vmware10上三台虚拟机的Hadoop2.5.1集群搭建

由于官方版本的Hadoop是32位，若在64位Linux上安装，则必须先重新在64位环境下编译Hadoop源代码。本环境采用编译后的hadoop2.5.1 。安装参考博客：1 http://www.micmiu.com/bigdata/hadoop/hadoop2x-cluster-setup/2 http://f.dataguru.cn/thread-18125-1-1.html3 http://blog.sina.com.cn/s/blog_611317b40100t5od.html

一 、安装条件

环境搭建： 物理机win7 虚拟机vmware10+3台ubuntu12.04 64位（可以配置好一台然后完全复制另外两台） 虚拟机采用NAT模式上网， { 在Virtual Network Editor中将Subnet IP设为192.168.23.0为虚拟机配置静态Ipautho eht0iface eth0 inet staticaddress 192.168.23.5gateway 192.168.23.2netmask 255.255.255.0network 192.168.23.0broadcast 192.168.23.255配置虚拟机DNS在/etc/resolvconf/resolv.conf.d/base以及/etc/resolv.conf中加入nameserver 8.8.8.8虚拟机端口映射将虚拟机的22（ssh）端口应射成主机的8841端口，以后ssh远程访问虚拟机都用主机的端口访问Sudo vi /etc/vmware/vmnet8/nat/nat.conf在[incomingtcp]下加入8421=192.168.23.5:22需要注意的是再加入端口之前要查看端口是否占用Netstat –ap|grep 8421} 这部分我安装时没有关心。

二、环境准备

安装好虚拟机，为方便设置： 用户名：hadoop 主机名分别为：master 、slave1、slave2 配置各台虚拟机的ip：Ipconfig ：查看各个虚拟机的ip，没台机器就可以取这个ip。

hostname	IP	用途
master	192.168.164.133	NameNode/ResouceManager
Slave1	192.168.164.134	DataNode/NodeManager
slave2	192.168.164.135	DataNode/NodeManager

ps：如果是虚拟机可以把环境配置好后，copy多个实例即可，需要注意修改hostname1 vi /etc/hosts 添加如下内容：192.168.164.133 master192.168.164.134 slave1192.168.164.135 slave2这里可能hosts和hostname是只读权限给只读文件添加权限：sudo chmod a+rwx /etc/hostssudo chmod a+rwx /etc/hostname2 修改各台主机的主机名： Vi /etc/hostname3 3台主机分别更新： sudo apt-get update3台主机分别关闭防火墙：sudo ufw disable（将hadoop用户添加root权限： sudo gpasswd -a hadoop root ）给hadoop用户设置无密码sudo权限：Chmod u+w /etc/sudoers编辑增加：Hadoop ALL=(root)NOPASSWD:ALLChmod u-w /etc/sudoers测试是否成功：sudo ifconfig4 配置jdk 在3台：在/usr目录下新建setup目录，用于安装jdk和hadoop解压jdk到setup目录加压到指定目录： tar zxvf 源文件 –C 指定目录tar zxvf jdk1.x---重命名为jdk1.7 ： mv jdk-1.7.x/ jdk1.7/配置jdk的环境变量：gedit /etc/profile添加：红色部分为自己的jdk目录#set Java environmentJAVA_HOME=/usr/setup/jdk1.7PATH=$PATH:$JAVA_HOME/binCLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jarexport PATH JAVA_HOME CLASSPATH验证：Java -versionJdk配置完毕。（这一步完成后可以复制虚拟机）复制后注意配置主机名。

配置ssh互信（无密码登陆）

"公私钥"认证方式简单的解释:首先在客户端上创建一对公私钥 （公钥文件：~/.ssh/id_rsa.pub； 私钥文件：~/.ssh/id_rsa）。然后把公钥放到服务器上（~/.ssh/authorized_keys）, 自己保留好私钥.在使用ssh登录时,ssh程序会发送私钥去和服务器上的公钥做匹配.如果匹配成功就可以登录了。1 安装ssh：3台主机分别：sudo apt-get install ssh然后 ：ssh-keygen -t rsa一直回车 选择是选 y回到master主机上，使用跨主机的管道和重定向将slave1,slave2主机上的公钥id_rsa.pub添加到 master上的authorized_keys文件中。三台主机上分别： cd ~/.ssh/cat id_rsa.pub >authorized_keys在master上：ssh slave1 cat ~/.ssh/id_rsa.pub && ssh slave2 cat ~/.ssh/id_rsa.pub添加到authorized_keys，然后复制authorized_keys到slave1 和slave2中：scp authorized_keys hadoop@slave1:~/.ssh/scp authorized_keys hadoop@slave2:~/.ssh/（或者 ：在master上执行：$cat ~/.ssh/id_rsa.pub | ssh 远程用户名@远程服务器ip 'cat >> ~/.ssh/authorized_keys'）测试：ssh slave1Ssh slave2第一次需要密码，后续ssh时可以实现无密码登陆。

hadoop安装配置

1   下载hadoop，http://apache.fayea.com/apache-mirror/hadoop/common/

选择hadoop-2.2.0.tar.gz

32位环境下不用编译。复制到setup目录（这部分看个人习惯）解压

tar zxvf hadoop-2.2.0.tar.gzmv hadoop-2.2.0 hadoop

2 配置hadoop的环境变量

vi /etc/profile

添加如下内容：

# set java environmentexport JAVA_HOME=/usr/setup/jdk1.7export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/libexport PATH=$PATH:$JAVA_HOME/bin:$JAVA_HOME/jre/bin# set Hadoop environmentexport HADOOP_PREFIX="/usr/setup/hadoop"export PATH=$PATH:$HADOOP_PREFIX/bin:$HADOOP_PREFIX/sbinexport HADOOP_COMMON_HOME=${HADOOP_PREFIX}export HADOOP_HDFS_HOME=${HADOOP_PREFIX}export HADOOP_MAPRED_HOME=${HADOOP_PREFIX}export HADOOP_YARN_HOME=${HADOOP_PREFIX}使环境变量生效$source /etc/profile

3 编辑 <HADOOP_HOME>/etc/hadoop/hadoop-env.sh     指定java路径

修改JAVA_HOME的配置：

export JAVA_HOME=/usr/setup/jdk1.7

4 编辑 <HADOOP_HOME>/etc/hadoop/yarn-env.sh

 修改JAVA_HOME的配置：

export JAVA_HOME=/usr/setup/jdk1.7

5编辑  <HADOOP_HOME>/etc/hadoop/core-site.xml

<property><name>fs.defaultFS</name><value>hdfs://master:9000</value> //指定主机和端口号，master可以改成主机ip当然<description>The name of the default file system.</description></property><property><name>hadoop.tmp.dir</name><!-- 注意创建相关的目录结构 --><value>/usr/setup/hadoop/temp</value><description>A base for other temporary directories.</description></property>//创建临时文件目录,在hadoop目录下新建temp目录

6 编辑<HADOOP_HOME>/etc/hadoop/hdfs-site.xml

<configuration><property><name>dfs.replication</name><!-- 值需要与实际的DataNode节点数要一致，本文为2 --><value>2</value></property><property><name>dfs.namenode.name.dir</name><!-- 注意创建相关的目录结构 --><value>file:/usr/setup/hadoop/dfs/name</value><final>true</final></property><property><name>dfs.datanode.data.dir</name><!-- 注意创建相关的目录结构 --><value>file:/usr/setup/hadoop/dfs/data</value></property></configuration>//hadoop根目录下新建dfs目录，在dfs下新建data和name目录

7编辑<HADOOP_HOME>/etc/hadoop/yarn-site.xml

<configuration><!-- Site specific YARN configuration properties --><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><property> <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name><value>org.apache.hadoop.mapred.ShuffleHandler</value></property><!-- resourcemanager hostname或ip地址--><property><name>yarn.resourcemanager.hostname</name><value>master</value></property></configuration>//三台机器上配置是一样的

8编辑 <HADOOP_HOME/etc/hadoop/mapred-site.xml

默认没有mapred-site.xml文件，copy mapred-site.xml.template 一份为 mapred-site.xml即可<configuration><property><name>mapreduce.framework.name</name><value>yarn</value><final>true</final></property></configuration>

9编辑 <HADOOP_HOME>/etc/hadoop/slaves添加：

slave1slave2

配置好hadoop后可以通过scp –r hadoop hadoop@IP 复制hadoop这个目录到指定节点上

启动和测试

1 启动Hadoop1.1、第一次启动需要在master执行format ：hdfs namenode -format1.2、在master执行 start-dfs.sh在master验证启动进程：[hadoop@master ~]$ jps在slavex验证启动进程：hadoop@slave1 ~$ jps1.3、在Master.Hadoop 执行 start-yarn.sh在master验证启动进程：在slavex验证启动进程：

hadoop@slave1 ~$ jps

2 演示

（这部分参考http://www.micmiu.com/bigdata/hadoop/hadoop2x-cluster-setup/）2.1 演示hdfs 一些常用命令，为wordcount演示做准备

hdfs dfs -ls /

hdfs dfs -mkdir /user

hdfs dfs -mkdir -p /user/test/wordcount/in

hdfs dfs -ls /user/test/wordcount

2.2、本地（即home/下面）创建三个文件 test1.txt、test2.txt、test3.txt, 分别写入如下内容：test1：hi baixl welcome to hadoopmore see hadooptest2：hi baixl welcome to bigdatamore see hadooptest3：hi baixl welcome to sparkmore see hadoop把 test打头的三个文件上传到hdfs：

[hadoop@Master ~]$ hdfs dfs -put test*.txt /user/test/wordcount/in

[hadoop@Master ~]$ hdfs dfs -ls /user/test/wordcount/in

2.3、然后cd 切换到Hadoop的根目录下执行：

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.1.jar wordcount  /user/test/wordcount/in  /user/test/wordcount/out

到此 wordcount的job已经执行完成，执行如下命令可以查看刚才job的执行结果：类似如下：

[hadoop@Master hadoop]$ hdfs dfs -ls /user/test/wordcount/out

[hadoop@Master hadoop]$ hdfs dfs -cat /user/test/wordcount/out/part-r-00000

注意：当重启hdfs后需要删除hdfs上缓存的文件

安装过程中由于已经在hdfs上上传了文件，当重启在 hdfs namenode –format时，后，会提示无法上传文件，此时需要删除hdfs已经存在的副本：在master上删除dfs上name目录下的current目录： rm –rf current/在slave上删除dfs上的整个data目录：rm –rf data/远程访问hadoop集群：masterIP:50070