三台主机建立Hadoop小集群

统计学 2022/9/30 21:38:46 14 Hadoop
我们将介绍如何用三台主机建立Hadoop小集群，先用VMWare安装三台虚拟机（可以先安装一台，然后clone两台），按照节点安排及网络拓扑配置网络。 ......

部署环境：

OS：Redhat 5.5 Enterprise

JDK：jdk1.6.0_32

Hadoop：Hadoop-0.20.2

VMWare：7.0

节点安排及网络拓扑：

节点类型　　　　　　节点IP　　　　　　节点hostname

master节点　　　　 192.168.40.5　　master

slave节点　　　　　 192.168.40.5　　master(此时，master既是master节点，也是slave节点)

　　　　　　　　　　192.168.40.6　　salve1

　　　　　　　　　　192.168.40.7　　slave2

secondaryName节点192.168.40.5　　master(此时，master既是master节点，也是slave节点，也是secondaryNameNode)

配置步骤：

一、网络配置

首先关闭三台虚拟机的防火墙，步骤可参考：关闭防火墙

先用VMWare安装三台虚拟机（可以先安装一台，然后clone两台），按照节点安排及网络拓扑配置网络，先配置master节点的网络：

① 静态网络IP配置见VMware Redhat网络配置，分别将三台虚拟机的IP进行设置

② 修改主机名：vi /etc/hosts(解析IP要用)，添加

192.168.40.5 master
192.168.40.6 slave1
192.168.40.7 slave2

③ 按照此过程及相同数据(除了IP地址不同)对三台虚拟机进行配置

二、 安装jdk

Hadoop 是用java开发的，Hadoop的编译及mapreduce的运行都需要使用JDK，所以JDK是必须安装的

① 下载jdk，http://www.oracle.com/technetwork/java/javase/downloads/index.html

② 在用户根目录下，建立bin文件夹：mkdir ~/bin（也可放在其他处，个人习惯而已）

③ 改变执行权限：chmod u+x jdk-6u26-linux-i586.bin

④ 执行文件：sudo -s ./jdk-6u26-linux-i586.bin，一路确定

⑤ 配置环境变量：vi ~/.bash_profile,添加：

  1. exportJAVA_HOME=/root/bin/jdk1.6.0_32 
  2. exportPATH=$PATH:$JAVA_HOME/bin

⑥ 使profile文件生效：source ~/.bash_profile

⑦ 验证是否配置成功：which java

[root@master ~]# which java
/root/bin/jdk1.6.0_32/bin/java 配置生效。也可输入java -version, java, javac进一步确定

⑧ 分别相同配置另外两台主机

  1. <JDKInstallationEnd>

三、建立ssh互信

hadoop 需要通过ssh互信来启动slave里表中各个主机的守护进程，所以SSH是必须安装的（redhat 5.5 Enterprise 以默认安装）。但是是否建立ssh互信（即无密码登陆）并不是必须的，但是如果不配置，每次启动hadoop，都需要输入密码以便登录到每台机器的Datanode上，而一般的hadoop集群动辄数百或数千台机器，因此一般来说都会配置ssh互信。

① 生成密钥并配置ssh无密码登陆主机(在master主机)

  1. ssh-keygen-tdsa-P''-f~/.ssh/id_dsa 
  2. cat~/.ssh/id_dsa.pub>>~/.ssh/authorized_keys

② 将authorized_keys文件拷贝到两台slave主机

  1. scpauthorized_keysslave1:~/.ssh/ 
  2. scpauthorized_keysslave2:~/.ssh/

③ 检查是否可以从master无密码登陆slave机

ssh slave1(在master主机输入) 登陆成功则配置成功，exit退出slave1返回master

四、配置Hadoop

① 下载：点击到下载页面，选择hadoop-0.20.2.tar.gz

② 放到~/bin下解压： tar -xzvf hadoop-0.20.2.tar.gz

③ 解压后进入：~/bin/hadoop-0.20.2/conf/，修改配置文件：

修改hadoop-env.sh:

export JAVA_HOME=/root/bin/jdk1.6.0_32转载注明出处：博客园 石头儿 http://www.cnblogs.com/shitouer/
hadoop-env.sh里面有这一行，默认是被注释的，只需要把注释去掉，并且把JAVA_HOME 改成你的java安装目录即可

修改core-site.xml

  1. <?xmlversion="1.0"?>
  2. <?xml-stylesheettype="text/xsl"href="configuration.xsl"?>
  4. <!--Putsite-specificpropertyoverridesinthisfile.-->
  6. <configuration>
  7. <property>
  8. <name>fs.default.name</name>
  9. <value>hdfs://master:9000</value>
  10. </property>
  11. <property>
  12. <name>Hadoop.tmp.dir</name>
  13. <value>/tmp/hadoop-root</value>
  14. </property>
  15. </configuration>

转载注明出处：博客园 石头儿 http://www.cnblogs.com/shitouer/

注释一：hadoop分布式文件系统文件存放位置都是基于hadoop.tmp.dir目录的，namenode的名字空间存放地方就是 ${hadoop.tmp.dir}/dfs/name, datanode数据块的存放地方就是 ${hadoop.tmp.dir}/dfs/data，所以设置好hadoop.tmp.dir目录后，其他的重要目录都是在这个目录下面，这是一个根目录。

注释二：fs.default.name,设置namenode所在主机，端口号是9000

注释三：core-site.xml 对应有一个core-default.xml, hdfs-site.xml对应有一个hdfs-default.xml,mapred-site.xml对应有一个mapred-default.xml。这三个defalult文件里面都有一些默认配置，现在我们修改这三个site文件，目的就覆盖default里面的一些配置

修改hdfs-site.xml

  1. <?xmlversion="1.0"?>
  2. <?xml-stylesheettype="text/xsl"href="configuration.xsl"?>
  4. <!--Putsite-specificpropertyoverridesinthisfile.-->
  6. <configuration>
  7. <property>
  8. <name>dfs.replication</name>
  9. <value>3</value>
  10. </property>
  11. </configuration>

dfs.replication，设置数据块的复制次数，默认是3，如果slave节点数少于3，则写成相应的1或者2

修改mapred-site.xml

  1. <?xmlversion="1.0"?>
  2. <?xml-stylesheettype="text/xsl"href="configuration.xsl"?>
  4. <!--Putsite-specificpropertyoverridesinthisfile.-->
  6. <configuration>
  7. <property>
  8. <name>mapred.job.tracker</name>
  9. <value>http://master:9001</value>
  10. </property>
  11. </configuration>

mapred.job.tracker，设置jobtracker所在机器，端口号9001

修改masters

master


虽然masters内写的是master，但是个人感觉，这个并不是指定master节点，而是配置secondaryNameNode

修改slaves

master
slave1
slave2

配置了集群中所有slave节点

④ 添加hadoop环境变量，并 source ~/.bash_profile使之生效

  1. exportJAVA_HOME=/root/bin/jdk1.6.0_32 
  2. exportHADOOP_HOME=/root/bin/hadoop-0.20.2
  3. exportPATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

⑤ 将已经配置好的hadoop-0.20.2，分别拷贝到另外两台主机，并做相同配置

⑥ 此时，hadoop的集群配置已经完成，输入hadoop，则可看到hadoop相关的操作

  1. [root@master~]#hadoop 
  2. Usage:hadoop[--configconfdir]COMMAND 
  3. whereCOMMANDisoneof: 
  4. namenode-formatformattheDFSfilesystem 
  5. secondarynamenoderuntheDFSsecondarynamenode 
  6. namenoderuntheDFSnamenode 
  7. datanoderunaDFSdatanode 
  8. dfsadminrunaDFSadminclient 
  9. mradminrunaMap-Reduceadminclient 
  10. fsckrunaDFSfilesystemcheckingutility 
  11. fsrunagenericfilesystemuserclient 
  12. balancerrunaclusterbalancingutility 
  13. jobtrackerruntheMapReducejobTrackernode 
  14. pipesrunaPipesjob 
  15. tasktrackerrunaMapReducetaskTrackernode 
  16. jobmanipulateMapReducejobs 
  17. queuegetinformationregardingJobQueues 
  18. versionprinttheversion 
  19. jar<jar>runajarfile 
  20. distcp<srcurl><desturl>copyfileordirectoriesrecursively 
  21. archive-archiveNameNAME<src>*<dest>createahadooparchive 
  22. daemonlogget/settheloglevelforeachdaemon 
  23. or 
  24. CLASSNAMEruntheclassnamedCLASSNAME 
  25. Mostcommandsprinthelpwheninvokedw/oparameters.

⑦ 此时，首先格式化hadoop

在命令行里执行，hadoop namenode -format

⑧ 启动hadoop

在命令行里执行，start-all.sh，或者执行start-dfs.sh,再执行start-mapred.sh

⑨ 输入jps，查看启动的服务进程


master节点：[root@master ~]# jps
25429 SecondaryNameNode
25500 JobTracker
25201 NameNode
25328 DataNode
18474 Jps
25601 TaskTracker

slave节点：[root@slave1 ~]# jps
4469 TaskTracker
4388 DataNode
29622 Jps

如上显示，则说明相应的服务进程都启动成功了。

圈10(额，像①一样的圈出不来了(⊙o⊙)) 查看hdfs分布式文件系统的 文件目录结构

hadoop fs -ls /

此时发现为空，因为确实什么也没有，运行一下命令，则可创建一个文件夹：

hadoop fs -mkdir /newDir

再次执行hadoop fs -ls /，则会看到newDir文件夹，关于hadoop fs 命令，参见：HDFS 命令

圈11 运行hadoop 类似hello world的程序

本来，都是以word count来运行的，但是还得建文件夹之类的，有一个更简单的，就是example中的计算π值的程序，我们来计算一下，进入hadoop目录，运行如下：

  2. [root@slave1hadoop-0.20.2]#hadoopjarhadoop-0.20.2-examples.jarpi42 
  3. NumberofMaps=4
  4. SamplesperMap=2
  5. WroteinputforMap#0 
  6. WroteinputforMap#1 
  7. WroteinputforMap#2 
  8. WroteinputforMap#3 
  9. StartingJob 
  10. 12/05/2009:45:19INFOmapred.FileInputFormat:Totalinputpathstoprocess:4 
  11. 12/05/2009:45:19INFOmapred.JobClient:Runningjob:job_201205190417_0005 
  12. 12/05/2009:45:20INFOmapred.JobClient:map0%reduce0% 
  13. 12/05/2009:45:30INFOmapred.JobClient:map50%reduce0% 
  14. 12/05/2009:45:31INFOmapred.JobClient:map100%reduce0% 
  15. 12/05/2009:45:45INFOmapred.JobClient:map100%reduce100% 
  16. 12/05/2009:45:47INFOmapred.JobClient:Jobcomplete:job_201205190417_0005 
  17. 12/05/2009:45:47INFOmapred.JobClient:Counters:18 
  18. 12/05/2009:45:47INFOmapred.JobClient:JobCounters 
  19. 12/05/2009:45:47INFOmapred.JobClient:Launchedreducetasks=1
  20. 12/05/2009:45:47INFOmapred.JobClient:Launchedmaptasks=4
  21. 12/05/2009:45:47INFOmapred.JobClient:Data-localmaptasks=4
  22. 12/05/2009:45:47INFOmapred.JobClient:FileSystemCounters 
  23. 12/05/2009:45:47INFOmapred.JobClient:FILE_BYTES_READ=94
  24. 12/05/2009:45:47INFOmapred.JobClient:HDFS_BYTES_READ=472
  25. 12/05/2009:45:47INFOmapred.JobClient:FILE_BYTES_WRITTEN=334
  26. 12/05/2009:45:47INFOmapred.JobClient:HDFS_BYTES_WRITTEN=215
  27. 12/05/2009:45:47INFOmapred.JobClient:Map-ReduceFramework 
  28. 12/05/2009:45:47INFOmapred.JobClient:Reduceinputgroups=8
  29. 12/05/2009:45:47INFOmapred.JobClient:Combineoutputrecords=0
  30. 12/05/2009:45:47INFOmapred.JobClient:Mapinputrecords=4
  31. 12/05/2009:45:47INFOmapred.JobClient:Reduceshufflebytes=112
  32. 12/05/2009:45:47INFOmapred.JobClient:Reduceoutputrecords=0
  33. 12/05/2009:45:47INFOmapred.JobClient:SpilledRecords=16
  34. 12/05/2009:45:47INFOmapred.JobClient:Mapoutputbytes=72
  35. 12/05/2009:45:47INFOmapred.JobClient:Mapinputbytes=96
  36. 12/05/2009:45:47INFOmapred.JobClient:Combineinputrecords=0
  37. 12/05/2009:45:47INFOmapred.JobClient:Mapoutputrecords=8
  38. 12/05/2009:45:47INFOmapred.JobClient:Reduceinputrecords=8
  39. JobFinishedin28.952seconds 
  40. EstimatedvalueofPiis3.50000000000000000000

计算PI值为3.5，还算靠近，至于输出log日志，就不介绍了，以后学的稍微深入，可多做了解。

Hadoop 三节点集群的配置就介绍到这里，接下来，会介绍一下如何在windows中远程连接hadoop，并配置eclipse来进行MapReduce的开发和调试。

原文链接：http://www.cnblogs.com/shitouer/archive/2012/05/21/2511060.html

【编辑推荐】

  1. Apache .htaccess文件的8个用法
  2. Hadoop 从Yahoo向Google的技术转折
  3. Hadoop集群与Hadoop性能优化
  4. Facebook实时信息系统：HBase每月存储1350亿条信息

关键词
Hadoop
上一页 Hadoop是一个值得信赖的推动引擎
下一页 如何使用Linux、Hadoop进行分布式计算

相关栏目

数据分析
数据可视化
Hadoop
Spark
数据仓库

热门文章

最新文章