1、安装虚拟机、OS环境:
1)安装virtualbox虚拟机,配置网络
2)安装centos系统
3)安装jdk,配置环境变量
4)ssh互信:
1>ssh-keygen -t rsa在~/.ssh目录下产生了秘钥id_rsa.pub
2>复制秘钥给对方(自己)作为公钥:cp id_rsa.pubauthorized_keys
3>验证 ssh localhost
2、修改linux配置:
1)配置静态ip:
service network restart
2)修改主机名:
1>修改当前回话主机名(仅仅当前回话有效):hostname hadoop
2>修改配置文件中的主机名(永久有效):vim/etc/sysconfig/network
3>查看主机名:hostname
3)把hostname和ip绑定:
执行命令 vim /etc/hosts,增加一行内容:192.168.100.123hadoop
验证:ping hadoop
4)关闭防火墙:
执行命令:service iptables stop
查看状态:service iptables status
5)关闭防火前开机自启动:
chkconfig --list | grep iptables
执行命令:chkconfig iptables off
3、hadoop伪分布式安装:
1)下载hadoop1.2.1.tar.gz(下载地址:http://ftp.yz.yamagata-u.ac.jp/pub/network/apache/hadoop/common/);直接解压.tar.gz包即可;然后设置hadoop的环境变量:
tar -xvzfhadoop1.2.1.tar.gz
export HADOOP_HOME=/usr/local/hadooop
exportPATH=.:$HADOOP_HOME/bin:$JAVA_HOME/bin:$PATH
source /etc/profile
2)伪分布式安装(默认hadoop是本地模式)
修改$HADOOP_HOME/conf目录下的 hadoop-env.sh、core-site.xml、 hdfs-site.xml 、mapred-site.xml
1>在hadoop-env.sh中把JAVA_HOME这一行的注释删掉,然后修改正确的java_home位置(大约在第9行)
2> 在core-site.xml中添加如下:
<property>
<name>fs.default.name</name>
<value>hdfs://hadoop:9000</value><!--使用本机自己的主机名-->
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/tmp</value>
</property>
<!-- fs.default.name是一个描述集群中NameNode结点的URI(包括协议、主机名称、端口号),集群里面的每一台机器都需要知道NameNode的地址。DataNode结点会先在NameNode上注册,这样它们的数据才可以被使用。独立的客户端程序通过这个URI跟DataNode交互,以取得文件的块列表。-->
<!—hadoop.tmp.dir 是hadoop文件系统依赖的基础配置,很多路径都依赖它。如果hdfs-site.xml中不配置namenode和datanode的存放位置,默认就放在这个路径中-->
3> hdfs-site.xml中增加如下:
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.name.dir</name>
<value>/home/hdfs/name</value>
</property>
<property>
<name>dfs.data.dir</name>
<value>/home/hdfs/data</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
<!-- dfs.replication -它决定着系统里面的文件块的数据备份个数。对于一个实际的应用,它应该被设为3(这个数字并没有上限,但更多的备份可能并没有作用,而且会占用更多的空间)。少于三个的备份,可能会影响到数据的可靠性(系统故障时,也许会造成数据丢失)-->
<!-- dfs.data.dir -这是DataNode结点被指定要存储数据的本地文件系统路径。DataNode结点上的这个路径没有必要完全相同,因为每台机器的环境很可能是不一样的。但如果每台机器上的这个路径都是统一配置的话,会使工作变得简单一些。默认的情况下,它的值hadoop.tmp.dir,这个路径只能用于测试的目的,因为,它很可能会丢失掉一些数据。所以,这个值最好还是被覆盖。-->
<!-- dfs.name.dir -这是NameNode结点存储hadoop文件系统信息的本地系统路径。这个值只对NameNode有效,DataNode并不需要使用到它。上面对于/temp类型的警告,同样也适用于这里。在实际应用中,它最好被覆盖掉。注:为了保证namenod中元数据的信息安全性,value可以还用逗号隔开,指定多个位置存放。-->
<!—解决:org.apache.hadoop.security.AccessControlException:Permission denied:user=Administrator,access=WRITE,inode="tmp":root:supergroup:rwxr-xr-x。因为Eclipse使用hadoop插件提交作业时,会默认以 DrWho 身份去将作业写入hdfs文件系统中,对应的也就是 HDFS 上的/user/hadoop, 由于 DrWho 用户对hadoop目录并没有写入权限,所以导致异常的发生。解决方法为:放开 hadoop 目录的权限, 命令如下 :$ hadoop fs -chmod 777 /user/hadoop-->
4>mapred.xml中增加:
<property>
<name>mapred.job.tracker</name>
<value>hadoop:9001</value><!--使用本机自己的主机名-->
</property>
<!-- mapred.job.tracker-JobTracker的主机(或者IP)和端口。-->
3)对hadoop的hdfs进行格式化:
hadoop namenode –format
4)启动hadoop:
进入hadoop目录,在bin/下面有很多启动脚本,可以根据自己的需要来启动。
* start-all.sh 启动所有的Hadoop守护。包括namenode,datanode, jobtracker, tasktrack
* stop-all.sh 停止所有的Hadoop
* start-mapred.sh启动Map/Reduce守护。包括Jobtracker和Tasktrack
* stop-mapred.sh 停止Map/Reduce守护
* start-dfs.sh 启动HadoopDFS守护Namenode和Datanode
* stop-dfs.sh 停止DFS守护
1>使用了start-all.sh 启动后,会发现有5个java进程,可以使用jps命令查看这5个java进程:JobTracker、SecondaryNameNode、DataNode、TaskTracker、NameNode
2> 通过浏览器可以访问
http://ip:50070可以访问到hdfs的信息(NameNode、DataNode)
http://ip:50030可以访问到mapred的信息(JobTracker、TaskTracker)