《Hadoop实战第2版》——2.1节在Linux上安装与配置Hadoop

2.1　在Linux上安装与配置Hadoop
在Linux上安装Hadoop之前，需要先安装两个程序：
1）JDK 1.6（或更高版本）。Hadoop是用Java编写的程序，Hadoop的编译及MapReduce的运行都需要使用JDK。因此在安装Hadoop前，必须安装JDK 1.6或更高版本。
2）SSH（安全外壳协议），推荐安装OpenSSH。Hadoop需要通过SSH来启动Slave列表中各台主机的守护进程，因此SSH也是必须安装的，即使是安装伪分布式版本（因为Hadoop并没有区分开集群式和伪分布式）。对于伪分布式，Hadoop会采用与集群相同的处理方式，即按次序启动文件conf/slaves中记载的主机上的进程，只不过在伪分布式中Salve为localhost（即为自身），所以对于伪分布式Hadoop，SSH一样是必需的。

2.1.1　安装JDK 1.6
下面介绍安装JDK 1.6的具体步骤。
（1）下载和安装JDK 1.6
确保可以连接到互联网，从http://www.oracle.com/technetwork/java/javase/downloads页面下载JDK 1.6安装包（文件名类似jdk-*-linux-i586.bin，不建议安装JDK 1.7版本，因为并不是所有软件都支持1.7版本）到JDK安装目录（本章假设IDK安装目录均为/usr/lib/jvm/jdk）。
（2）手动安装JDK 1.6
在终端下进入JDK安装目录，并输入命令：

sudo chmod u+x jdk-***-linux-i586.bin
修改完权限之后就可以进行安装了，在终端输入命令：
sudo -s ./jdk-***-linux-i586.bin

安装结束之后就可以开始配置环境变量了。
（3）配置环境变量
输入命令：

sudo gedit /etc/profile
输入密码，打开profile文件。
在文件最下面输入如下内容：
#set Java Environment
export JAVA_HOME=/usr/lib/jvm/jdk
export CLASSPATH=".:$JAVA_HOME/lib:$CLASSPATH"
export PATH="$JAVA_HOME/:$PATH"
这一步的意义是配置环境变量，使系统可以找到JDK。
（4）验证JDK是否安装成功
输入命令：
java –version
会出现如下JDK版本信息：
java version "1.6.0_22"
Java(TM) SE Runtime Environment (build 1.6.0_22-b04)
Java HotSpot(TM) Client VM (build 17.1-b03, mixed mode, sharing)
如果出现上述JDK版本信息，说明当前安装的JDK并未设置成Ubuntu系统默认的JDK，接下来还需要手动将安装的JDK设置成系统默认的JDK。
（5）手动设置系统默认JDK
在终端依次输入命令：
sudo update-alternatives --install /usr/bin/java java /usr/lib/jvm/jdk/bin/java 300
sudo update-alternatives --install /usr/bin/javac javac /usr/lib/jvm/jdk/bin/javac 300
sudo update-alternatives --config java

接下来输入java –version就可以看到所安装的JDK的版本信息了。

2.1.2　配置SSH免密码登录
同样以Ubuntu为例，假设用户名为u：
1）确认已经连接上互联网，然后输入命令：

sudo apt-get install ssh
2）配置为可以免密码登录本机。首先查看在u用户下是否存在.ssh文件夹（注意ssh前面有“.”，这是一个隐藏文件夹），输入命令：
ls –a /home/u
一般来说，安装SSH时会自动在当前用户下创建这个隐藏文件夹，如果没有，可以手动创建一个。
接下来，输入命令（注意下面命令中不是双引号，是两个单引号）：
ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa

解释一下，ssh-keygen代表生成密钥；-t（注意区分大小写）表示指定生成的密钥类型；dsa是dsa密钥认证的意思，即密钥类型；-P用于提供密语；-f指定生成的密钥文件。
在Ubuntu中，~代表当前用户文件夹，此处即/home/u。
这个命令会在.ssh文件夹下创建id_dsa及id_dsa.pub两个文件，这是SSH的一对私钥和公钥，类似于钥匙和锁，把id_dsa.pub（公钥）追加到授权的key中去。
输入命令：

cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
这条命令的功能是把公钥加到用于认证的公钥文件中，这里的authorized_keys是用于认证的公钥文件。
至此免密码登录本机已配置完毕。
3）验证SSH是否已安装成功，以及是否可以免密码登录本机。
输入命令：
ssh –version
显示结果：
OpenSSH_5.8p1 Debian-7ubuntu1, OpenSSL 1.0.0e 6 Sep 2011
Bad escape character 'rsion'.
显示SSH已经安装成功了。
输入命令：
ssh localhost
会有如下显示：
The authenticity of host 'localhost (::1)' can't be established.
RSA key fingerprint is 8b:c3:51:a5:2a:31:b7:74:06:9d:62:04:4f:84:f8:77.
Are you sure you want to continue connecting (yes/no)? yes
Warning: Permanently added 'localhost' (RSA) to the list of known hosts.
Linux master 2.6.31-14-generic #48-Ubuntu SMP Fri Oct 16 14:04:26 UTC 2011 i686

To access official Ubuntu documentation, please visit:
http://help.ubuntu.com/

Last login: Sat Feb 18 17:12:40 2012 from master
admin@Hadoop:~$

这说明已经安装成功，第一次登录时会询问是否继续链接，输入yes即可进入。
实际上，在Hadoop的安装过程中，是否免密码登录是无关紧要的，但是如果不配置免密码登录，每次启动Hadoop都需要输入密码以登录到每台机器的DataNode上，考虑到一般的Hadoop集群动辄拥有数百或上千台机器，因此一般来说都会配置SSH的免密码登录。

2.1.3　安装并运行Hadoop
介绍Hadoop的安装之前，先介绍一下Hadoop对各个节点的角色定义。
Hadoop分别从三个角度将主机划分为两种角色。第一，最基本的划分为Master和Slave，即主人与奴隶；第二，从HDFS的角度，将主机划分为NameNode和DataNode（在分布式文件系统中，目录的管理很重要，管理目录相当于主人，而NameNode就是目录管理者）；第三，从MapReduce的角度，将主机划分为JobTracker和TaskTracker（一个Job经常被划分为多个Task，从这个角度不难理解它们之间的关系）。
Hadoop有官方发行版与cloudera版，其中cloudera版是Hadoop的商用版本，这里先介绍Hadoop官方发行版的安装方法。
Hadoop有三种运行方式：单机模式、伪分布式与完全分布式。乍看之下，前两种方式并不能体现云计算的优势，但是它们便于程序的测试与调试，所以还是很有意义的。
你可以在以下地址获得Hadoop的官方发行版：http://www.apache.org/dyn/closer.cgi/Hadoop/core/。
下载hadoop-1.0.1.tar.gz并将其解压，本书后续都默认将Hadoop解压到/home/u/目录下。
（1）单机模式配置方式
安装单机模式的Hadoop无须配置，在这种方式下，Hadoop被认为是一个单独的Java进程，这种方式经常用来调试。
（2）伪分布式Hadoop配置
可以把伪分布式的Hadoop看做只有一个节点的集群，在这个集群中，这个节点既是Master，也是Slave；既是NameNode，也是DataNode；既是JobTracker，也是TaskTracker。
伪分布式的配置过程也很简单，只需要修改几个文件。
进入conf文件夹，修改配置文件。
指定JDK的安装位置：

Hadoop-env.sh:
export JAVA_HOME=/usr/lib/jvm/jdk
这是Hadoop核心的配置文件，这里配置的是HDFS（Hadoop的分布式文件系统）的地址及端口号。
conf/core-site.xml:
<configuration>
     <property>
         <name>fs.default.name</name>
         <value>hdfs://localhost:9000</value>
     </property>
</configuration>

以下是Hadoop中HDFS的配置，配置的备份方式默认为3，在单机版的Hadoop中，需要将其改为1。

conf/hdfs-site.xml:
<configuration>
     <property>
         <name>dfs.replication</name>
         <value>1</value>
     </property>
</configuration>
以下是Hadoop中MapReduce的配置文件，配置JobTracker的地址及端口。
conf/mapred-site.xml:
<configuration>
     <property>
         <name>mapred.job.tracker</name>
         <value>localhost:9001</value>
     </property>
</configuration>
接下来，在启动Hadoop前，需要格式化Hadoop的文件系统HDFS。进入Hadoop文件夹，输入命令：
bin/Hadoop NameNode –format
格式化文件系统，接下来启动Hadoop。
输入命令，启动所有进程：
bin/start-all.sh
最后，验证Hadoop是否安装成功。
打开浏览器，分别输入网址：
http://localhost:50030 (MapReduce的Web页面)
http://localhost:50070 (HDFS的Web页面)

如果都能查看，说明Hadoop已经安装成功。
对于Hadoop来说，启动所有进程是必须的，但是如果有必要，你依然可以只启动HDFS（start-dfs.sh）或MapReduce（start-mapred.sh）。
关于完全分布式的Hadoop会在2.4节详述。