Ubantu下搭建Hadoop2.x完全分布式集群

原文地址：http://jingyan.baidu.com/article/27fa73269c02fe46f9271f45.html

一、 工具/原料

· linux系统（本篇使用的是CentOS v6.5）

· Hadoop安装包（本篇使用的是hadoop v2.6.0）

二、 环境要求

1.
1

　　需要安装JDK6.0以上版本（可自行解压安装或使用自带的软件安装包，如yum）

　　




2.
2

　　需要无密码登录的SSH环境（安装ssh及sshd，具体配置步骤在后面介绍）

　　




END

三、 安装/配置步骤

1.
1

　　配置hosts文件，将主机名和对应IP地址映射。如图中Master、Slave1和Slave2是我们要搭建分布式环境的机器。Master为主机，Slavex为从机。

　　




2.
2

　　配置SSH的无密码登录：可新建专用用户hadoop进行操作，cd命令进入所属目录下，输入以下指令（已安装ssh）

　　ssh-keygen -t rsa -P ""

　　cat .ssh/id_rsa.pub>>.ssh/authorized_keys

　　解释一下，第一条生成ssh密码的命令，-t 参数表示生成算法，有rsa和dsa两种；-P表示使用的密码，这里使用“”空字符串表示无密码。

　　第二条命令将生成的密钥写入authorized_keys文件。

　　这时输入 ssh localhost，弹出写入提示后回车，便可无密码登录本机。同理，将authorized_keys文件 通过 scp命令拷贝到其它主机相同目录下，则可无密码登录其它机器。



　　


3.
3

　　安装hadoop：安装方式很简单，下载安装包到所属目录下，使用

　　tar -zxvf 安装包名

　　进行解压，解压完毕可通过mv 命令重命名文件夹，安装至此完成。解压后的目录内容如图所示。

　　

　　



4.
4

　　hadoop配置过程：要实现分布式环境，配置过程是最为重要的，

　　这里要涉及到的配置文件有7个：

　　~/hadoop/etc/hadoop/hadoop-env.sh

　　~/hadoop/etc/hadoop/yarn-env.sh

　　~/hadoop/etc/hadoop/slaves

　　~/hadoop/etc/hadoop/core-site.xml

　　~/hadoop/etc/hadoop/hdfs-site.xml

　　~/hadoop/etc/hadoop/mapred-site.xml

　　~/hadoop/etc/hadoop/yarn-site.xml

　　之后会分别介绍各个配置的的作用和配置关键

　

　　




5.
5

　　3.1 配置文件1：hadoop-env.sh

　　该文件是hadoop运行基本环境的配置，需要修改的为java虚拟机的位置。

　　故在该文件中修改JAVA_HOME值为本机安装位置（如，exportJAVA_HOME=/usr/lib/jvm/java-1.7.0）

　　




6.
6

　　3.2 配置文件2：yarn-env.sh

　　该文件是yarn框架运行环境的配置，同样需要修改java虚拟机的位置。

　　在该文件中修改JAVA_HOME值为本机安装位置（如，exportJAVA_HOME=/usr/lib/jvm/java-1.7.0）

　　




7.
7

　　3.3 配置文件3：slaves

　　该文件里面保存所有slave节点的信息，以本篇为例

　　写入以下内容（hosts里从机的主机名）：

　　Slave1

　　Slave2

　　




8.
8

　　3.4 配置文件4：core-site.xml

<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>/data/hadoop-${user.name}</value>
</property>
<property>
<name>fs.default.name</name>
<value>hdfs://Master:9000</value>
</property>
</configuration>

　　这个是hadoop的核心配置文件，这里需要配置的就这两个属性，fs.default.name配置了hadoop的HDFS系统的命名，位置为主机的9000端口；hadoop.tmp.dir配置了hadoop的tmp目录的根位置。这里使用了一个文件系统中没有的位置，所以要先用mkdir命令新建一下。



9.
9

　　3.5 配置文件5：hdfs-site.xml

<configuration>
<property>
<name>dfs.http.address</name>
<value>Master:50070</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name><value>Master:50090</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>

　　这个是hdfs的配置文件，dfs.http.address配置了hdfs的http的访问位置；dfs.replication配置了文件块的副本数，一般不大于从机的个数。



10.
10

　　3.6 配置文件6：mapred-site.xml

<configuration>
<property>
<name>mapred.job.tracker</name>
<value>Master:9001</value>
</property>
<property>
<name>mapred.map.tasks</name>
<value>20</value>
</property>
<property>
<name>mapred.reduce.tasks</name>
<value>4</value>
</property>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name><value>Master:10020</value>
</property>
<property><name>mapreduce.jobhistory.webapp.address</name><value>Master:19888</value>
</property>
</configuration>

　这个是mapreduce任务的配置，由于hadoop2.x使用了yarn框架，所以要实现分布式部署，必须在mapreduce.framework.name属性下配置为yarn。mapred.map.tasks和mapred.reduce.tasks分别为map和reduce的任务数，至于什么是map和reduce，可参考其它资料进行了解。

　　其它属性为一些进程的端口配置，均配在主机下。



11.
11

　　3.7 配置文件7：yarn-site.xml

<configuration>
<property>
<name>yarn.resourcemanager.address</name>
<value>Master:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>Master:8030</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>Master:8088</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name><value>Master:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name><value>Master:8033</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name><value>org.apache.hadoop.mapred.ShuffleHandler</value></property>
</configuration>

　　该文件为yarn框架的配置,主要是一些任务的启动位置

　　


12.
12

　　将配置好的hadoop复制到其他节点

　　scp –r ~/hadoop hadoop@Slave1:~/

　　scp –r ~/hadoop hadoop@Slave2:~/

END

四、 启动验证

1.
1

　　格式化namenode：

　　./bin/hdfs namenode -format

　　若出现如图所示提示，则格式化成功

　　




2.
2

　　启动hdfs: ./sbin/start-dfs.sh

　　此时在Master上面运行的进程有：namenodesecondarynamenode

　　Slave1和Slave2上面运行的进程有：datanode

　　启动yarn: ./sbin/start-yarn.sh

　　此时在Master上面运行的进程有：namenodesecondarynamenode resourcemanager

　　Slave1和Slave2上面运行的进程有：datanodenodemanager

　　


　　






3.
3

　　检查启动结果

　　查看集群状态：./bin/hdfs dfsadmin–report

　　查看文件块组成： ./bin/hdfsfsck / -files -blocks

　　查看HDFS: http://192.168.101.248:50070（主机IP）
　　查看RM: http:// 192.168.101.248:8088（主机IP）

　　正确情况如图显示

　　


　　






END

五、 注意事项

· 根目录为不存在的文件夹时，需自行创建。

· 启动过程使用端口较多，若无其它原因，需关闭防火墙以正常启动。

· 重新格式化namenode时，需先删除各节点的data文件