Hadoop 伪分布模式的安装

一 下载软件

       

     安装环境：CentOS 6.4 X86_64

                        JDK 1.7.0_25

                        Hadoop 1.2.1

     Hadop下载地址：http://hadoop.apache.org/releases.html

       JDK  下载地址：http://www.oracle.com/technetwork/java/javase/downloads/index.html  

二  SSH免密码登录

          

         a.安装SSH服务

          yum install ssh 安装SSH协议

        yum install rsync （rsync是一个远程数据同步工具，可通过LAN/WAN快速同步多台主机间的文件） 

        service sshd restart 启动服务 

        b.配置

         生成其无密码密钥对

        ssh-keygen –t rsa –P ‘'

        询问其保存路径时直接回车采用默认路径。生成的密钥对：id_rsa和id_rsa.pub，默认存储在"/home/hadoop/.ssh"目录下。

       查看"/home/hadoop/"下是否有".ssh"文件夹，且".ssh"文件下是否有两个刚生产的无密码密钥对。

         把id_rsa.pub追加到授权的key里面去

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

       c.修改权限

         在验证前，需要做两件事儿。第一件事儿是修改文件"authorized_keys"权限（权限的设置非常重要，因为不安全的设置安全设置，会让你不能使用RSA功能），另一件事儿是用root用户设置"/etc/ssh/sshd_config"的内容。使其无密码登录有效。

      修改文件"authorized_keys"权限

       chmod 600 ~/.ssh/authorized_keys     

       用root用户登录服务器修改SSH配置文件"/etc/ssh/sshd_config"的下列内容

        vim /etc/ssh/sshd_config

      修改如下的内容：

       RSAAuthentication yes # 启用 RSA 认证

       PubkeyAuthentication yes # 启用公钥私钥配对认证方式

       AuthorizedKeysFile .ssh/authorized_keys # 公钥文件路径（和上面生成的文件同） 

      d.验证登录

      退出root登录，使用hadoop普通用户验证是否成功     

       ssh localhost

       注意：把公钥复制到其他的所有机器上，可以实现hadoop集群部署

       scp ~/.ssh/id_rsa.pub 远程用户名@远程服务器IP:~/

       scp ~/.ssh/id_rsa.pub hadoop@192.168.1.3:~/

       上面的命令是 复制 文件" id_rsa.pub "到服务器IP为" 192.168.1.3 "的用为" hadoop "的" /home/hadoop/ “下面。

      注意：1. 文件夹".ssh"在配置SSH无密码登录时系统自动生成时，权限自动为"700"，如果是自己手动创建，它的组权限和其他权限都有，这样就会导致RSA无密码远程登录失败，所以如果是手动创建.ssh文件夹的话应将其权限设置为700:

       chmod 700 ~/.ssh  

              2.在配置SSH需要注意两个权限：a.authorized_keys的权限600  b.ssh文件夹的权限700

三 配置JAVA

     a. 将下载后的java文件进行解压，然后将其放到相应的文件夹中

     b. 配置java环境变量

      以下命令都适用root用户进行操作

      vim /etc/profile

      在文件尾部添加以下内容

      #set java environment

      export JAVA_HOME=/usr/java/jdk1.6.0_31

      export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

      export PATH=$PATH:$JAVA_HOME/bin:$JAVA_HOME/jre/bin 

       使配置生效

       source /etc/profile

     c.验证

        java -version

四 配置主机名字

    a.主机名称的修改

      查看当前主机的名称：hostname

      修改当前主机的名称(使用root用户)： vim /etc/sysconfig/network

           HOSTNAME=Master

    b.配置hosts文件 

    " /etc/hosts "这个文件是用来配置主机将用的 DNS 服务器信息，是记载LAN内接续的各主机的对应[HostName和IP]用的。当用户在进行网络连接时，首先查找该文件，寻找对应主机名（或域名）对应的IP地址。

      我们要测试两台机器之间知否连通，一般用"ping 机器的IP"，如果想用"ping 机器的主机名"发现找不见该名称的机器，解决的办法就是修改" /etc/hosts "这个文件，通过把LAN内的各主机的IP地址和HostName的 一一对应 写入这个文件的时候，就可以解决问题。

     修改hosts文件： vim /etc/hosts

       192.168.2.175  Master

      192.168.2.175  Slave

  注：如果是集群搭建的话，可以书写不同的IP地址

     c.测试连通性

       ping Slave

     

五 配置Hadoop

     a.修改hadoop-env.sh文件,设置java环境

          export JAVA_HOME=/usr/java/jdk1.6.0_31

     b. 配置core-site.xml         

1. <configuration>  
2.    <property>  
3.      <name>fs.default.name</name>  
4.      <value>hdfs://192.168.2.175:9000/</value>  
5.      默认的namenode的端口为8020  
6.    </property>  
7.    <property>  
8.      <name>hadoop.tmp.dir</name>  
9.      <value>/home/hadoop/hadoop/tmp</value>  
10.    </property>  
11. </configuration>  

      c. 配置hdfs-site.xml    

1. <configuration>  
2.   <property>  
3.      <name>dfs.name.dir</name>  
4.      <value>/home/hadoop/hadoop/hdfs/name</value>  
5.   </property>  
6.   <property>  
7.      <name>dfs.data.dir</name>  
8.      <value>/home/hadoop/hadoop/hdfs/data</value>  
9.   </property>  
10.   <property>  
11.      <name>dfs.replication</name>  
12.      <value>1</value>  
13.   </property>  
14. </configuration>  

     d. 配置mapred-site.xml 

1. 
     <property>  
2.      <name>mapred.job.tracker</name>  
3.      <value>http://192.168.2.175:9001</value>  
4.   </property>  
5.   <property>  
6.      <name>mapred.local.dir</name>  
7.      <value>/home/hadoop/hadoop/mapred/local</value>  
8.   </property>  
9.   <property>  
10.      <name>mapred.system.dir</name>  
11.      <value>/tmp/hadoop/mapred/system</value>  
12.   </property>  
13. </configuration> 

    

      e.配置masters和slaves文件

          192.168.2.175

     f.配置/etc/profile文件

      # set hadoop environment

    export HADOOP_HOME=/home/hadoop/hadoop

    export PATH=$PATH :$HADOOP_HOME/bin:$HADOOP_HOME/sbin

    export HADOOP_HOME_WARN_SUPPRESS=1

    export HADOOP_PID_DIR=$HADOOP_HOME/run/tmp

    这样就能直接使用"bin/hadoop"也可以直接使用"hadoop"，现在不管哪种情况，hadoop命令都能找见了。我们也没有必要重新在设置hadoop环境变量了，只需要记住执行Hadoop命令时不需要在前面加"bin"就可以了。

   

   d.测试hadoop 安装

           hadoop version 

六  启动应用

  a.格式化hadfs

     hadoop namenode -format

  b.  启动hadoop

      start-all.sh

  注：对于集群的环境， 在启动前关闭集群中所有机器的防火墙，不然会出现datanode开后又自动关闭。

      service iptables stop

  c. 验证hadoop     

      用"jps”命令 

     jps

      查看Hadoop集群的状态

     hadoop dfsadmin -report

  d.网页查看

      可以通过以下链接访问haddop服务了

      localhost:50030/   for the Jobtracker

     localhost:50070/   for the Namenode

     localhost:50060/   for the Tasktracker

知识补充说明

hadoop-env.sh:用于定义hadoop运行环境相关的配置信息，比如配置JAVA_HOME环境变量、为hadoop的JVM指定特定的选项、指定日志文件所在的目录路径以及master和slave文件的位置等；

core-site.xml: 用于定义系统级别的参数，它作用于全部进程及客户端，如HDFS URL、Hadoop的临时目录以及用于rack-aware集群中的配置文件的配置等，此中的参数定义会覆盖core-default.xml文件中的默认配置；

hdfs-site.xml: HDFS的相关设定，如文件副本的个数、块大小及是否使用强制权限等，此中的参数定义会覆盖hdfs-default.xml文件中的默认配置；

mapred-site.xml：mapreduce的相关设定，如reduce任务的默认个数、任务所能够使用内存的默认上下限等，此中的参数定义会覆盖mapred-default.xml文件中的默认配置；

masters: hadoop的secondary-masters主机列表，当启动Hadoop时，其会在当前主机上启动NameNode和JobTracker，然后通过SSH连接此文件中的主机以作为备用NameNode;

         slaves：Hadoop集群的slave(datanode)和tasktracker的主机列表，master启动时会通过SSH连接至此列表中的所有主机并为其启动DataNode和taskTracker进程；