linux下hadoop配置过程

linux  /  管理员 发布于 7年前   183

1，安装linux
本文假设从裸机开始，所以要先装linux。本人是ubuntu对支持者，所以装的是ubuntu，废话没有，很容易就装好了。在安装过程中，要注意所有节点对主机名应该有规律，比如node0, node1, node2 ...
2，准备
下面对软件对安装，全都使用了apt，这个软件需要互联网链接，如果你对网速极慢，或者根本链接不到外部网络（这个现象在教育网内很常见），可以从一个能上网对ubuntu电脑上的/var/cache/apt/archives文件夹里deb文件出来安装（什么？你问我这个文件夹里为什么没有想要的包，这个文件夹是apt对缓存文件夹，想要里面有你想要对东西，不用我提醒你应该怎么办了吧）。
ubuntu默认已经装好了openssh-client，需要安装openssh-server。命令如下：

复制代码代码如下:
sudo apt-get install openssh-server

然后是jdk：

复制代码代码如下:
sudo apt-get install default-jdk


3，配置网络
如果你的节点们可以通过dhcp服务器获得ip，我个人建议，这样做，原因是简单，不用怎么配置就搞定了。或者可以使用静态ip，作为一个牛b的linux大牛，应该可以通过一行命令来设置静态ip，但是我不会。我通常都是在gnome提供的网络管理器来设ip对。如果你用对linux里没有图形界面，那样请google。
设置好了ip地址之后，记忆在/etc/hosts文件中给每个节点起个名字，最好就是各自对主机名，这样有利于下面对配置和管理。
hadoop要求各节点间可以不需要输入密码就能用ssh互相登录。我使用了比官方方法简单一点方法来设置，但是据说安全性有点儿问题。下面是方法：
在某个节点上执行如下命令：

复制代码代码如下:
rm -rf ~/.ssh


复制代码代码如下:
ssh-keygen -t rsa

这个命令之后需要多按几次回车，知道再次出现命令提示符。当然，这个做法也不是很安全，里面有个输入key的地方，官方的建议是，输入一首歌的歌词，呵呵，这个建议很搞笑。当然在我的步骤中，这个key就是空值了。

复制代码代码如下:
cat ~/.ssh/id_rsa.pub >> authorized_keys

然后把整个.ssh文件夹考到所有对节点上，具体方法可以使用scp命令，具体命令由于和具体环境有关，下面不写。

这样网络就设置对差不多了。
4，安装hadoop
解压，这个比较简单，命令不写。解压对位置最好每个hadoop都一样，不一样有什么后果，我没试过。
之后要进行一些配置，首先进入解压后目录对conf文件夹，要修改对配置文件包括hadoop-env.sh hadoop-site.xml masters slaves
hadoop-env.sh中要uncomment下面一行：


复制代码代码如下:
export JAVA_HOME=/home/hadoop/jdk1.6.0_16/

当然具体的值，也要根据具体情况进行更改。
接下来是hadoop-site.xml，下面是我的文件内容。

复制代码代码如下:
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://node0:6000</value>
</property>
<property>
<name>mapred.job.tracker</name>
<value>node0:6001</value>
</property>
</configuratiron>

这个例子很直白，不解释。

masters里面是jobtracker和namenode所在节点的主机名或者ip地址，我的masters文件里只有一行，当然如果你想要设置多个节点作为主节点，也可以。
slaves里面是所有tasktracker和datanode对主机名或ip地址。
5，运行
先进入hadoop安装文件夹。然后依次运行如下命令：

复制代码代码如下:
bin/hadoop namenode -format
bin/start-all.sh

不出意外的话，现在hadoop就可以使用了。

Hadoop是一个分布式系统基础架构，由Apache基金会开发。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力高速运算和存储。Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有着高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上。而且它提供高传输率（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求（requirements）这样可以流的形式访问（streaming access）文件系统中的数据。