Hadoop分布式集群搭建
更多内容请访问： http://www.mikameng.com
简介： Hadoop是Apache开源组织的一个并行分布式计算开源框架，借助hadoop框架程序员很容易的实现大规模计算机并行分布式计算。hadoop主要包含MapReduce和HDFS，
MapReduce是基于Google MapReduce论文的开源java实现， map就是将任务分解，然后交给大规模计算机集群去运算，reduce负责合并计算结果。
HDFS： 基于google GFS分布式文件系统论文的开源实现，是hadoop底层存储组件。
环境： RedHat as 5
配置机器：
namenode：10.0.0.114， 机器名： mika
datanode： 10.0.0.115 机器名： c1
- 配置JDK
下载linux jdk安装包： http://download.oracle.com/otn-pub/java/jdk/6u25-b06/jdk-6u25-linux-i586.bin ，
提升bin权限： $ sudo chmod +x jdk-6u25-linux-i586.bin
安装bin文件 $ ./jdk-6u25-linux-i586.bin, 确认后安装即可。
设置java运行环境变量, 我的jdk安装在opt下
$ sudo vi /etc/profile 添加下面的设置：
JAVA_HOME="/opt/jdk1.6.0_25"
PATH=$JAVA_HOME/bin:$PATH
CALSSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export
JAVA_HOME
export PATH
export CALSSPATH
修改保存，然后输入source /etc/profile 激活修改后的java环境变量。
2. 修改hosts文件
name节点，可以通过机器名访问data节点， 添加如下内容：
10.0.0.114 mika
10.0.0.115 c1
data节点，c1添加如下内容：
10.0.0.114 mika
10.0.0.115 c1
3. 设置ssh实现免密码登录
redhat 默认是安装ssh的， 如果没有请先安装ssh服务。
在name节点 生成ssh key，
$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa 生成密钥对，
$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys 复杂公钥到authorized_keys文件
scp命令将公钥拷贝到c1数据节点：
$ scp ~/.ssh/authorized_keys c1:/~/.ssh
测试name节点无密码登录c1机器： ssh c1， 出现欢迎登录，配置成功。
4. 配置hadoop
下载最新hadoop最新稳定发行版： http://www.apache.org/dyn/closer.cgi/hadoop/common/ ， 解压后修改conf/hadoop-env.sh内的JAVA_HOME，修改为/opt/opt/jdk1.6.0_25
输入命令 bin/hadoop 出现命令使用说明
接下来配置完全分布式集群，所有机器的hadoop安装路径相同：
- 修改core-site.xml文件：
<configuration>
<property>
<name> fs.default.name </name>
<value> hdfs://mika:9000 </value>
</property>
<property>
<name> hadoop.tmp.dir </name>
<value> /opt/hadoop/tmp </value>
</property>
</configuration>
注意： 需要更改hadoop.tmp.dir默认的指向， 默认指向tmp目录下， 有可能会出现其他问，有时候会出现发现不了datanode的问题。
- 修改hdfs-site.xml 文件：
<?xml-stylesheet type=”text/xsl” href=”configuration.xsl”?>
<configuration>
<property>
<name> dfs.replication </name>
<value> 1 </value>
</property>
</configuration>
- 修改mapred-site.xml
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name> mapred.job.tracker </name>
<value> mika:9001 </value>
</property>
</configuration>
修改masters： 添加一行内容 mika
修改slaves： 添加一行内容 c1
然后scp将masters，slaves， core-site.xml, hdfs-site.xml, mapred-site.xml 复制到 c1节点
- 格式化新的分布式文件系统：
bin/hadoop namenode -format
- 在分配的NameNode上，启动hdfs
bin/start-dfs.sh
- 在分配的JobTracker上, 启动mapred
bin/start-mapred.sh
JPS查看namenode服务是否启动
浏览NameNode和JobTracker的网络接口，它们的地址默认为：
- NameNode - http://mika:50070/
- JobTracker - http://mika:50030/
备注： 如果新加一个节点c2（10.0.0.116）， 该如何设置？
在name节点的hosts里加入 10.0.0.116 c2， 然后在name和c2节点的slaves里添加c2 ，然后在c2节点里启动输入：
bin/start-daemon start datanode
bin/start-daemon start tasktrack