Hadoop分布式集群配置

硬件环境：

安装一个Hadoop集群时，需要专门指定一个服务器作为主节点。

三台虚拟机搭建的集群：（搭建集群时主机名不能一样，主机名在/etc/hostname修改）

master机器：集群的主节点，驻留NameNode和JobTracker守护进程）

           dbrg1  192.168.0.102

slaves机器：（集群的从节点，驻留DataNode和TaskTracker守护进程）

                                          dbrg2  192.168.0.112

                                          dbrg3  192.168.0.113

这三台机器都安装好了hadoop-0.20.2，JDK和ssh。

安装方法参考上一篇博文。

共有3台机器，均使用的linux系统，Java使用的是sun jdk1.7.0。

1. 修改主机名和IP地址

vi /etc/hostname（分别给每一台主机指定主机名）

vi /etc/hosts（分别给每一台主机指定主机名到IP地址的映射）

这里有一点需要强调的就是，务必要确保每台机器的主机名和IP地址之间能正确解析。一个很简单的测试办法就是ping一下主机名，比如在dbrg1上pingdbrg2，如果能ping通就OK！若不能正确解析，可以修改/etc/hosts文件，如果该台机器作Namenode用，则需要在hosts文件中加上集群中所有机器的IP地址及其对应的主机名；如果该台机器作Datanode用，则只需要在hosts文件中加上本机IP地址和Namenode机器的IP地址。

  1.   三台机器都要修改/etc/hosts。

                                    在dbrg1中添加：

                                              192.168.0.102 dbrg1  dbrg1

                                              192.168.0.112  dbrg2  dbrg2

                                              192.168.0.113  dbrg3  dbrg3

                                   在dbrg2中添加：

                                              192.168.0.102 dbrg1 dbrg1

                                               192.168.0.112 dbrg2 dbrg2

                                  在dbrg3中添加：

                                              192.168.0.102 dbrg1 dbrg1

                                               192.168.0.113 dbrg3 dbrg3

       2.免密码SSH设置

                      （1） 在三台机器上安装ssh，启动ssh-server。

                                 sudo apt-get install openssh-server

                                  sudo /etc/init.d/ssh start  

                                   ps -e|grep ssh       //这个是检验命令

                      (2)在dbrg1上生成密钥对。

                                  ssh-keygen  -t  -rsa //然后一直enter，按照默认的选项生成的密钥对保存在.ssh/id_rsa文件中

                                  进入.ssh目录，输入

                                   cp id_rsa.pub authorized_keys

                                   执行 ssh localhost 看看需不需要输入命令

                      (3)远程拷贝

                                  生成好后，需要将该文件传到dbrg2和3上

                                   在dbrg1中的.ssh目录中，输入

                                   scp authorized_keys dbrg2:/home/dbrg/.ssh/

                                   scp authorized_keys dbrg3:/home/dbrg/.ssh/

                                   说明：如果提示在dbrg2和3上没有此目录，记得创建。此处是需要输入密码的。

                      （4）修改权限。在dbrg2和dbrg3上对该文件进行权限修改

                                   打开.ssh，输入

                                  chmod 644 authorized_keys

                       (5)配置修改

                                   在三台服务器上对sshd服务进行配置，都需要修改。在sudo vi /etc/ssh/sshd_config中 

                                   修改：PasswordAuthentictation  no

                                               AuthorizedKeyFile  /home/dbrg/.ssh/authorized_keys

                     （6）检验

                                   在dbrg1上，ssh dbrg2，输入yes，这样以后访问都不需要输入密码了

                                  同样ssh dbrg3，输入yes。

                                  之后再检验下，看看需不需要输入密码

3.Hadoop环境配置

                     在dbrg1中，打开hadoop目录，ls下，发现了conf文件夹，这个里面全是配置，打开

                    （1）修改hadoop_env.sh，输入：

                            export HADOOP_HOME=/home/dbrg/HadoopInstall/hadoop

                            export JAVA_HOME=/usr/java/jdk1.7.0

                           说明：根据实际的安装路径来，这是我机子上的

                  （2） 修改masters

                            删除localhost，改为dbrg1

                   （3）修改slaves

                           删除，改为dbrg2、dbrg3

                   （4）修改core-site.html  //N啊么node IP地址及端口

                        在configuration之间加入：              

                               <property>

                              <name>fs.default.name</name>

                              <value>hdfs://dbrg1:9000</value>  

                             <description>The name and URI of the default FS.</description>

                             </property>

                   （5）修改mapred-site.html      //Jobtracker 调度并记录任务的执行情况

                              在configuration之间加入：                          

                              <property>

<name>mapred.job.tracker</name>

                               <value>dbrg1:9001</value>

                               <description>Map Reduce jobtracker</description>

                              </property>

                    (6)修改hdfs-site.html     //block的文件副本数

                             在configuration之间加入：                         

                                <property>

                               <name>dfs.replication</name>

                               <value>2</value>

                               <description>Default block replication</description>

                              </property>

                     (7)环境配置的拷贝

                                 利用scp命令将上面修改的文件，替代dbrg2和dbrg3中的相应文件

       4.HDFS的运行

                      在dbrg1中初始化namenode，在hadoop目录下，输入

                             bin/hadoop namenode -format

                     然后再三台机器上都要bin/start-all.sh下，启动了

                    在dbrg1上可以查看，输入jps；或者可以通过http://dbrg1:50070查看

4. mapduce程序实例

参考网址：

http://blog.csdn.net/moodytong/article/details/6862020

http://www.cnblogs.com/welbeckxu/archive/2011/12/30/2306887.html

http://puxuanling.blog.163.com/blog/static/87476635201210704825265/

http://wenku.baidu.com/view/91e0240b52ea551811a68706.html

问题解决篇：

http://lwjlaser.iteye.com/blog/1443147