Hadoop分布式模式环境搭建

前一篇文章介绍了hadoop伪分布式模式的搭建，本篇文章介绍分布式模式的搭建。

分布式和伪分布式的区别，只是hadoop是真真正正跑在多个机器上，他们的配置其实是十分相似的。不过有以下几点需要注意：

• hadoop的分布式模式只能运行在linux上，在windows上时不可以的，至少在hadoop2.5.1这个版本上不可以。至于原因，有很多，本人尝试过在多个windows上跑hadoop，都以失败告终（例如windows下根本就没有免密码登录这个概念）。
• hadoop运行的各个机器，都必须要有一个主机名。也就是说各个机器上的hadoop之间进行通信时，使用的都是主机名，而非ip。因此某些ip爱好者（例如我自己），如果希望配置hadoop的各个节点时直接使用ip地址，都省省吧。
• SSH免密码登录必不可少。

---

前提

由于是真正的分布式，所以需要多台机器。建议至少4台linux机器，一个是namenode，一个是resourcemanager，另外两台同时运行datanode和nodemanager，以便模拟当一台机器宕机后，hadoop能否正常工作。

规划

四台机器的功能如下：

ip	主机名	运行的hadoop节点	说明
192.168.56.2	h2	namenode	hdfs的namenode节点
192.168.56.3	h3	resourcemanager	hdfs的resourcemanager节点
192.168.56.4	h4	datanode、nodemanager	hdfs的namenode和nodemanager节点
192.168.56.5	h5	datanode、nodemanager	hdfs的namenode和nodemanager节点

---

配置hadoop分布式模式需要如下几步

第一步，配置基础环境。

4台机器配置如下环境：

• 解压JDK，配置JAVA_HOME和PATH环境变量
• 解压HADOOP，并配置HADOOP_PREFIX和PATH环境变量。注意：PATH要把hadoop目录下的bin和sbin都加进去
• 配置ssh免密码登录
• 配置各个机器的主机名（centos在/etc/sysconfig/network修改，ubuntu在/etc/hostname中修改）。注意：这里的主机名要和hosts文件中的主机名一致。
• 配置hosts文件。假设四台机器的ip分别为192.168.56.2，192.168.56.3，192.168.56.4，192.168.56.5。这里给它们分别起名字分别为h2，h3，h4，h5。
  那么host文件这么写：

192.168.56.2 h2
192.168.56.3 h3
192.168.56.4 h4
192.168.56.5 h5

四台机器都是用同样的hosts文件。

第二步，修改hadoop配置文件。

hadoop所以配置文件都在${HADOOP_HOME}/etc/hadoop中

修改core-site.xml如下：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://h2:9000</value>
    </property>
    <property>    
        <name>hadoop.native.lib</name>
          <value>true</value>
           <description>Should native hadoop libraries, if present, be used.</description>
    </property>
    <!-- 允许任意地址访问 -->
    <property>
            <name>hadoop.proxyuser.root.hosts</name>
            <value>*</value>
     </property>
    <!-- 允许任意地址访问 -->
    <property>
            <name>hadoop.proxyuser.root.groups</name>
            <value>*</value>
    </property>
</configuration>

修改hdfs-site.xml如下：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>2</value>
    </property>
    <!-- 修改hdfs文件的保存位置 -->
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>/root/hadoop/dfs/name</value>
    </property>
    <!-- 修改hdfs文件的保存位置 -->
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/root/hadoop/dfs/data</value>
    </property>
    <!-- 修改hdfs文件块大小为1MB -->
    <property>
        <name>dfs.blocksize</name>
        <value>1048576</value>
    </property>
</configuration>

修改mapred-site.xml：

<configuration>
    <!-- 使用yarn作为mapreduce的实现 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

修改yarn-site.xml：

<configuration>
    <!-- 指定resourcemanager的主机名（resourcemanager为yarn的核心） -->
    <property>
        <description>The hostname of the RM.</description> 
        <name>yarn.resourcemanager.hostname</name> 
        <value>h3</value> 
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <!-- 指定yarn临时文件保存位置 -->
    <property>
        <name>yarn.nodemanager.local-dirs</name>
        <value>/root/hadoop/mapred/local</value>
    </property>
</configuration>

启动hadoop

第一次使用需要格式化hdfs

在h2机器上，执行${HADOOP_HOME}/bin/hdfs.bat namenode -format来格式化hdfs

启动dfs

在h2机器上，执行${HADOOP_HOME}/sbin/start-dfs来启动hdfs
在浏览器中输入http://192.168.56.2:50070 可看到hdfs已启动
同时在进程列表中可看到nodemanager，secondarynamenode等进程，同时在h4和h5机器上可以看到datanode等进程。

启动yarn（mapreduce）

在h3机器上，执行${HADOOP_HOME}/sbin/start-yarn来启动yarn
在浏览器中输入http://192.168.56.3:8088 可看到yarn已启动
同时在进程列表中可看到resourcemanager进程，在h4和h5机器上课看到nodemanager等进程。

全文完。