配置环境及有关工具:ubuntu10.04 、hadoop0.20.2 、 jdk1.6.0_29
我们的机器有三台,一台当作namenode、两台当作datanode:
namenode:IP:192.168.0.25、机器名:kiddenzj (这里的机器名要注意:机器名不能包含下划线“_”,一开始没注意后来找了半天才发现这个原因)
datanode:IP:192.168.0.8 、机器名:kiddenxcc
IP192.168.0.66、机器名: kiddenhw
集群里所有登陆的用户名和密码都要保持相同,我在这里创建了名为grid的用户,后面的步骤就是在这个用户下进行的。
配置步骤:
1)安装ssh
输入命令:
apt-get install ssh
2)SSH配置
SSH配置主要是为了实现在机器间执行指令时不再需要输入密码,在所有的机器上建立.ssh目录,这里我们建立在/home/grid下面:
mkdir .ssh
然后在namenode机器上生成密钥对,执行:
ssh-keygen -t rsa
然后一直按Enter键,就会按照默认选项生成密钥对保存在.ssh/id_rsa文件中。
继续执行如下命令,把密钥传递给每个datanode节点:
cd ~/.ssh
cp id_rsa.pub authorized_keys
scp authorized_keys kiddenhw:/home/grid/.ssh
scp authorized_keys kiddenxcc:/home/grid/.ssh
然后分别在每台datanode机器上执行如下命令,以改变authorized_keys文件的许可权限:
chmod 644 authorized_keys
到此,从namenode发起的到其他datanode节点的SSH连接,就会只需在第一次登录是输入密码,以后则不再需要。
可以通过如下命令发起连接:
ssh kiddenhw
3)jdk的安装(namenode机和datanode机均按此安装)
下载jdk-6u29-linux-i586.bin,安装到/usr/java下,cd到usr/java下,
sudo chmod u+x jdk-6u29-linux-i586.bin sudo ./jdk-6u29-linux-i586.bin
接下来要设置java的环境变量输入命令:
sudo gedit /etc/profile
在文件的最后添加以下语句:
JAVA_HOME=/usr/java/jdk1.6.0_29
export JRE_HOME=/usr/java/jdk1.6.0_29/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
保存退出,然后执行source /etc/profile即可。
输入java -version 命令,出现如下信息就表示配置成功
java version "1.6.0_29"
Java(TM) SE Runtime Environment (build 1.6.0_29-b11)
Java HotSpot(TM) Server VM (build 20.4-b02, mixed mode)
4)hadoop的安装配置(只是在namenode端安装配置,完成后namenode可以直接把配置好的hadoop发送到各个datanode端)
在这里,下载hadoop-0.20.2.tar.gz,然后解压到/home/grid/下即可,
在hadoop文的件夹下需要建立几个文件夹,如下:
(这里一开始没有创建,结果查看运行信息的时候,虽然datanode节点都有进程在运行,但livenodes节点依然为0)
mkdir tmp
mkdir hdfs
mkdir hdfs/name
mkdir hdfs/data
接下来需要修改hadoop的conf文件夹下的配置信息:
修改hadoop-env.sh,加入如下语句,使得hadoop能够找到java的路径。:
export JAVA_HOME=/usr/java/jdk1.6.0_2
修改core-site.xml,如下:
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://kiddenzj:9000</value>
</property>
</configuration>
修改hdfs-site.xml,如下
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
修改mapred-site.xml,如下:
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>kiddenzj:9001</value>
</property>
</configuration>
masters里写入作为namenode节点机器的名称,我们这里是:kiddenzj
slaves里写入作为datanode节点的机器名,这里是:kiddenhw和kiddenxcc
到此,hadoop的有关配置已经完成,namenode端通过如下命令把配置好的hadoop发送到各个datanode处:
scp -r hadoop-0.20.2 kiddenhw:/home/grid
scp -r hadoop-0.20.2 kiddenxcc:/home/grid
5)修改每台机器上/etc下面的hosts文件,也就是写入所有的机器名和对应IP地址(包括namenode和datanode节点),我们这里修改后如下:
127.0.0.1 localhost
192.168.0.8 kiddenxcc
192.168.0.25 kiddenzj
192.168.0.66 kiddenhw
6)
到此基本配置已经完成,在namenode端cd到hadoop文件夹下,格式化分布式文件系统:
bin/hadoop namenode -format
下面接着在namenode端启动hadoop进程:
bin/start-all.sh
如果没有其它差错的话,hadoop可以正常启动,并能够看到如下结果:
在namenode端用jps命令查看启动情况,如下:
grid@kiddenzj:~/hadoop-0.20.2$ jps
xxxx Jps
xxxx Namenode
xxxx Secondarynamenode
xxxx JobTracker
在datanode端用jps查看启动情况,如下:
grid@kiddenhw:~/hadoop-0.20.2$ jps
xxxx Jps
xxxx DataNode
xxxx TaskTracker
然后可以通过如下地址来查看集群运行状况:
http://kiddenzj:50030 http://kiddenzj:50070
http://kiddenhw:50060