hadoop轉-創新互聯

detailed http://wenku.baidu.com/view/c2d1ebb4ba0d4a7302763a84.html

http://hadoop.apache.org/docs/r1.0.4/cn/cluster_setup.html old

最新的hadoop2.5 安裝目錄做了一定修改，安裝變得稍微簡單一點

成都創新互聯是一家集網站建設,連平企業網站建設,連平品牌網站建設,網站定制,連平網站建設報價,網絡營銷,網絡優化,連平網站推廣為一體的創新建站企業，幫助傳統企業提升企業形象加強企業競爭力。可充分滿足這一群體相比中小企業更為豐富、高端、多元的互聯網需求。同時我們時刻保持專業、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學習、思考、沉淀、凈化自己，讓我們為更多的企業打造出實用型網站。

首先安裝準備工具

$ sudo apt-get install ssh $ sudo apt-get install rsync配置ssh $ ssh localhost

If you cannot ssh to localhost without a passphrase, execute the following commands:

$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa $ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

進入etc/hadoop/hadoop-env.sh 配置運行環境

# set to the root of your Java installation export JAVA_HOME=/usr/java/latest # Assuming your installation directory is /usr/local/hadoop export HADOOP_PREFIX=/usr/local/hadoop

配置hdfs端口和備份數

etc/hadoop/core-site.xml:

<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://localhost:9000</value> </property><property>#ClientDatanodeProtocol 調用getBlockLocalPathInfo的時候 <name>dfs.block.local-path-access.user</name> <value>infomorrow</value> </property> <property> <name>dfs.replication</name> <value>1</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/home/infomorrow/hadoop-tmp</value> </property></configuration>

etc/hadoop/hdfs-site.xml:

<configuration> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration>

配置使用yarn

etc/hadoop/mapred-site.xml:

<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>

etc/hadoop/yarn-site.xml:

NodeManager 在啟動時加載shuffle server,shuffle server 實際上是 Jetty/Netty Server,Reduce Task 通過該 server 從各個NodeManager 上遠程復制 Map Task 產生的中間結果

<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration>

啟動過程：

hdfs

$ bin/hdfs namenode -format （初次使用時）
$ sbin/start-dfs.sh
進入監控頁查看 - http://localhost:50070/
在hdfs上創建文件夾
$ bin/hdfs dfs -mkdir /user $ bin/hdfs dfs -mkdir /user/<username>
查看hdfs上創建的文件夾 bin/hadoop fs -ls /

yarn

$ sbin/start-yarn.sh
進入監控頁查看 - http://localhost:8088/

關閉：

$ sbin/stop-dfs.sh$ sbin/stop-yarn.sh

hadoop偽分布可以安裝chukwa

用chukwa的人很少去hadoop論壇問問吧
目測能。。

什叫hadoop偽分布，是一臺主機里有虛擬機這樣

偽分布模式也是在一臺單機上運行，但用不同的 Java 進程模仿分布式運行中的各類結點 ( NameNode, DataNode, JobTracker, TaskTracker, Secondary NameNode )，分布式運行中的這幾個結點的區別：
從分布式存儲的角度來說，集群中的結點由一個 NameNode 和若干個 DataNode 組成, 另有一個 Secondary NameNode 作為 NameNode 的備份。
從分布式應用的角度來說，集群中的結點由一個 JobTracker 和若干個 TaskTracker 組成，JobTracker 負責任務的調度，TaskTracker 負責并行執行任務。
TaskTracker 必須運行在 DataNode 上，這樣便于數據的本地計算。JobTracker 和 NameNode 則無須在同一臺機器上。
偽分布模式安裝步驟：
1.解壓到某目錄下并設置JAVA_HOME。
2.修改配置文件：
a)修改conf/core-site.xml：
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
b)修改conf/mapred-site.xml:
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property>
</configuration>
c)修改conf/hdfs-site.xml:
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
＃參數 fs.default.name 指定 NameNode 的 IP 地址和端口號。缺省值是 file:///, 表示使用本地文件系統, 用于單機非分布式模式。此處我們指定使用運行于本機 localhost 上的 NameNode。
＃參數 mapred.job.tracker 指定 JobTracker 的 IP 地址和端口號。缺省值是 local, 表示在本地同一 Java 進程內執行 JobTracker 和 TaskTracker, 用于單機非分布式模式。此處我們指定使用運行于本機 localhost 上的 JobTracker ( 用一個單獨的 Java 進程做 JobTracker )。
＃參數 dfs.replication 指定 HDFS 中每個 Block 被復制的次數，起數據冗余備份的作用。在典型的生產系統中，這個數常......余下全文>>

歷時一周多，終于搭建好最新版本hadoop2.2集群，期間遇到各種問題，作為菜鳥真心被各種折磨，不過當wordcount給出結果的那一刻，興奮的不得了~~（文當中若有錯誤之處或疑問歡迎指正，互相學習）

PS：轉載請注明來源：http://blog.csdn.net/licongcong_0224/article/details/12972889

另外：歡迎配置過程中遇到問題的朋友留言，相互討論，并且能夠把解決方法共享給大家。下面評論中有幾個朋友遇到的問題和解決方法，歡迎參考！

特別說明：我本人也是hadoop入門不久，并正在學習中，所以當初配置也是參考了很多資料，給出的這個參考配置可以保證大家配置的集群正常work，如果是真正的生產環境，那文檔中是有很多紕漏了，如下面的幾位大牛評論。謝謝參考，并提意見，互相學習！

第一部分 Hadoop 2.2 下載

Hadoop我們從Apache官方網站直接下載最新版本Hadoop2.2。官方目前是提供了linux32位系統可執行文件，所以如果需要在64位系統上部署則需要單獨下載src 源碼自行編譯（10樓評論中提供了一個解決方法鏈接）。

下載地址:http://apache.claz.org/hadoop/common/hadoop-2.2.0/

如下圖所示，下載紅色標記部分即可。如果要自行編譯則下載src.tar.gz.

第二部分集群環境搭建

1、這里我們搭建一個由三臺機器組成的集群：

192.168.0.1 hduser/passwd cloud001 nn/snn/rm CentOS6 64bit

192.168.0.2 hduser/passwd cloud002 dn/nm Ubuntu13.04 32bit

192.168.0.3 hduser/passwd cloud003 dn/nm Ubuntu13.0432bit

1.1 上面各列分別為IP、user/passwd、hostname、在cluster中充當的角色（namenode, secondary namenode, datanode , resourcemanager, nodemanager）

1.2 Hostname可以在/etc/hostname中修改（ubuntu是在這個路徑下，redhat稍有不同）

1.3 這里我們為每臺機器新建了一個賬戶hduser.這里需要給每個賬戶分配sudo的權限。（切換到root賬戶，修改/etc/sudoers文件，增加：hduser ALL=(ALL) ALL ）

2、修改/etc/hosts 文件，增加三臺機器的ip和hostname的映射關系

192.168.0.1 cloud001

192.168.0.2 cloud002

192.168.0.3 cloud003

3、打通cloud001到cloud002、cloud003的SSH無密碼登陸

3.1 安裝ssh

一般系統是默認安裝了ssh命令的。如果沒有，或者版本比較老，則可以重新安裝：

sodu apt-get install ssh

3.2設置local無密碼登陸

安裝完成后會在~目錄（當前用戶主目錄，即這里的/home/hduser）下產生一個隱藏文件夾.ssh（ls -a 可以查看隱藏文件）。如果沒有這個文件，自己新建即可（mkdir .ssh）。

具體步驟如下：

1、進入.ssh文件夾

2、 ssh-keygen -t rsa 之后一路回車（產生秘鑰）

3、把id_rsa.pub 追加到授權的 key 里面去（cat id_rsa.pub >> authorized_keys）

4、重啟 SSH 服務命令使其生效 :service sshd restart（這里RedHat下為sshdUbuntu下為ssh）

此時已經可以進行ssh localhost的無密碼登陸

【注意】：以上操作在每臺機器上面都要進行。

3.3設置遠程無密碼登陸

這里只有cloud001是master，如果有多個namenode，或者rm的話則需要打通所有master都其他剩余節點的免密碼登陸。（將001的authorized_keys追加到002和003的authorized_keys）

進入001的.ssh目錄

scp authorized_keys hduser@cloud002:~/.ssh/ authorized_keys_from_cloud001

進入002的.ssh目錄

cat authorized_keys_from_cloud001>> authorized_keys

至此，可以在001上面sshhduser@cloud002進行無密碼登陸了。003的操作相同。

4、安裝jdk(建議每臺機器的JAVA_HOME路徑信息相同)

注意：這里選擇下載jdk并自行安裝，而不是通過源直接安裝（apt-get install）

4.1、下載jkd（ http://www.oracle.com/technetwork/java/javase/downloads/index.html）

4.1.1 對于32位的系統可以下載以下兩個Linux x86版本（uname -a 查看系統版本）

4.1.2 64位系統下載Linux x64版本(即x64.rpm和x64.tar.gz)

4.2、安裝jdk（這里以.tar.gz版本，32位系統為例）

安裝方法參考http://docs.oracle.com/javase/7/docs/webnotes/install/linux/linux-jdk.html

4.2.1 選擇要安裝java的位置，如/usr/目錄下，新建文件夾java(mkdirjava)

4.2.2 將文件jdk-7u40-linux-i586.tar.gz移動到/usr/java

4.2.3 解壓：tar -zxvf jdk-7u40-linux-i586.tar.gz

4.2.4 刪除jdk-7u40-linux-i586.tar.gz（為了節省空間）

至此，jkd安裝完畢，下面配置環境變量

4.3、打開/etc/profile（vim /etc/profile）

在最后面添加如下內容：

JAVA_HOME=/usr/java/jdk1.7.0_40（這里的版本號1.7.40要根據具體下載情況修改）

CLASSPATH=.:$JAVA_HOME/lib.tools.jar

PATH=$JAVA_HOME/bin:$PATH

export JAVA_HOMECLASSPATH PATH

4.4、source /etc/profile

4.5、驗證是否安裝成功：java–version

【注意】每臺機器執行相同操作，最后將java安裝在相同路徑下（不是必須的，但這樣會使后面的配置方便很多）

5、關閉每臺機器的防火墻

RedHat:

/etc/init.d/iptables stop 關閉防火墻。

chkconfig iptables off 關閉開機啟動。

Ubuntu:

ufw disable (重啟生效)

第三部分 Hadoop 2.2安裝過程

由于hadoop集群中每個機器上面的配置基本相同，所以我們先在namenode上面進行配置部署，然后再復制到其他節點。所以這里的安裝過程相當于在每臺機器上面都要執行。但需要注意的是集群中64位系統和32位系統的問題。

1、解壓文件

將第一部分中下載的hadoop-2.2.tar.gz解壓到/home/hduser路徑下（或者將在64位機器上編譯的結果存放在此路徑下）。然后為了節省空間，可刪除此壓縮文件，或將其存放于其他地方進行備份。

注意：每臺機器的安裝路徑要相同！！

2、 hadoop配置過程

配置之前，需要在cloud001本地文件系統創建以下文件夾：

~/dfs/name

~/dfs/data

~/temp

這里要涉及到的配置文件有7個：

~/hadoop-2.2.0/etc/hadoop/hadoop-env.sh

~/hadoop-2.2.0/etc/hadoop/yarn-env.sh

~/hadoop-2.2.0/etc/hadoop/slaves

~/hadoop-2.2.0/etc/hadoop/core-site.xml

~/hadoop-2.2.0/etc/hadoop/hdfs-site.xml

~/hadoop-2.2.0/etc/hadoop/mapred-site.xml

~/hadoop-2.2.0/etc/hadoop/yarn-site.xml

以上個別文件默認不存在的，可以復制相應的template文件獲得。

配置文件1：hadoop-env.sh

修改JAVA_HOME值（export JAVA_HOME=/usr/java/jdk1.7.0_40）

配置文件2：yarn-env.sh

修改JAVA_HOME值（exportJAVA_HOME=/usr/java/jdk1.7.0_40）

配置文件3：slaves （這個文件里面保存所有slave節點）

寫入以下內容：

cloud002

cloud003

配置文件4：core-site.xml

<name>fs.defaultFS</name>

<value>hdfs://cloud001:9000</value>

</property>

<name>io.file.buffer.size</name>

</property>

<name>hadoop.tmp.dir</name>

<value>file:/home/hduser/tmp</value>

<description>Abase for other temporary directories.</description>

</property>

<name>hadoop.proxyuser.hduser.hosts</name>

</property>

<name>hadoop.proxyuser.hduser.groups</name>

</property>

</configuration>

配置文件5：hdfs-site.xml

<name>dfs.namenode.secondary.http-address</name>

<value>cloud001:9001</value>

</property>

<name>dfs.namenode.name.dir</name>

<value>file:/home/hduser/dfs/name</value>

</property>

<name>dfs.datanode.data.dir</name>

<value>file:/home/hduser/dfs/data</value>

</property>

<name>dfs.replication</name>

</property>

<name>dfs.webhdfs.enabled</name>

</property>

</configuration>

配置文件6：mapred-site.xml

<name>mapreduce.framework.name</name>

</property>

<name>mapreduce.jobhistory.address</name>

<value>cloud001:10020</value>

</property>

<name>mapreduce.jobhistory.webapp.address</name>

<value>cloud001:19888</value>

</property>

</configuration>

配置文件7：yarn-site.xml

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>

<value>org.apache.hadoop.mapred.ShuffleHandler</value>

</property>

<name>yarn.resourcemanager.address</name>

<value>cloud001:8032</value>

</property>

<name>yarn.resourcemanager.scheduler.address</name>

<value> cloud001:8030</value>

</property>

<name>yarn.resourcemanager.resource-tracker.address</name>

<value> cloud001:8031</value>

</property>

<name>yarn.resourcemanager.admin.address</name>

<value> cloud001:8033</value>

</property>

<name>yarn.resourcemanager.webapp.address</name>

<value> cloud001:8088</value>

</property>

</configuration>

3、復制到其他節點

這里可以寫一個shell腳本進行操作（有大量節點時比較方便）

cp2slave.sh

#!/bin/bash

scp–r /home/hduser/hadoop-2.2.0 hduser@cloud002:~/

scp–r /home/hduser/hadoop-2.2.0 hduser@cloud003:~/

注意：由于我們集群里面001是64bit 而002和003是32bit的，所以不能直接復制，而采用單獨安裝hadoop，復制替換相關配置文件：

Cp2slave2.sh

#!/bin/bash

scp /home/hduser/hadoop-2.2.0/etc/hadoop/slaveshduser@cloud002:~/hadoop-2.2.0/etc/hadoop/slaves

scp /home/hduser/hadoop-2.2.0/etc/hadoop/slaveshduser@cloud003:~/hadoop-2.2.0/etc/hadoop/slaves

scp /home/hduser/hadoop-2.2.0/etc/hadoop/core-site.xmlhduser@cloud002:~/hadoop-2.2.0/etc/hadoop/core-site.xml

scp /home/hduser/hadoop-2.2.0/etc/hadoop/core-site.xml hduser@cloud003:~/hadoop-2.2.0/etc/hadoop/core-site.xml

scp /home/hduser/hadoop-2.2.0/etc/hadoop/hdfs-site.xmlhduser@cloud002:~/hadoop-2.2.0/etc/hadoop/hdfs-site.xml

scp /home/hduser/hadoop-2.2.0/etc/hadoop/hdfs-site.xmlhduser@cloud003:~/hadoop-2.2.0/etc/hadoop/hdfs-site.xml

scp /home/hduser/hadoop-2.2.0/etc/hadoop/mapred-site.xmlhduser@cloud002:~/hadoop-2.2.0/etc/hadoop/mapred-site.xml

scp /home/hduser/hadoop-2.2.0/etc/hadoop/mapred-site.xmlhduser@cloud003:~/hadoop-2.2.0/etc/hadoop/mapred-site.xml

scp /home/hduser/hadoop-2.2.0/etc/hadoop/yarn-site.xmlhduser@cloud002:~/hadoop-2.2.0/etc/hadoop/yarn-site.xml

scp /home/hduser/hadoop-2.2.0/etc/hadoop/yarn-site.xmlhduser@cloud003:~/hadoop-2.2.0/etc/hadoop/yarn-site.xml

4、啟動驗證

4.1 啟動hadoop

進入安裝目錄： cd ~/hadoop-2.2.0/

格式化namenode：./bin/hdfs namenode –format

啟動hdfs: ./sbin/start-dfs.sh

此時在001上面運行的進程有：namenode secondarynamenode

002和003上面運行的進程有：datanode

啟動yarn: ./sbin/start-yarn.sh

此時在001上面運行的進程有：namenode secondarynamenoderesourcemanager

002和003上面運行的進程有：datanode nodemanaget

查看集群狀態：./bin/hdfs dfsadmin –report

查看文件塊組成： ./bin/hdfsfsck / -files -blocks

查看HDFS: http://16.187.94.161:50070

查看RM: http:// 16.187.94.161:8088

4.2 運行示例程序：

先在hdfs上創建一個文件夾

./bin/hdfs dfs –mkdir /input

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jarrandomwriter input

PS：dataNode 無法啟動是配置過程中最常見的問題，主要原因是多次format namenode 造成namenode 和datanode的clusterID不一致。建議查看datanode上面的log信息。解決辦法:修改每一個datanode上面的CID(位于dfs/data/current/VERSION文件夾中)使兩者一致。還有一種解決方法見下面6樓評論！

文章名稱：hadoop轉-創新互聯
新聞來源：http://m.newbst.com/article34/dcjope.html

成都網站建設公司_創新互聯，為您提供網站導航、做網站、自適應網站、靜態網站、品牌網站設計、動態網站