hadoop学习之路（一）hadoop集群服务搭建

现在，大数据这么火，笔者也忍不住想学了。21世纪是数据的竞争，那么大数据必然是一种趋势，提前了解hadoop也为自己今后的发展奠基一席一路。虽然说移动互联开发也非常火，但也离不开数据，因此，大家还等什么呢。
目前，hadoop已经到了2.x，并且1.x与2.x的差别还是挺大，感觉自己都快跟不上节奏了。学习任何技术，都得有始有终，最好了解它的前世今生。所以笔者打算从1.x开始学起，并选择1.2.1这个比较稳定的版本进行学习。
学习任务框架技术，感觉第一步比较重要的就是搭环境，因为没有环境，一切都是纸上谈兵。对于原理不太理解，这个可以在之后的学习中慢慢进行领悟。所以，笔者作为一个大数据的菜鸟，来搭建一个自己的hadoop环境。
下面，直入正题，关于NameNode、SecondaryNameNode、DataNode、JobTracker、TaskTracker以及hdfs、mapreduce等相关的概念以及hadoop运行原理机制在之后的博文中再进行介绍，大家可以先去查下资料，了解一下基本的概念和原理就够了。

一、linux服务器准备工作

由于没有可用的服务器，这里笔者使用虚拟机创建了三台centos服务器：

由于第一台服务器既是NameNode，又是DataNode，这里给它分2G内存，其它的都是1G。然后，编辑三台服务器的/etc/hosts文件，全部都改为：

都是ip和对应的主机名。
然后，为了减少麻烦，关闭三台服务器的防火墙：
service iptables stop
相关ip和主机名设置有不清楚的大家可以去百度下，注意主机名不要有特殊符号，否则到时会出问题的。

二、jdk环境变量设置

关于jdk环境变量的设置在之前的博文中也讲过，这里就直接贴出配置：

export JRE_HOME=/usr/local/jdk1.8.0_60/jre
export JAVA_HOME=/usr/local/jdk1.8.0_60
export HADOOP_HOME=/usr/local/hadoop-1.2.1
export CLASSPATH=.:$JAVA_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$PATH

这里提前把hadoop的环境变量也配了。注意，三台服务器都要配。

三、hadoop安装及相关配置

大家可以到官网下载：
wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-1.2.1/hadoop-1.2.1.tar.gz
然后解压，笔者是放在/usr/local/hadoop-1.2.1这个目录下，其中bin目录放的都是些命令，conf目录放的是些配置文件。
然后，再来配置。
conf/hadoop-env.sh文件：
加入java的安装路径export JAVA_HOME=/usr/local/jdk1.8.0_60，如下图：

这个三台服务器都要配。

conf/core-site.xml：

<configuration>
     <property>
         <name>fs.default.name</name>
         <value>hdfs://qyklinux:9000</value>
     </property>
     <property>
        <name>hadoop.tmp.dir</name>
        <value>/hadoop</value>
    </property>
    <property> 
        <name>dfs.name.dir</name>           
        <value>/hadoop/name</value> 
    </property>
</configuration>

这个，另外两台服务器只需将fs.default.name对应的值改为hdfs://qyklinux2:9000和hdfs://qyklinux3:9000，这是URI标识。

conf/ hdfs-site.xml：

<configuration>
     <property>
         <name>dfs.replication</name>
         <value>3</value>
     </property>
     <property>
         <name>dfs.data.dir</name>  
         <value>/hadoop/data</value>
     </property>
</configuration>

这个，三台服务器都配置一样。

conf/ mapred-site.xml：

<configuration>
     <property>
         <name>mapred.job.tracker</name>
         <value>qyklinux:9001</value>
     </property>
    <property>
         <name>mapred.system.dir</name>  
         <value>/hadoop/mapred_system</value>
    </property>
    <property>
         <name>mapred.local.dir</name>  
         <value>/hadoop/mapred_local</value>
    </property>
</configuration>

这个三台服务器都一样，mapred.job.tracker是NameNode所在主机上，也就是master，因此三台配置一样。

conf/ masters：

qyklinux

conf/ slaves：

qyklinux
qyklinux2
qyklinux3

这里主从节点的配置，三台服务器都是一样的，这个应该就是形成集群的关键配置。

四、无密码的ssh登录配置

建立Master到每一台Slave的SSH受信证书。由于Master将会通过SSH启动所有Slave的Hadoop，所以需要建立单向或者双向证书保证命令执行时不需要再输入密码。在Master和所有的Slave机器上执行：ssh-keygen -t rsa。执行此命令的时候，看到提示只需要回车。然后就会在/root/.ssh/下面产生id_rsa.pub的证书文件，通过scp将Master机器上的这个文件拷贝到Slave上（记得修改名称），例如：scp root@masterIP:/root/.ssh/id_rsa.pub /root/.ssh/46_rsa.pub，然后执行cat /root/.ssh/46_rsa.pub >>/root/.ssh/authorized_keys，建立authorized_keys文件即可，可以打开这个文件看看，也就是rsa的公钥作为key，user@IP作为value。此时可以试验一下，从master ssh到slave已经不需要密码了。由slave反向建立也是同样。为什么要反向呢？其实如果一直都是Master启动和关闭的话那么没有必要建立反向，只是如果想在Slave也可以关闭Hadoop就需要建立反向。

然后每台服务器上都修改ssh的配置文件：/etc/ssh/sshd_config 把GSSAPIAuthentication的值设置为no

五、hadoop集群服务启动

首先，格式化分布式文件系统hadoop namenode -format，然后进入hadoop根目录，运行：./start-all.sh启动hadoop，可以看到：

这里，我们可以看到启动顺序：NameNode、DataNode、secondarynamenode、JobTracker、TaskTracker。
然后在第一台服务器上，也就是master，执行jps可以看到：

少任何一个都有问题。另外两台slave的截图如下：

然后，在浏览器访问：http://172.31.26.200:50070/：

说明，环境搭建成功！

六、运行一个单词计数的hadoop任务

首先，准备两个.txt文件，在hadoop根目录下创建input目录，放在里面：


然后，执行hadoop fs -copyFromLocal /opt/hadoop/.txt input/，将本地文件放入到hdfs中。再执行hadoop jar hadoop-examples-1.2.1.jar wordcount input output便可进行单词计数，这是一个hadoop自带的任务程序例子。执行成功后，查看结果hadoop fs -cat output/：

七、总结

这个集群环境的搭建过程中，笔者也遇到了两个比较麻烦的问题，也是由于自己的疏忽造成的，只要按照步骤来，应该是没啥问题。如果出现像什么有一个namenode启动不了，可以检查下hosts配置、防火墙等，大家还可以查看hadoop的日志。像什么namespaceid不一致问题，大家可以百度下，都有相应的解决措施。
好了，hadoop的集群搭建就介绍到了，笔者也是小试牛刀，接下来要真枪实弹的干了。