hadoop-0.20.2安装及简单使用 ubuntu

 我是初学者，文章只是记录我的学习过程，有很多不足或是错误，请大家谅解并指正，真心希望多和大家交流~

安装步骤如下：

1.1 机器说明

VMware总共虚拟3台机器：h1、h2、h3

IP地址分别为：192.168.1.109、192.168.1.100、192.168.1.110

操作系统为：Linux的Ubuntu10.04

jdk版本为：jdk-6u41-linux-i586

hadoop版本为：hadoop-0.20.2

h1作为NameNode、JobTracker，其他2台作为DataNode、TaskTracker

1.2 用机器名Ping通机器

用root登录，修改NameNode和DataNode上的/etc/hosts文件，加入三台机器的IP地址和机器名，如下：

192.168.1.109  h1

192.168.1.100  h2

192.168.1.110  h3

设置好后验证下各机器间是否ping通，用机器名或是IP地址都可以，例如ping h2或ping 192.168.1.100

1.3 新建hadoop用户

Hadoop要求所有机器上hadoop的部署目录结构要相同并且有一个相同的用户名的帐户，我的默认路径为 /home/hadoop

注意：新建用户时使用 root@lenovo: adduser,

 否则只添加用户信息不全

1.4 ssh设置及关闭防火墙

ssh设置的目的：实现无密码登录

安装ssh服务：sudo apt-get install openssh-server自动安装ssh服务。

1）ubuntu装好后默认启动sshd服务，如果不确定的话可以查一下 [root@h1 hadoop]# service sshd status

如没有启动的话，

启动 [root@h1 hadoop]# service sshd start

启动：sudo /etc/init.d/sshstart

停止：sudo /etc/init.d/sshstop

建立ssh无密码登录，在NameNode上 [hadoop@h1 ~]$ ssh-keygen -t rsa

会在~/.ssh/生成两个文件：id_rsa和id_rsa.pub，这两是成对出现的，把id_rsa.pub文件追加到DataNode上的authorized_keys

[hadoop@h1 ~]$ scp id_rsa.pub h2:/home/hadoop/ (注意其中目标机器后面的：与要传到的文件路径之间没有空格，即h1:与/home/hadoop/之间没有空格)               scp id_rsa.pub h3:/home/hadoop/

登录到DataNode上，

[hadoop@h2 ~]$ cat id_rsa.pub >> ~/.ssh/authorized_keys

，其余一台一样，NameNode上也要追加。

修改 /etc/ssh/sshd_config　  ssh的配置文件

其中#行指注释掉得

主要的几个：

Protocol 2　←去掉#  修改后变为此状态，仅使用SSH2

ServerKeyBits 1024　← 修改后变为此状态，将ServerKey强度改为1024比特

PermitRootLogin no 　← 修改后变为此状态，不允许用root进行登录，只能切换回非root用户才能登陆

PasswordAuthentication no　← 修改后变为此状态，不允许密码方式的登录，开始设置成yes也可以，就可以在服务器用ssh密码登陆到本机，将公钥认证文件复制过去然后添加到公钥本文件再传回来，再设置成 no

PubkeyAuthentication yes         ← 大家一定注意这个，非常关键，必须设置成yes，允许从公钥认证文件登录，搞了一下午加一晚上才整明白，这个文件里设置的东西太多，出现了 permission denied就改这个文件，无头苍蝇般，一会好用一会不好用，绝大多数不好用

关于密钥生成后权限配置

好像默认的id_rsa就是400，其他的就不知道了，大家可以玩玩看，反正最后的正确设置参考如下：

(1)id_rsa 400,即user只读，g o无权限
(2)id_rsa.pub rm 删除
(3)authorized_keys ：u必须有r权限，g o必须没有w权限，其他的都随便，为安全考虑，最终将其设置成400，开始需要设置成600，如上所说，需要服务器传过来公钥本覆盖此文件，覆盖之后再设置成 400

最后别忘了，将公钥本覆盖了以后设置两个东西，

一个是 /etc/ssh/sshd_config的PasswordAuthentication no 然后重启ssh服务（前面说过）;

chmod 400 ~/.ssh/authorized_keys 

随便输入 ssh localhost，哈哈

OK了，成功也安全了

注意：追加完后必须修改NameNode和DataNode上的.ssh和authorized_keys的权限，chmod命令，参数不确定，完成后测试下，例如ssh h2时不需要密码就可以登录，就可以知道ssh设置成功。

2）关闭防火墙（NameNode和DataNode都必须关闭,没用到）

[root@h1 ~]# service iptables stop

注意：每次重新开机启动hadoop前都必须关闭

1.5 安装jdk1.6(几台机子都一样)
在官网http://www.oracle.com/technetwork/java/javase/downloads/jdk6downloads-1902814.html下载jdk-6u41-linux-i586.bin，之后直接安装

[root@h1 java]#chmod +x jdk-6u41-linux-i586.bin [root@h1 java]# ./jdk-6u41-linux-i586.bin

我的安装路径为：/usr/lib/java/jdk1.6.0_41，安装后添加如下语句到/etc/profile中：

export JAVA_HOME=/usr/java/jdk1.6.0_41export JRE_HOME=/usr/java/jdk1.6.0_41/jreexport CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATHexport PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH

1.6 安装hadoop

在官网http://apache.etoak.com//hadoop/core/下载hadoop-0.20.2.tar.gz

[hadoop@h1 ~]$ tar xzvf hadoop-0.20.2.tar.gz

将hadoop的安装路径添加到/etc/profile中：

export HADOOP_HOME=/home/hadoop/hadoop-0.20.2export PATH=$HADOOP_HOME/bin:$PATH

为了让/etc/profile生效，source一下 [hadoop@h1 ~]$ source /etc/profile

1.7 配置hadoop

其配置文件在/conf目录下

1）配置JAVA环境

[hadoop@h1 ~]$ vim hadoop-0.20.2/conf/hadoop-env.sh

末行加入

export JAVA_HOME=/usr/java/jdk1.6.0_41

2）配置conf/core-site.xml、conf/hdfs-site.xml、conf/mapred-site.xml文件

[hadoop@h1 ~]$ vim hadoop-0.20.2/conf/core-site.xml

<configuration><property>      <name>hadoop.tmp.dir</name>     <value>/home/hadoop/tmp</value>   </property><property>      <name>fs.default.name</name>     <value>hdfs://h1:9000</value>   </property></configuration>

[hadoop@h1 ~]$ vim hadoop-0.20.2/conf/mapred-site.xml

<configuration>   <property>      <name>mapred.job.tracker</name>        <value>hdfs://h1:9001</value> <!--注意：h1前能不能加hdfs://不太清楚，本人配了两个集群，一个加了一个不加都能用-->   </property></configuration>

[hadoop@h1 ~]$ vim hadoop-0.20.2/conf/hdfs-site.xml

<configuration>   <property>        <name>dfs.name.dir</name>        <value>/home/hadoop/name</value>   </property>    <property>        <name>dfs.data.dir</name>       <value>/home/hadoop/data</value>   </property>   <property>      <name>dfs.replication</name>       <value>3</value><!--注意：如果设为1，数据只有一个副本，假如其中一个datanode出问题，将会导致整个job失败-->   </property> </configuration>

3）

配置NameNode上的conf/masters和conf/slaves

masters:

    192.168.1.109

slaves:

    192.168.1.100    192.168.1.110

4）将NameNode上完整的hadoop拷贝到DataNode上，可先将其进行压缩后直接scp过去或是用盘拷贝过去 

    （1）将本地文件拷贝到远程：scp  文件名 用户名@计算机IP或者计算机名称:远程路径     （2）从远程将文件拷回本地：scp  用户名@计算机IP或者计算机名称:文件名本地路径    （3）将本地目录拷贝到远程：scp -r目录名   用户名@计算机IP或者计算机名称:远程路径    （4）从远程将目录拷回本地：scp-r   用户名@计算机IP或者计算机名称:目录名本地路径

1.8 运行hadoop

1）格式化文件系统

[hadoop@h1 hadoop-0.20.2]$ hadoop namenode -format

注意：格式化时要防止NameNode的namespace ID与DataNode的namespace ID的不一致，因为每格式化一次会产生Name、Data、tmp等临时文件记录信息，多次格式化会产生很多，会导致ID的不同，造成hadoop不能运行

2）启动hadoop

[hadoop@h1 hadoop-0.20.2]$ bin/start-all.sh

3）用jps命令查看进程，NameNode上的结果如下：

   25325          NameNode

   25550          JobTracker

   28210          Jps

   25478         SecondaryNameNode

4）查看集群状态

[hadoop@h1 hadoop-0.20.2]$ hadoop dfsadmin -report

确保运行的DataNode个数是正确的，我的是2个，这样可以查看哪个DataNode没有运行

5）用hadoop的web方式查看

       [hadoop@h1 hadoop-0.20.2]$ links  http://192.168.1.109（即为master）:50070

1.9 运行Wordcount.java程序

1）先在本地磁盘上建立两个文件f1和f2

[hadoop@h1 ~]$ echo ”hello Hadoop goodbye hadoop” > f1    [hadoop@h1 ~]$ echo ”hello bye hadoop hadoop” > f2

2）在hdfs上建立一个input目录

[hadoop@h1 ~]$ hadoop dfs -mkdir input

3）将f1和f2拷贝到hdfs的input目录下

[hadoop@h1 ~]$ hadoop dfs -copyFromLocal /home/hadoop/f* input

4）查看hdfs上有没有input目录

[hadoop@h1 ~]$ hadoop dfs -ls

5)查看input目录下有没有复制成功f1和f2

[hadoop@h1 ~]$ hadoop dfs -ls input

6)执行wordcount（确保hdfs上没有output目录）

[hadoop@h1 hadoop-0.20.2]$ hadoop jar hadoop-0.20.2-examples.jar wordcount input output

7）运行完成，查看结果

    [hadoop@h1 hadoop-0.20.2]$ hadoop dfs -cat output/part-r-00000