本文共 7768 字,大约阅读时间需要 25 分钟。
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:
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,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 slave2③ 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:
export JAVA_HOME=/root/bin/jdk1.6.0_32
export PATH=$PATH:$JAVA_HOME/bin⑥ 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
<JDK Installation End>
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)
ssh -keygen -t dsa -P '' -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
② 将authorized_keys文件拷贝到两台slave主机
scp authorized_keys slave1:~/.ssh/
scp authorized_keys slave2:~/.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:,选择
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
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
fs.default.name hdfs://master:9000 Hadoop.tmp.dir /tmp/hadoop-root
转载注明出处:博客园 石头儿
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 ${hadoop.tmp.dir}/dfs/data,所以设置好hadoop.tmp.dir目录后,其他的重要目录都是在这个目录下面,这是一个根目录。
注释二:fs.default.name,设置namenode所在主机,端口号是9000
注释三:core-site.xml 对应有一个core-default.xml, hdfs-site.xml对应有一个hdfs-default.xml,mapred-site.xml对应有一个mapred-default.xml。这三个defalult文件里面都有一些默认配置,现在我们修改这三个site文件,目的就覆盖default里面的一些配置
修改hdfs-site.xml
dfs.replication 3
转载注明出处:博客园 石头儿
dfs.replication,设置数据块的复制次数,默认是3,如果slave节点数少于3,则写成相应的1或者2
修改mapred-site.xml
mapred.job.tracker http://master:9001
转载注明出处:博客园 石头儿
mapred.job.tracker,设置jobtracker所在机器,端口号9001
修改masters
master
转载注明出处:博客园 石头儿
虽然masters内写的是master,但是个人感觉,这个并不是指定master节点,而是配置secondaryNameNode
修改slaves
masterslave1slave2
转载注明出处:博客园 石头儿
配置了集群中所有slave节点
④ 添加hadoop环境变量,并 source ~/.bash_profile使之生效
export JAVA_HOME=/root/bin/jdk1.6.0_32export HADOOP_HOME=/root/bin/hadoop-0.20.2export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin
转载注明出处:博客园 石头儿
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
[root@master ~]# hadoopUsage: hadoop [--config confdir] COMMANDwhere COMMAND is one of: namenode -format format the DFS filesystem secondarynamenode run the DFS secondary namenode namenode run the DFS namenode datanode run a DFS datanode dfsadmin run a DFS admin client mradmin run a Map-Reduce admin client fsck run a DFS filesystem checking utility fs run a generic filesystem user client balancer run a cluster balancing utility jobtracker run the MapReduce job Tracker node pipes run a Pipes job tasktracker run a MapReduce task Tracker node job manipulate MapReduce jobs queue get information regarding JobQueues version print the version jarrun a jar file distcp copy file or directories recursively archive -archiveName NAME * create a hadoop archive daemonlog get/set the log level for each daemon or CLASSNAME run the class named CLASSNAMEMost commands print help when invoked w/o parameters.
转载注明出处:博客园 石头儿
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 ~]# jps25429 SecondaryNameNode25500 JobTracker25201 NameNode25328 DataNode18474 Jps25601 TaskTracker
转载注明出处:博客园 石头儿
slave节点:[root@slave1 ~]# jps4469 TaskTracker4388 DataNode29622 Jps
转载注明出处:博客园 石头儿
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 /
转载注明出处:博客园 石头儿
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
转载注明出处:博客园 石头儿
再次执行hadoop fs -ls /,则会看到newDir文件夹,关于hadoop fs 命令,参见:
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:
[root@slave1 hadoop-0.20.2]# hadoop jar hadoop-0.20.2-examples.jar pi 4 2Number of Maps = 4Samples per Map = 2Wrote input for Map #0Wrote input for Map #1Wrote input for Map #2Wrote input for Map #3Starting Job12/05/20 09:45:19 INFO mapred.FileInputFormat: Total input paths to process : 412/05/20 09:45:19 INFO mapred.JobClient: Running job: job_201205190417_000512/05/20 09:45:20 INFO mapred.JobClient: map 0% reduce 0%12/05/20 09:45:30 INFO mapred.JobClient: map 50% reduce 0%12/05/20 09:45:31 INFO mapred.JobClient: map 100% reduce 0%12/05/20 09:45:45 INFO mapred.JobClient: map 100% reduce 100%12/05/20 09:45:47 INFO mapred.JobClient: Job complete: job_201205190417_000512/05/20 09:45:47 INFO mapred.JobClient: Counters: 1812/05/20 09:45:47 INFO mapred.JobClient: Job Counters 12/05/20 09:45:47 INFO mapred.JobClient: Launched reduce tasks=112/05/20 09:45:47 INFO mapred.JobClient: Launched map tasks=412/05/20 09:45:47 INFO mapred.JobClient: Data-local map tasks=412/05/20 09:45:47 INFO mapred.JobClient: FileSystemCounters12/05/20 09:45:47 INFO mapred.JobClient: FILE_BYTES_READ=9412/05/20 09:45:47 INFO mapred.JobClient: HDFS_BYTES_READ=47212/05/20 09:45:47 INFO mapred.JobClient: FILE_BYTES_WRITTEN=33412/05/20 09:45:47 INFO mapred.JobClient: HDFS_BYTES_WRITTEN=21512/05/20 09:45:47 INFO mapred.JobClient: Map-Reduce Framework12/05/20 09:45:47 INFO mapred.JobClient: Reduce input groups=812/05/20 09:45:47 INFO mapred.JobClient: Combine output records=012/05/20 09:45:47 INFO mapred.JobClient: Map input records=412/05/20 09:45:47 INFO mapred.JobClient: Reduce shuffle bytes=11212/05/20 09:45:47 INFO mapred.JobClient: Reduce output records=012/05/20 09:45:47 INFO mapred.JobClient: Spilled Records=1612/05/20 09:45:47 INFO mapred.JobClient: Map output bytes=7212/05/20 09:45:47 INFO mapred.JobClient: Map input bytes=9612/05/20 09:45:47 INFO mapred.JobClient: Combine input records=012/05/20 09:45:47 INFO mapred.JobClient: Map output records=812/05/20 09:45:47 INFO mapred.JobClient: Reduce input records=8Job Finished in 28.952 secondsEstimated value of Pi is 3.50000000000000000000
转载注明出处:博客园 石头儿
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。
本文打算写成一个系列,从集群搭建,到windows中远程连接开发调试,再到源码的阅读和分析,立此存照,必须说到做到。
转载注明出处:博客园 石头儿
系列文章:
1.
2.
3.