMware Redhat网络配置，分别将三台虚拟机的IP进行设置

　　② 修改主机名：vi /etc/hosts(解析IP要用)，添加

　　192.168.40.5 master

　　192.168.40.6 slave1

　　192.168.40.7 slave2

　　③ 按照此过程及相同数据(除了IP地址不同)对三台虚拟机进行配置

　　二、 安装jdk

　　Hadoop 是用java开发的，Hadoop的编译及mapreduce的运行都需要使用JDK，所以JDK是必须安装的

　　① 下载jdk，http://www.oracle.com/technetwork/java/javase/downloads/index.html

　　② 在用户根目录下，建立bin文件夹：mkdir ~/bin(也可放在其他处，个人习惯而已)

　　③ 改变执行权限：chmod u+x jdk-6u26-linux-i586.bin

　　④ 执行文件：sudo -s ./jdk-6u26-linux-i586.bin，一路确定

　　⑤ 配置环境变量：vi ~/.bash_profile,添加：

　　export JAVA_HOME=/root/bin/jdk1.6.0_32 export PATH=$PATH:$JAVA_HOME/bin

　　⑥ 使profile文件生效：source ~/.bash_profile

　　⑦ 验证是否配置成功：which java

　　[root@master ~]# which java

　　/root/bin/jdk1.6.0_32/bin/java 配置生效。也可输入java -version, java, javac进一步确定

　　⑧ 分别相同配置另外两台主机

　　

　　三、建立ssh互信

　　hadoop 需要通过ssh互信来启动slave里表中各个主机的守护进程，所以SSH是必须安装的(redhat 5.5 Enterprise 以默认安装)。但是是否建立ssh互信(即无密码登陆)并不是必须的，但是如果不配置，每次启动hadoop，都需要输入密码以便登录到每台机器的Datanode上，而一般的hadoop集群动辄数百或数千台机器，因此一般来说都会配置ssh互信。

　　① 生成密钥并配置ssh无密码登陆主机(在master主机)

　　ssh -keygen -t dsa -P '' -f ~/.ssh/id_dsa

　　cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

　　② 将authorized_keys文件拷贝到两台slave主机

　　scp authorized_keys slave1:~/.ssh/

　　scp authorized_keys slave2:~/.ssh/

　　③ 检查是否可以从master无密码登陆slave机

　　ssh slave1(在master主机输入) 登陆成功则配置成功，exit退出slave1返回master

　　四、配置Hadoop

　　① 下载：点击到下载页面，选择hadoop-0.20.2.tar.gz

　　② 放到~/bin下解压： tar -xzvf hadoop-0.20.2.tar.gz

　　③ 解压后进入：~/bin/hadoop-0.20.2/conf/，修改配置文件：

　　修改hadoop-env.sh:

　　export JAVA_HOME=/root/bin/jdk1.6.0_32转载注明出处：博客园 石头儿 http://www.cnblogs.com/shitouer/

　　hadoop-env.sh里面有这一行，默认是被注释的，只需要把注释去掉，并且把JAVA_HOME 改成你的java安装目录即可

　　修改core-site.xml

　　

　　

　　

　　

　　fs.default.name

　　hdfs://master:9000

　　

　　Hadoop.tmp.dir

　　/tmp/hadoop-root

　　

　　

　　注释一：hadoop分布式文件系统文件存放位置都是基于hadoop.tmp.dir目录的，namenode的名字空间存放地方就是 ${hadoop.tmp.dir}/dfs/name, datanode数据块的存放地方就是 ${hadoop.tmp.dir}/dfs/data，所以设置好hadoop.tmp.dir目录后，其他的重要目录都是在这个目录下面，这是一个根目录。

　　注释二：fs.default.name,设置namenode所在主机，端口号是9000

　　注释三：core-site.xml 对应有一个core-default.xml, hdfs-site.xml对应有一个hdfs-default.xml,mapred-site.xml对应有一个mapred-default.xml。这三个defalult文件里面都有一些默认配置，现在我们修改这三个site文件，目的就覆盖default里面的一些配置

　　修改hdfs-site.xml

　　

　　

　　

　　

　　dfs.replication

　　3

　　

　　

　　dfs.replication，设置数据块的复制次数，默认是3，如果slave节点数少于3，则写成相应的1或者2

　　修改mapred-site.xml

　　

　　

　　

　　

　　mapred.job.tracker

　　http://master:9001

　　

　　

　　mapred.job.tracker，设置jobtracker所在机器，端口号9001

　　修改masters

　　master

　　虽然masters内写的是master，但是个人感觉，这个并不是指定master节点，而是配置secondaryNameNode

　　修改slaves

　　master

　　slave1

　　slave2

　　配置了集群中所有slave节点

　　④ 添加hadoop环境变量，并 source ~/.bash_profile使之生效

　　export JAVA_HOME=/root/bin/jdk1.6.0_32 export HADOOP_HOME=/root/bin/hadoop-0.20.2 export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

　　⑤ 将已经配置好的hadoop-0.20.2，分别拷贝到另外两台主机，并做相同配置

　　⑥ 此时，hadoop的集群配置已经完成，输入hadoop，则可看到hadoop相关的操作

　　[root@master ~]# hadoop

　　Usage: hadoop [--config confdir] COMMAND

　　where COMMAND is one of:

　　namenode -format format the DFS filesystem

　　secondarynamenode run the DFS secondary namenode

　　namenode run the DFS namenode

　　datanode run a DFS datanode

　　dfsadmin run a DFS admin client

　　mradmin run a Map-Reduce admin client

　　fsck run a DFS filesystem checking utility

　　fs run a generic filesystem user client

　　balancer run a cluster balancing utility

　　jobtracker run the MapReduce job Tracker node

　　pipes run a Pipes job

　　tasktracker run a MapReduce task Tracker node

　　job manipulate MapReduce jobs

　　queue get information regarding JobQueues

　　version print the version

　　jar run a jar file

　　distcp copy file or directories recursively

　　archive -archiveName NAME * create a hadoop archive

　　daemonlog get/set the log level for each daemon

　　or

　　CLASSNAME run the class named CLASSNAME

　　Most commands print help when invoked w/o parameters.

　　⑦ 此时，首先格式化hadoop

　　在命令行里执行，hadoop namenode -format

　　⑧ 启动hadoop

　　在命令行里执行，start-all.sh，或者执行start-dfs.sh,再执行start-mapred.sh

　　⑨ 输入jps，查看启动的服务进程

　　master节点：[root@master ~]# jps

　　25429 SecondaryNameNode

　　25500 JobTracker

　　25201 NameNode

　　25328 DataNode

　　18474 Jps

　　25601 TaskTracker

　　slave节点：[root@slave1 ~]# jps

　　4469 TaskTracker

　　4388 DataNode

　　29622 Jps

　　如上显示，则说明相应的服务进程都启动成功了。

　　圈10(额，像①一样的圈出不来了(⊙o⊙)) 查看hdfs分布式文件系统的 文件目录结构

　　hadoop fs -ls /

　　此时发现为空，因为确实什么也没有，运行一下命令，则可创建一个文件夹：

　　hadoop fs -mkdir /newDir

　　再次执行hadoop fs -ls /，则会看到newDir文件夹，关于hadoop fs 命令，参见：HDFS 命令

　　圈11 运行hadoop 类似hello world的程序

　　本来，都是以word count来运行的，但是还得建文件夹之类的，有一个更简单的，就是example中的计算π值的程序，我们来计算一下，进入hadoop目录，运行如下：

　　[root@slave1 hadoop-0.20.2]# hadoop jar hadoop-0.20.2-examples.jar pi 4 2

　　Number of Maps = 4

　　Samples per Map = 2

　　Wrote input for Map #0

　　Wrote input for Map #1

　　Wrote input for Map #2

　　Wrote input for Map #3

　　Starting Job

　　12/05/20 09:45:19 INFO mapred.FileInputFormat: Total input paths to process : 4

　　12/05/20 09:45:19 INFO mapred.JobClient: Running job: job_201205190417_0005

　　12/05/20 09:45:20 INFO mapred.JobClient: map 0% reduce 0%

　　12/05/20 09:45:30 INFO mapred.JobClient: map 50% reduce 0%

　　12/05/20 09:45:31 INFO mapred.JobClient: map 100% reduce 0%

　　12/05/20 09:45:45 INFO mapred.JobClient: map 100% reduce 100%

　　12/05/20 09:45:47 INFO mapred.JobClient: Job complete: job_201205190417_0005

　　12/05/20 09:45:47 INFO mapred.JobClient: Counters: 18

　　12/05/20 09:45:47 INFO mapred.JobClient: Job Counters

　　12/05/20 09:45:47 INFO mapred.JobClient: Launched reduce tasks=1

　　12/05/20 09:45:47 INFO mapred.JobClient: Launched map tasks=4

　　12/05/20 09:45:47 INFO mapred.JobClient: Data-local map tasks=4

　　12/05/20 09:45:47 INFO mapred.JobClient: FileSystemCounters

　　12/05/20 09:45:47 INFO mapred.JobClient: FILE_BYTES_READ=94

　　12/05/20 09:45:47 INFO mapred.JobClient: HDFS_BYTES_READ=472

　　12/05/20 09:45:47 INFO mapred.JobClient: FILE_BYTES_WRITTEN=334

　　12/05/20 09:45:47 INFO mapred.JobClient: HDFS_BYTES_WRITTEN=215

　　12/05/20 09:45:47 INFO mapred.JobClient: Map-Reduce Framework

　　12/05/20 09:45:47 INFO mapred.JobClient: Reduce input groups=8

　　12/05/20 09:45:47 INFO mapred.JobClient: Combine output records=0

　　12/05/20 09:45:47 INFO mapred.JobClient: Map input records=4

　　12/05/20 09:45:47 INFO mapred.JobClient: Reduce shuffle bytes=112

　　12/05/20 09:45:47 INFO mapred.JobClient: Reduce output records=0

　　12/05/20 09:45:47 INFO mapred.JobClient: Spilled Records=16

　　12/05/20 09:45:47 INFO mapred.JobClient: Map output bytes=72

　　12/05/20 09:45:47 INFO mapred.JobClient: Map input bytes=96

　　12/05/20 09:45:47 INFO mapred.JobClient: Combine input records=0

　　12/05/20 09:45:47 INFO mapred.JobClient: Map output records=8

　　12/05/20 09:45:47 INFO mapred.JobClient: Reduce input records=8

　　Job Finished in 28.952 seconds

　　Estimated value of Pi is 3.50000000000000000000

　　计算PI值为3.5，还算靠近，至于输出log日志，就不介绍了，以后学的稍微深入，可多做了解。

　　Hadoop 三节点集群的配置就介绍到这里，接下来，会介绍一下如何在windows中远程连接hadoop，并配置eclipse来进行MapReduce的开发和调试。

重庆中技互联网信息咨询有限公司 www.zjcoo.com