hadoop-0.23版本安装和一些参数说明

该文章是转载至http://blog.csdn.net/bertzhang/article/details/7029849。

hadoop 0.23.0比先前的0.20版本有了很大的改动，而我目前最感兴趣的还是HDFS部分的federation部分，由于相关配置资料比较少，下面就把这两天配置情况总结一下作为备忘：

要配置hdfs，关键要知道namenode、datanode、secondarynamenode、backupnode都需要什么配置，下面分别来讨论一下：

1、namenode

1）需要一些目录放置fsimage和edits，对应配置dfs.namenode.name.dir、dfs.namenode.edits.dir

2）打开两个端口来提供RPC服务，一个是给client对应配置dfs.namenode.rpc-address；一个端口是提供给datanode对应配置dfs.namenode.servicerpc-address，如果不指定则使用dfs.namenode.rpc-address，其实这两个端口的RPC服务没什么区别，之所以要区分，我猜想这样分开主要是因为datanode和namenode通讯时不会影响client和namenode的通讯，因为同一个端口同时打开的句柄毕竟是预先设定的，缺省为10个

3）需要打开一个http服务，用于提供web访问以及传输edits log，checkpoint等，对应配置为dfs.namenode.http-address

2、datanode

1）需要指定一个目录来保存blocks，对应配置dfs.datanode.data.dir

2）当然还需要知道namenode所打开的RPC服务端口，以便于建立RPC联接

3、secondarynamenode

本次没有测试，而且所做的工作可以为backupnode取代，就略过了。

4、backupnode

backupnode本质上也是一个namnode，因此namenode需要的它都需要，只是名称上可能有些不同，具体如下：

1）对于保存image和edits的目录与namenode没什么不同dfs.namenode.backup.address

2）对我提供RPC服务的配置项分别叫做dfs.namenode.servicerpc-address（与namenode相同），dfs.namenode.backup.address（namenode叫做dfs.namenode.rpc-address）

3）对我提供的http服务配置项叫做：dfs.namenode.backup.http-address

4）backupnode需要和对应的namenode的http服务通讯因此需要告诉backupnode对应的namenode的http服务的地址，对应配置项dfs.namenode.http-address

5）比较没趣的还要指定一个配置项dfs.federation.nameservice.id，随便可以指定什么值，目前不会使用到，但不知定还不行，就随便指定一个值就可以了，因为backupnode继承namennode导致的，当然也可以不指定，通过其他方法来配置，但那种方法也很不理想，使配置变的怪怪的，所以还是指定一下为好

hadoop 0.23的一个重要feature就是federation，因此通过配置项dfs.federation.nameservices来枚举出全部的nameserviceID，上面说的一些配置项，后面跟上对应的ID，就可以完成配置了，其实namenode在启动时是这样做的，通过比较本机的ip和配置项中value的ip来确定该配置想是否应该加入到启动是的conf当中，通过这个手段，就可以将自己需要的配置从配置文件中分离出来了。

另外，传说hadoop 0.23.0兼容0.20的各种配置，但还是有些差别，缺省情况下，系统从hadoop-0.23.0/etc/hadoop/目录中读取配置文件，当然可以通过HDFS_CONF_DIR来指定，基于这一点，我们把配置文件放在hadoop-0.23.0/etc/hadoop/目录下

假设我们有4台机器，h1-1、h1-2、h1-3、h1-4

1）namenode为h1-1、h1-2

2）datanode为h1-1、h1-2、h1-3、h1-4

3）backupnode为h1-3

具体的配置文件如下：

1）h1-1、h1-2、h1-3、h1-4的hadoop-0.23.0/etc/hadoop/slaves

h1-1
h1-2
h1-3
h1-4

2）h1-1、h1-2、h1-4（不包括h1-3）的hadoop-0.23.0/etc/hadoop/hdfs.site的配置如下：

<?xml version="1.0"?>
<configuration>
<property>
 <name> dfs.namenode.name.dir</name>
 <value>/home/rmss/zhanggang/hdfs/name</value>
</property>
<property>
 <name>dfs.namenode.edits.dir</name>
 <value>/home/rmss/zhanggang/hdfs/edits</value>
</property>
<property>
 <name>dfs.namenode.checkpoint.dir</name>
 <value>/home/rmss/zhanggang/hdfs/checkpoint</value>
</property>
<property>
 <name>dfs.namenode.checkpoint.edits.dir</name>
 <value>/home/rmss/zhanggang/hdfs/checkpoint_edits</value>
</property>
<property>
 <name> dfs.datanode.data.dir</name>
 <value>/home/rmss/zhanggang/hdfs/data</value>
</property>
<property>
 <name>dfs.federation.nameservices</name>
 <value>ns1,ns2</value>
</property>
<property>
 <name>dfs.namenode.rpc-address.ns1</name>
 <value>h1-1:9000</value>
</property>
<property>
 <name>dfs.namenode.http-address.ns1</name>
 <value>h1-1:50070</value>
</property>
<property>
 <name>dfs.namenode.servicerpc-address.ns1</name>
 <value>h1-1:9005</value>  
</property>
<property>
 <name>dfs.namenode.rpc-address.ns2</name>
 <value>h1-2:9000</value> 
</property>
<property>
 <name>dfs.namenode-http-address.ns2</name>
 <value>h1-2:50070</value> 
</property> 
<property>
 <name>dfs.namenode.servicerpc-address.ns2</name>
 <value>h1-2:9005</value>
</property> 
<!-- Site specific YARN configuration properties -->
    
</configuration>

3）h1-3作为backupnode的hadoop-0.23.0/etc/hadoop/hdfs.site配置文件如下：

<?xml version="1.0"?>
<configuration>
<property>
 <name> dfs.namenode.name.dir</name>
 <value>/home/rmss/zhanggang/hdfs/name</value>
</property>
<property>
 <name>dfs.namenode.edits.dir</name>
 <value>/home/rmss/zhanggang/hdfs/edits</value>
</property>
<property>
 <name>dfs.namenode.checkpoint.dir</name>
 <value>/home/rmss/zhanggang/hdfs/checkpoint</value>
</property>
<property>
 <name>dfs.namenode.checkpoint.edits.dir</name>
 <value>/home/rmss/zhanggang/hdfs/checkpoint_edits</value>
</property>
<property>
 <name> dfs.datanode.data.dir</name>
 <value>/home/rmss/zhanggang/hdfs/data</value>
</property>
<property>
 <name>dfs.federation.nameservices</name>
 <value>ns1,ns2</value>
</property>
<property>
 <name>dfs.namenode.rpc-address.ns1</name>
 <value>h1-1:9000</value>
</property>
<property>
 <name>dfs.namenode.http-address.ns1</name>
 <value>h1-1:50070</value>
</property>
<property>
 <name>dfs.namenode.servicerpc-address.ns1</name>
 <value>h1-1:9005</value>
</property>
<property>
 <name>dfs.namenode.rpc-address.ns2</name>
 <value>h1-2:9000</value>
</property>
<property>
 <name>dfs.namenode-http-address.ns2</name>
 <value>h1-2:50070</value>
</property>
<property>
 <name>dfs.namenode.servicerpc-address.ns2</name>
 <value>h1-2:9005</value>
</property>
<property>
 <name>dfs.namenode.http-address</name>
 <value>h1-1:50070</value>
</property>

<property>
 <name>dfs.namenode.backup.http-address</name>
 <value>h1-3:8003</value>
</property>
<property>
 <name>dfs.namenode.backup.address</name>
 <value>h1-3:8002</value>
</property>
<property>
 <name>dfs.namenode.servicerpc-address</name>
 <value>h1-1:9000</value>
</property>
<property>
 <name>dfs.federation.nameservice.id</name>
 <value>XXXX</value>
</property>
<!-- Site specific YARN configuration properties-->
</configuration>

其他一些需要注意的地方：

1）环境变量JAVA_HOME

2）如果显示的datanode名称不对可以指定slave.host.name，到hadoop-0.23.0/etc/hadoop/core.site

如果一切顺利准备启动了

1）bin/hdfs namenode –format –clusterid your_cluster_id

2）sbin/start-hdfs.sh

sbin/start-dfs.sh只负责启动namenode、datanode、secondarynamenode，不负责启动backupnode

3）backupnode启动

ssh h1-3

bin/hdfs namenode -backup

可以打开浏览器分别访问：

1）ns1：

http://h1-1:50070 

2）ns2

http://h1-2:50070

3）backupnode

http://h1-3:8003

由于有多个namenode，因此使用hdfs是需要指定某个具体的namenode，例如在ns1和ns2上创建目录可以用下面命令：

bin/hadoop fs -mkdir hdfs://h1-1:9000/test

bin/hadoop fs -mkdir hdfs://h1-2:9000/test

bin/hadoop fs -ls hdfs://h1-1:9000/

因为启动了backup，因此可以查看backupnode的namespace，如下：

bin/hadoop fs -ls hdfs://h1-3:8002/得到的结果和bin/hadoop fs -ls hdfs://h1-1:9000/是一样的。

参考文献：

1）hadoop-0.23.0源代码

2）http://www.blogjava.net/shenh062326/archive/2011/11/23/363472.html

3）http://blog.sina.com.cn/s/blog_4a1f59bf01010kx3.html

4）http://hadoop.apache.org/common/docs/r0.23.0/hadoop-yarn/hadoop-yarn-site/Federation.html

其实还有一些关于fs.defaultFS和dfs.federation.nameservice.id的故事，就不说了。代码中都很清楚，总结一下，阅读源代码是理解配置最简单最高效的方法，查看logs/下面的信息可以得到一些有价值的提示。

一下是在配置过程中，零星的笔记，作为自己的日后参考。

--------------------

1、环境变量设置JAVA_HOME， HADOOP_CONF_ DIR， HDFS_CONF_DIR，

export HADOOP_CONF_DIR=/home/rmss/zhanggang/hadoop-0.23.0/conf

export HDFS_CONF_DIR=/home/rmss/zhanggang/hadoop-0.23.0/conf

2、将主机名加入到/etc/hosts中

3、两个namenode都要format

4、显示的主机名不对，需要指定slave.host.name

6、fs.defaultFS是否设置都是可以的，但如果配置backup没有配置dfs.namenode.servicerpc-address，则要读取fs.defaultFS作为default的服务，因此如果backup没有配置dfs.namenode.servicerpc-address，则要配置fs.defaultFS，之所以不配值fs.defaultFS是因为在name的initializeGenericKeys函数中会根据配置的dfs.federation.nameservices和dfs.namenode.rpc-address.ns1来合成并设置这个参数，具体过程是这样的，首先namenode启动时，会根据dfs.federation.nameservices得到自己的nameserviceId，然后将dfs.namenode.rpc-address+nameserviceId = dfs.namenode.rpc-address.ns1的值取出来，从新设置到conf中，此时设置的key和value分别是key = dfs.namenode.rpc-address和 value = dfs.namenode.rpc-address.ns1中设定的值，例如如果配置文件如下：

<property>
 <name>dfs.federation.nameservices</name>
 <value>ns1,ns2</value>
</property>
<property>
 <name>dfs.namenode.rpc-address.ns1</name>
 <value>h1-1:9000</value>
</property>

那么经过这个函数，在conf对象中会增加一个key-value是：key=dfs.namenode.rpc-address，value=h1-1:9000，同时该函数还会增加一个配置项：key=fs.defaultFS value=hdfs://h1-1:9000，增加了这些选项后，为以后的服务启动做准备。（参考Namenode::initializeGenericKeys函数）

那么我们在说说，dfs.federation.nameservice.id这个参数，这个也是一个可选配置，具体的工作原理是这样的，上面说到，namenode启动时要确定自己的nameserviceID，如果用户指定了dfs.federation.nameservice.id选项，就使用dfs.federation.nameservice.id中配置的值，如果没有指定该配置，那么就将dfs.federation.nameservice中指定的名称对应的dfs.namenode.rpc-address.ns1的地址和本机的地址进行比较，从而确定哪个配置是本机应该使用的配置（参考Namenode::getNameServiceId函数）

7、.23.0缺省读取etc/hadoop下的配置，不过配置也可一通过环境变量HDFS_CONF_DIR进行设置

8、backup配置

dfs.namenode.http-address

dfs.namenode.servicerpc-address

启动backup时，dfs.namenode.name.dir和dfs.namenode.edits.dir所设置的目录都应该手工建立好，

9、最好的办法就是查看log，通过eclipse查看源码，看哪里配置有问题

10、sbin/start-dfs.sh只负责启动namenode、datanode、secondarynamenode，不负责启动backupnode

12、dfs.namenode.rpc-address和dfs.namenode.servicerpc-address的关系，dfs.namenode.rpc-address是namenode和client联系的通道，而后者是datanode和namenode联系的通道，但如果没有指定后者，datanode也会通过前者来和namenode来进行通讯，我猜想这样分开主要可以是datanode和namenode通讯时不会影响client和namenode的通讯，因为同一个端口同时打开的句柄毕竟是预先设定的，缺省为10个