在ubuntu部署分布式hadoop

安装一个Hadoop集群时，需要专门指定一个服务器作为主节点。

三台虚拟机搭建的集群：（搭建集群时主机名不能一样，主机名在/etc/hostname修改）

master机器：（集群的主节点，驻留NameNode和JobTracker守护进程）

IP：10.61.1.21 机器名：wangwei1

slaves机器：（集群的从节点，驻留DataNode和TaskTracker守护进程）

IP：10.61.1.22 机器名：wangwei2

IP：10.61.1.23 机器名：wangwei3

这三台机器都安装好了hadoop-1.0.3，JDK和ssh。

这三台机器都要编辑/etc/hosts

增加：

10.61.1.21    wangwei1

10.61.1.22    wangwei2

10.61.1.23    wangwei3

SSH Access
master必须能以passless ssh访问slaves

wangwei@wangwei1:~$ ssh-copy-id -i $HOME/.ssh/id_rsa.pub wangwei@wangwei2
wangwei@wangwei1:~$ ssh-copy-id -i $HOME/.ssh/id_rsa.pub wangwei@wangwei3

执行以上的命令都需要输入对方的密码。

完成后，可以在master上分别运行：

wangwei@wangwei1:~$ ssh wangwei2
wangwei@wangwei1:~$ ssh wangwei3

看是否不需要输入密码，如果不需要则设置正确。

配置
只对于master机器（wangwei1）：

更新conf/masters文件如下：

wangwei1

更新conf/slaves文件如下：

wangwei1

wangwei2

wangwei3

对于这三台机器：

更新三个配置文件的相关属性

<!-- In: conf/core-site.xml -->
<property>
<name>fs.default.name</name>
<value>hdfs://wangwei1:9000</value>      ------定位文件系统的NameNode
</property>

<!-- In: conf/mapred-site.xml -->
<property>
<name>mapred.job.tracker</name>
<value>wangwei1:9001</value>            --------定位JobTrecker所在主节点
</property>

<!-- In: conf/hdfs-site.xml -->
<property>
<name>dfs.replication</name>
<value>3</value>                            -----------增大HDFS备份参数
</property>

第一次运行
首先需要Format namenode

(格式化之前最好在所有机器上清空hdfs/data,hdfs/name，以免造成冲突）

在wangwei1上运行:

wangwei@wangwei1:~/hadoop$ bin/hadoop namenode -format

开启集群
开启 HDFS daemons
在wangwei1上运行：

wangwei@wangwei1:~/hadoop$ bin/start-dfs.sh

开启后，可以在master和slave上运行jps命令,查看开启的daemons

开启MapReduce daemons

在wangwei1上运行：

wangwei@wangwei1:~/hadoop$ bin/start-mapred.sh

可以在master和slave上运行jps命令,查看开启的daemons

运行MapReduce Job
在wangwei1机器上运行WordCount：

首先在dfs中创建input目录

wangwei@wangwei1:~/hadoop$ bin/hadoop dfs -mkdir input

将conf中的文件拷贝到dfs中的input：

wangwei@wangwei1:~/hadoop$ bin/hadoop dfs -copyFromLocal conf/* input

运行WordCount

wangwei@wangwei1:~/hadoop$ bin/hadoop jar hadoop-1.0.3-examples.jar wordcount input output

显示输出结果文件：

wangwei@wangwei1:~/hadoop$ bin/hadoop dfs -cat output/*

关闭集群
关闭MapReduce daemons
在master上运行：

wangwei@wangwei1:~/hadoop$ bin/stop-mapred.sh

关闭HDFS daemons

在master上运行：

wangwei@wangwei1:~/hadoop$ bin/stop-dfs.sh