Hadoop 2.4 完全分布式环境安装与配置

来源：互联网发布：bilibili手机直播软件编辑：程序博客网时间：2024/06/03 18:41

依赖项

Java

1. 从http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html下载tar.gz格式的，32位和64位机器对应下载，这里下的是64位的

wget http://download.oracle.com/otn-pub/java/jdk/7u51-b13/jdk-7u51-linux-x64.tar.gz

2. 解压到/usr/local

tar -jxvf jdk-7u51-linux-x64.tar.gz -C /usr/local

3. 配置符号链接：cd /usr/local; ln -snf jdk1.7.0_45/ jdk

4. 配置环境变量到~/.bashrc

export JAVA_HOME="/usr/local/jdk"
export PATH="$JAVA_HOME/bin:$PATH"

5. 命令行下使用java、javax命令判断是否安装成功。

6. 在其他机器上

Hosts

所有的节点都修改/etc/hosts，使彼此之间都能把主机名解析为ip

SSH 无密码登陆

首先要配置本机的SSH服务器，运行 ps -e | grep ssh，查看是否有sshd进程，如果没有，说明server没启动，通过 /etc/init.d/ssh -start 启动server进程，如果提示ssh不存在那么就是没安装server。Ubuntu下通过 sudo apt-get install openssh-server命令安装即可。

（1）生成当前用户的SSH公钥。

$ ssh-keygen -t rsa -P ''

它在/home/[你当前登录的用户名] 下生成.ssh目录（root用户即是在/root目录下），.ssh下有id_rsa和id_rsa.pub。id_rsa.pub即是本地SSH生成的公钥文件。客户端机器将id_rsa.pub文件添加到自己的~/.ssh/authorized_keys文件中即可免密码登录到本机。

（2）将~/.ssh/id_rsa.pub添加到目标机器的~/.ssh/authorized_keys文件中

如果是本机的操作，则使用

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

将要登录的机器的公钥添加到本地的认证密钥库中。注意这里必须要用>>操作符进行追加操作。

使用

ssh localhost

命令即可免密码登录到本地。

如果是将自己的公钥发送到别的机器上。

可以使用

scp ~/.ssh/id_rsa.pub root@172.24.253.2:.ssh/id_rsa.pub

这条scp命令进行文件上传操作。

安装Hadoop

下载Hadoop

最新版本hadoop-2.4.0安装包为 hadoop-2.4.0.tar.gz

下载官网地址 :http://www.apache.org/dyn/closer.cgi/hadoop/common/

下载到 /opt/hadoop/source 目录下

wget http://ftp.riken.jp/net/apache/hadoop/common/hadoop-2.4.0/hadoop-2.4.0.tar.gz

解压目录

tar zxvf hadoop-2.4.0.tar.gz

最终是这样子：

环境配置项

配置环境变量：

vim /etc/profile

添加

export HADOOP_DEV_HOME=/opt/hadoop/source

export PATH=$PATH:$HADOOP_DEV_HOME/bin

export PATH=$PATH:$HADOOP_DEV_HOME/sbin

export HADOOP_MAPARED_HOME=${HADOOP_DEV_HOME}

export HADOOP_COMMON_HOME=${HADOOP_DEV_HOME}

export HADOOP_HDFS_HOME=${HADOOP_DEV_HOME}

export YARN_HOME=${HADOOP_DEV_HOME}

export HADOOP_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoop

export HDFS_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoop

export YARN_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoop

文件配置

配置之前，需要在Cluster文件系统创建以下文件夹，用于存放命名空间以及数据信息。

~/dfs/name

~/dfs/data

~/temp

这里要涉及到的配置文件有7个：

~/hadoop-2.4.0/etc/hadoop/hadoop-env.sh

~/hadoop-2.4.0/etc/hadoop/yarn-env.sh

~/hadoop-2.4.0/etc/hadoop/slaves

~/hadoop-2.4.0/etc/hadoop/core-site.xml

~/hadoop-2.4.0/etc/hadoop/hdfs-site.xml

~/hadoop-2.4.0/etc/hadoop/mapred-site.xml

~/hadoop-2.4.0/etc/hadoop/yarn-site.xml

以上个别文件默认不存在的，可以复制相应的template文件获得。

~/ect/hadoop/hadoop-env.sh 与 yarn-env.sh

原文件中设置Java环境：export JAVA_HOME=${JAVA_HOME}，如果你环境变量中未配置JAVA_HOME,那么这里JAVA_HOME设置指向你的JAVA配置路径。

譬如：export JAVA_HOME="/usr/local/jdk"

~/etc/hadoop/slave

slaves （这个文件里面保存所有slave节点）

写入以下内容：

Slave1

Slave2

~/etc/hadoop/core-site.xml

在configuration节点里面添加属性

<property>  <name>hadoop.tmp.dir</name>  <value>file:/opt/hadoop/hdfs/tmp</value>  <description>A base for other temporary directories.</description></property><property>  <name>io.file.buffer.size</name>  <value>131072</value></property><property>  <name>fs.default.name</name>  <value>hdfs://Master:9000</value></property>

添加httpfs的选项

<property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value></property><property> <name>hadoop.proxyuser.root.groups</name> <value>*</value></property>

~/etc/hadoop/hdfs-site.xml

<property>   <name>dfs.replication</name>   <value>3</value></property> <property>   <name>dfs.namenode.name.dir</name>   <value>file:/opt/hadoop/hdfs/name</value>   <final>true</final></property> <property>   <name>dfs.dataname.data.dir</name>   <value>file:/opt/hadoop/hdfs/data</value>   <final>true</final></property> <property>  <name>dfs.namenode.secondary.http-address</name>  <value>Master:9001</value></property><property>  <name>dfs.webhdfs.enabled</name>  <value>true</value></property>

~/etc/hadoop/yarn-site.xml

<property>  <name>yarn.resourcemanager.address</name>  <value>Master:18040</value></property><property>  <name>yarn.resourcemanager.scheduler.address</name>  <value>Master:18030</value></property><property>  <name>yarn.resourcemanager.webapp.address</name>  <value>Master:18088</value></property><property>  <name>yarn.resourcemanager.resource-tracker.address</name>  <value>Master:18025</value></property><property>  <name>yarn.resourcemanager.admin.address</name>  <value>Master:18141</value></property><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>

Hadoop 测试

HDFS

格式化NameNode

执行命令：hadoop namenode -format，可以格式化NameNode。

l 可能错误：出现未知的主机名问题。

java.net.UnknownHostException: localhost.localdomain: localhost.localdomain

at java.net.InetAddress.getLocalHost(InetAddress.java:1353)

at org.apache.hadoop.metrics.MetricsUtil.getHostName(MetricsUtil.java:91)

at org.apache.hadoop.metrics.MetricsUtil.createRecord(MetricsUtil.java:80)

at org.apache.hadoop.hdfs.server.namenode.FSDirectory.initialize(FSDirectory.java:73)

at org.apache.hadoop.hdfs.server.namenode.FSDirectory.<init>(FSDirectory.java:68)

at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.<init>(FSNamesystem.java:370)

at org.apache.hadoop.hdfs.server.namenode.NameNode.format(NameNode.java:853)

at org.apache.hadoop.hdfs.server.namenode.NameNode.createNameNode(NameNode.java:947)

at org.apache.hadoop.hdfs.server.namenode.NameNode.main(NameNode.java:964)

/************************************************************

SHUTDOWN_MSG: Shutting down NameNode at java.net.UnknownHostException: localhost.localdomain: localhost.localdomain

************************************************************/

使用hostname命令，可以发现当前的主机名为hadoop_master(Ubuntu系统下在/etc/hostname，Centos系统在 /etc/sysconfig/network文件中设置)，而hosts文件中信息如下：

127.0.0.1 localhost

127.0.1.1 ubuntu

192.168.198.133 Master

192.168.198.134 Slave1

即无法解析hadoop_master的信息，将hosts文件信息改为如下：

127.0.0.1 hadoop_master

127.0.1.1 ubuntu

192.168.198.133 Master

192.168.198.134 Slave1

Hadoop集群

启动集群

~/sbin/start-all.sh 启动Hadoop集群，最好使用~/sbin/start-dfs.sh与~/sbin/start-yarn.sh来代替。

若正常启动：

NameNode上使用jps查询会显示如下：

DataNode上使用jps查询会显示如下:

.1 64位平台不兼容错误

Starting namenodes on [Java HotSpot(TM) 64-Bit Server VM warning: You have loaded library /opt/hadoop/source/lib/native/libhadoop.so.1.0.0 which might have disabled stack guard. The VM will try to fix the stack guard now.

在/etc/profile 或者 ~/.bash_profile中添加：

export HADOOP_COMMON_LIB_NATIVE_DIR=${HADOOP_DEV_HOME}/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_DEV_HOME/lib"

Command Lines

Hadoop

* start-all.sh 启动所有的Hadoop守护。包括namenode, datanode, jobtracker, tasktrack

* stop-all.sh 停止所有的Hadoop

* start-mapred.sh 启动Map/Reduce守护。包括Jobtracker和Tasktrack

* stop-mapred.sh 停止Map/Reduce守护

* start-dfs.sh 启动Hadoop DFS守护Namenode和Datanode

* stop-dfs.sh 停止DFS守护

HDFS

1. 查看文件列表

查看hdfs中/user/admin/hdfs目录下的文件。

a. 进入HADOOP_HOME目录。

b. 执行sh bin/hadoop fs -ls /user/admin/hdfs

查看hdfs中/user/admin/hdfs目录下的所有文件（包括子目录下的文件）。

a. 进入HADOOP_HOME目录。

b. 执行sh bin/hadoop fs -lsr /user/admin/hdfs

2. 创建文件目录

查看hdfs中/user/admin/hdfs目录下再新建一个叫做newDir的新目录。

a. 进入HADOOP_HOME目录。

b. 执行sh bin/hadoop fs -mkdir /user/admin/hdfs/newDir

3. 删除文件

删除hdfs中/user/admin/hdfs目录下一个名叫needDelete的文件

a. 进入HADOOP_HOME目录。

b. 执行sh bin/hadoop fs -rm /user/admin/hdfs/needDelete

删除hdfs中/user/admin/hdfs目录以及该目录下的所有文件

a. 进入HADOOP_HOME目录。

b. 执行sh bin/hadoop fs -rmr /user/admin/hdfs

4. 上传文件

上传一个本机/home/admin/newFile的文件到hdfs中/user/admin/hdfs目录下

a. 进入HADOOP_HOME目录。

b. 执行sh bin/hadoop fs–put /home/admin/newFile /user/admin/hdfs/

5. 下载文件

下载hdfs中/user/admin/hdfs目录下的newFile文件到本机/home/admin/newFile中

a. 进入HADOOP_HOME目录。

b. 执行sh bin/hadoop fs –get /user/admin/hdfs/newFile /home/admin/newFile

6. 查看文件内容

查看hdfs中/user/admin/hdfs目录下的newFile文件

a. 进入HADOOP_HOME目录。

b. 执行sh bin/hadoop fs–cat /home/admin/newFile

配置文件详解

Core

hadoop-env.sh

记录脚本要用的环境变量，以运行hadoop。

文件位于~/hadoop/etc/hadoop/core-site.xml目录下。

# 设置JDK的位置

export JAVA_HOME=${JAVA_HOME}

如果你的环境变量中没有设置JAVA_HOME，这里即可设置为：

exportJAVA_HOME=/home/java/jdk/jdk1.7.0_51

另外，鉴于Hadoop默认的是32位系统，还需要加上64位支持：

export HADOOP_COMMON_LIB_NATIVE_DIR=${HADOOP_DEV_HOME}/lib/native

export HADOOP_OPTS="-Djava.library.path=$HADOOP_DEV_HOME/lib"

core-site.xml

该文件是 hadoop core的配置项，例如hdfs和mapreduce常用的i/o设置等，位于~/hadoop/etc/hadoop/core-site.xml目录下。

属性

值

说明

fs.default.name

hdfs://master:9000

定义master的URI和端口

fs.checkpoint.dir

${hadoop.tmp.dir}(默认)
/dfs/namesecondary

SNN的元数据以,号隔开,hdfs会把元数据冗余复制到这些目录，一般这些目录是不同的块设备，不存在的目录会被忽略掉

fs.checkpoint.period

1800

定义ND的备份间隔时间，秒为单位，只对SNN效，默认一小时

fs.checkpoint.size

33554432

以日志大小间隔做备份间隔，只对SNN生效，默认64M

fs.checkpoint.edits.dir

${fs.checkpoint.dir}(默认)

SNN的事务文件存储的目录,以,号隔开,hdfs会把事务文件冗余复制到这些目录

fs.trash.interval

10800

HDFS垃圾箱设置，可以恢复误删除，分钟数，0为禁用，添加该项无需重启hadoop

hadoop.tmp.dir

/tmp/hadoop

临时文件夹，指定后需将使用到的所有子级文件夹都要手动创建出来，否则无法正常启动服务。

hadoop.http.filter.initializers

org.apache.hadoop.security.
AuthenticationFilterInitializer
(排版调整，实际配置不要回车)

需要jobtracker,tasktracker
NN,DN等http访问端口用户验证使用，需配置所有节点

hadoop.http.authentication.type

simple | kerberos | #AUTHENTICATION_HANDLER_CLASSNAME#

验证方式，默认为简单，也可自己定义class,需配置所有节点

hadoop.http.authentication.token.validity

36000

验证令牌的有效时间,需配置所有节点

hadoop.http.authentication.signature.secret

默认可不写参数

默认不写在hadoop启动时自动生成私密签名,需配置所有节点

hadoop.http.authentication.cookie.domain

domian.tld

http验证所使用的cookie的域名，IP地址访问则该项无效，必须给所有节点都配置域名才可以。

hadoop.http.authentication. simple.anonymous.allowed

true | false

简单验证专用，默认允许匿名访问，true

hadoop.http.authentication.kerberos.principal

HTTP/localhost@$LOCALHOST

Kerberos验证专用，参加认证的实体机必须使用HTTP作为K的Name

hadoop.http.authentication.kerberos.keytab

/home/xianglei/hadoop.keytab

Kerberos验证专用，密钥文件存放位置

hadoop.security.authorization

true|false

Hadoop服务层级验证安全验证，需配合hadoop-policy.xml使用，配置好以后用dfsadmin,mradmin -refreshServiceAcl刷新生效

hadoop.security.authentication

simple | kerberos

hadoop本身的权限验证，非http访问，simple或者kerberos

hadoop.logfile.size

1000000000

设置日志文件大小，超过则滚动新日志

hadoop.logfile.count

最大日志数

io.bytes.per.checksum

1024

每校验码所校验的字节数，不要大于io.file.buffer.size

io.skip.checksum.errors

true | false

处理序列化文件时跳过校验码错误，不抛异常。默认false

io.serializations

org.apache.hadoop.io.serializer.WritableSerialization

序列化的编解码器

io.seqfile.compress.blocksize

1024000

块压缩的序列化文件的最小块大小，字节

io.compression.codecs

org.apache.hadoop.io.compress.DefaultCodec,
com.hadoop.compression.lzo.LzoCodec,
com.hadoop.compression.lzo.LzopCodec,
org.apache.hadoop.io.compress.GzipCodec,
org.apache.hadoop.io.compress.BZip2Codec,

org.apache.hadoop.io.compress.SnappyCodec
(排版调整，实际配置不要回车)

Hadoop所使用的编解码器，gzip、bzip2为自带，lzo需安装hadoopgpl或者kevinweil，逗号分隔。
snappy需要单独安装并修改hadoop-env.sh配置LD_LIBRARY_PATH=snappy类库位置

io.compression.codec.lzo.class

com.hadoop.compression.lzo.LzoCodec

LZO所使用的压缩编码器

io.file.buffer.size

131072

用作序列化文件处理时读写buffer的大小

webinterface.private.actions

true | false

设为true，则JT和NN的tracker网页会出现杀任务删文件等操作连接，默认是false

topology.script.file.name

/hadoop/bin/RackAware.py

机架感知脚本位置

topology.script.number.args

1000

机架感知脚本管理的主机数，

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl" href="http://wsysisibeibei.blog.163.com/blog/configuration.xsl"?>

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

<value>hdfs://localhost:9100</value>

</property>

<name>hadoop.tmp.dir</name>

<!--

hadoop.tmp.dir 是hadoop文件系统依赖的基础配置，很多路径都依赖它。如果hdfs-site.xml中不配置namenode和datanode的存放位置，默认就放在这个路径中Hadoop的默认临时路径，这个最好配置，然后在新增节点或者其他情况下莫名其妙的DataNode启动不了，就删除此文件中的tmp目录即可。

不过如果删除了NameNode机器的此目录，那么就需要重新执行NameNode格式化的命令了。

-->

<description>A base for other temporary directories.</description>

</property>

</configuration>

这里配置的是HDFS的地址和端口号。

Node

HDFS

hdfs-site.xml

hadoop守护进程的配置项，包括namenode、辅助namenode和datanode等。

该文件位于~/hadoop/etc/hadoop/目录下。

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl" href="http://wsysisibeibei.blog.163.com/blog/configuration.xsl"?>

<name>dfs.replication</name>

<!--

dfs.replication -它决定着系统里面的文件块的数据备份个数。

对于一个实际的应用，它应该被设为3（这个数字并没有上限，但更多的备份可能并没有作用，而且会占用更多的空间）。

少于三个的备份，可能会影响到数据的可靠性(系统故障时，也许会造成数据丢失)

-->

</property>

<!--

dfs.name.dir - 这是NameNode结点存储hadoop文件系统信息的本地系统路径。

这个值只对NameNode有效，DataNode并不需要使用到它。

上面对于/temp类型的警告，同样也适用于这里。在实际应用中，它最好被覆盖掉。

-->

</property>

<!-- dfs.data.dir -

这是DataNode结点被指定要存储数据的本地文件系统路径。

DataNode结点上的这个路径没有必要完全相同，因为每台机器的环境很可能是不一样的。

但如果每台机器上的这个路径都是统一配置的话，会使工作变得简单一些。

默认的情况下，它的值hadoop.tmp.dir, 这个路径只能用于测试的目的，因为，它很可能会丢失掉一些数据。所以，这个值最好还是被覆盖。

-->

</property>

<!--

解决：org.apache.hadoop.security.AccessControlException:Permission denied:user=Administrator,access=WRITE,inode="tmp":root:supergroup:rwxr-xr-x。因为Eclipse使用hadoop插件提交作业时，会默认以 DrWho身份去将作业写入hdfs文件系统中，对应的也就是 HDFS 上的/user/hadoop , 由于 DrWho用户对hadoop目录并没有写入权限，所以导致异常的发生。解决方法为：放开 hadoop 目录的权限，命令如下：$ hadoop fs -chmod 777 /user/hadoop

-->

<name>dfs.permissions</name>

<value>false</value>

If "true", enable permission checking in HDFS. If "false", permission checking is turned off, but all other behavior is unchanged. Switching from one parameter value to the other does not change the mode, owner or group of files or directories

</description>

</property>

</configuration>

在Hadoop中HDFS的默认备份方式为3，这里将其改为1。

Map/Reduce

mapred-site.xml

mapreduce守护进程的配置项，包括jobtracker和tasktracker。

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl" href="http://wsysisibeibei.blog.163.com/blog/configuration.xsl"?>

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

<value>localhost:9101</value>

</property>

</configuration>

0 0