6步搞定基于Ubuntu Linux的Hadoop的安装与配置

Hadoop是我在Ubuntu-Linux下的入门玩具，反复安装过多次，从此大爱Ubuntu和VIM。本文面向的是Ubuntu-Linux和Hadoop新手，记录的是如何在多台计算机上搭建Hadoop集群，以两台为例。

1. 创建用户

必须保证所有的计算机的用户名是一样的，此处命名为grid。
那么我们有两个用户分布在grid1-desktop, grid2-desktop两台计算机上：
grid@grid1-desktop
grid@grid2-desktop

2. 修改hosts

ifconfig命令后，我们知道了grid1-desktop, grid2-desktop两台计算机的ip地址，此处为：
192.168.0.1
192.168.0.2

sudo vi /etc/hosts命令后，我们将两者的hosts文件原来IPv4的内容删除后都修改如下：
192.168.0.1 grid1-desktop
192.168.0.2 grid2-desktop

然后在两台计算机各自ping自己和对方，检验是否正确配置了hosts文件
ping grid1-desktop
ping grid2-desktop

注意：这一步如果出现问题的话很难察觉，我们到了后期通过hadoop dfsadmin -report命令的时候仔细观察两台计算机结果的差异才发现这里hosts文件设置出现的问题。

3. SSH

sudo apt-get install ssh rsync

为了在ssh登录的时候不用输入口令，我们要生成公钥和私钥，并且把公钥加入授权

在~/目录下
mkdir .ssh
新建ssh的设置文件夹
cd .ssh
ssh-keygen -t rsa 
之后的几个选项全点回车
然后ls查看文件就能够看到生成了两个文件
id_rsa  id_rsa.pub
然后将公钥加入授权
cp id_rsa.pub authorized_keys
然后将.ssh整个文件夹复制到另外的计算机上 ，比如从本地拷贝到grid@grid2-desktop的~/目录下
scp -r ~/.ssh grid@grid2-desktop:~/
然后互相
ssh grid@grid1-desktop
ssh grid@grid2-desktop
如果不需要输入口令即可成功登录则配置成功 

注意：在安装hadoop成功后，如果需要重新配置.ssh文件，要确保所有hadoop相关进程是关闭的，否则ssh 时候会出现错误。

4. JDK

http://www.oracle.com/technetwork/java/javase/downloads/index.html下载JDK
jdk-7u2-linux-i586.tar.gz
解压到~/目录下，然后设置环境变量
sudo vi /etc/profile
在文件的最后添加代码如下
JAVA_HOME=/home/grid/jdk1.7.0_02
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
每台计算机重复上面的步骤 （可以scp哦）

5. Hadoop

http://hadoop.apache.org/common/releases.html下载
hadoop-0.20.203.0
解压到~/目录下，然后设置环境变量
sudo vi /etc/profile
在文件的最后添加代码如下
export HADOOP_HOME=/home/grid/hadoop-0.20.203.0
export PATH=$HADOOP_HOME/bin:$PATH

然后配置hadoop-0.20.203.0/conf下面的文件，我们的设置中master是grid1-desktop，slave是grid1-desktop和grid2-desktop

=====core-site.xml=====
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/home/grid/tmp</value>
    <description>temp dir</description>
  </property>
 
<!--file system properties-->
  <property>
    <name>fs.default.name</name>
    <value>hdfs://grid1-desktop:9000</value>
  </property>
</configuration>

=====hadoop-env.sh=====
 在文件最后加入一行
export JAVA_HOME=/home/grid/jdk1.7.0_02

=====hdfs-site.xml=====
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>

=====mapred-site.xml=====
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>
<property>
<name>mapred.job.tracker</name>
<value>grid1-desktop:9001</value>
</property>
</configuration>

=====masters=====
grid1-desktop

=====slaves=====
grid1-desktop
grid2-desktop

两台计算机重复上面的设置（可以scp哦）

6. 小试牛刀

首先要格式化namenode否则没法用
hadoop namenode -format
开启hadoop所有的服务
start-all.sh
稍等一会儿，我们可以通过下面两个链接查看HDFS和MapReduce 的情况
http://grid1-desktop:50070/
http://grid1-desktop:50030/
或者
hadoop dfsadmin -report
来查看运行情况

我们来运行一下经典的wordcount的例子，我们用hadoop来数数conf文件夹下所有文本中各种单词出现的数量
首先上传conf文件夹到hdfs，命名为input
hadoop fs -copyFromLocal ~/hadoop-0.20.203.0/conf input
运行自带的例子，输出到HDFS上面的output文件夹中
hadoop jar ~/hadoop-0.20.203.0/hadoop-examples-0.20.203.0.jar wordcount input output
查看生成的文件
hadoop fs -ls output
看到生成了三个文件，查看其中的
hadoop fs -cat output/part-r-00000
我们就可以查看结果。

到此，hadoop安装成功。