部署环境: OS:Redhat 5.5 Enterprise JDK:jdk1.6.0_32 Hadoop:Hadoop-0.20.2 VMWare:7.0 节点安排及网络拓扑: 节点类型节点IP节点hostname master节点 192.168.40.5master slave节点 192.168.40.5master(此时,master既是master节点,也是slave节点) 192.168.40.6salve1 192.168.40.7slave2 secondaryName节点192.168.40.5master(此时,master既是master节点,也是slave节点,也是secondaryNameNode) 配置步骤: 一、网络配置 首先关闭三台虚拟机的防火墙,步骤可参考:关闭防火墙 先用VMWare安装三台虚拟机(可以先安装一台,然后clone两台),按照节点安排及网络拓扑配置网络,先配置master节点的网络: ① 静态网络IP配置见VMware Redhat网络配置,分别将三台虚拟机的IP进行设置 ② 修改主机名:vi /etc/hosts(解析IP要用),添加 192.168.40.5 master 192.168.40.6 slave1 192.168.40.7 slave2 ③ 按照此过程及相同数据(除了IP地址不同)对三台虚拟机进行配置 二、 安装jdk Hadoop 是用java开发的,Hadoop的编译及mapreduce的运行都需要使用JDK,所以JDK是必须安装的 ① 下载jdk,http://www.oracle.com/technetwork/java/javase/downloads/index.html ② 在用户根目录下,建立bin文件夹:mkdir ~/bin(也可放在其他处,个人习惯而已) ③ 改变执行权限:chmod u+x jdk-6u26-linux-i586.bin ④ 执行文件:sudo -s ./jdk-6u26-linux-i586.bin,一路确定 ⑤ 配置环境变量:vi ~/.bash_profile,添加: - exportJAVA_HOME=/root/bin/jdk1.6.0_32
- exportPATH=$PATH:$JAVA_HOME/bin
⑥ 使profile文件生效:source ~/.bash_profile ⑦ 验证是否配置成功:which java [root@master ~]# which java /root/bin/jdk1.6.0_32/bin/java 配置生效。也可输入java -version, java, javac进一步确定 ⑧ 分别相同配置另外两台主机 三、建立ssh互信 hadoop 需要通过ssh互信来启动slave里表中各个主机的守护进程,所以SSH是必须安装的(redhat 5.5 Enterprise 以默认安装)。但是是否建立ssh互信(即无密码登陆)并不是必须的,但是如果不配置,每次启动hadoop,都需要输入密码以便登录到每台机器的 Datanode上,而一般的Hadoop集群动辄数百或数千台机器,因此一般来说都会配置ssh互信。 ① 生成密钥并配置ssh无密码登陆主机(在master主机) - ssh-keygen-tdsa-P''-f~/.ssh/id_dsa
- cat~/.ssh/id_dsa.pub>>~/.ssh/authorized_keys
② 将authorized_keys文件拷贝到两台slave主机 - scpauthorized_keysslave1:~/.ssh/
- scpauthorized_keysslave2:~/.ssh/
③ 检查是否可以从master无密码登陆slave机 ssh slave1(在master主机输入) 登陆成功则配置成功,exit退出slave1返回master 四、配置Hadoop ① 下载:点击到下载页面,选择hadoop-0.20.2.tar.gz ② 放到~/bin下解压: tar -xzvf hadoop-0.20.2.tar.gz ③ 解压后进入:~/bin/hadoop-0.20.2/conf/,修改配置文件: 修改hadoop-env.sh: export JAVA_HOME=/root/bin/jdk1.6.0_32 hadoop-env.sh里面有这一行,默认是被注释的,只需要把注释去掉,并且把JAVA_HOME 改成你的java安装目录即可 修改core-site.xml - xmlversion="1.0"?>
- xml-stylesheettype="text/xsl"href="configuration.xsl"?>
- fs.default.namename>
- hdfs://master:9000value>
- property>
- Hadoop.tmp.dirname>
- /tmp/hadoop-rootvalue>
- property>
- configuration>
注释一:Hadoop分布式文件系统文件存放位置都是基于hadoop.tmp.dir目录的,namenode的名字空间存放地方就是 ${hadoop.tmp.dir}/dfs/name, datanode数据块的存放地方就是 ${hadoop.tmp.dir}/dfs/data,所以设置好hadoop.tmp.dir目录后,其他的重要目录都是在这个目录下面,这是一个根 目录。 注释二:fs.default.name,设置namenode所在主机,端口号是9000 注释三:core-site.xml 对应有一个core-default.xml, hdfs-site.xml对应有一个hdfs-default.xml,mapred-site.xml对应有一个mapred- default.xml。这三个defalult文件里面都有一些默认配置,现在我们修改这三个site文件,目的就覆盖default里面的一些配置 修改hdfs-site.xml - xmlversion="1.0"?>
- xml-stylesheettype="text/xsl"href="configuration.xsl"?>
- dfs.replicationname>
- 3value>
- property>
- configuration>
dfs.replication,设置数据块的复制次数,默认是3,如果slave节点数少于3,则写成相应的1或者2 修改mapred-site.xml - xmlversion="1.0"?>
- xml-stylesheettype="text/xsl"href="configuration.xsl"?>
- mapred.job.trackername>
- http://master:9001value>
- property>
- configuration>
mapred.job.tracker,设置jobtracker所在机器,端口号9001 修改masters master 虽然masters内写的是master,但是个人感觉,这个并不是指定master节点,而是配置secondaryNameNode 修改slaves master slave1 slave2 配置了集群中所有slave节点 ④ 添加hadoop环境变量,并 source ~/.bash_profile使之生效 - exportJAVA_HOME=/root/bin/jdk1.6.0_32
- exportHADOOP_HOME=/root/bin/hadoop-0.20.2
- exportPATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin
⑤ 将已经配置好的hadoop-0.20.2,分别拷贝到另外两台主机,并做相同配置 ⑥ 此时,hadoop的集群配置已经完成,输入hadoop,则可看到hadoop相关的操作 - [root@master~]#hadoop
- Usage:hadoop[--configconfdir]COMMAND
- whereCOMMANDisoneof:
- namenode-formatformattheDFSfilesystem
- secondarynamenoderuntheDFSsecondarynamenode
- namenoderuntheDFSnamenode
- datanoderunaDFSdatanode
- dfsadminrunaDFSadminclient
- mradminrunaMap-Reduceadminclient
- fsckrunaDFSfilesystemcheckingutility
- fsrunagenericfilesystemuserclient
- balancerrunaclusterbalancingutility
- jobtrackerruntheMapReducejobTrackernode
- pipesrunaPipesjob
- tasktrackerrunaMapReducetaskTrackernode
- jobmanipulateMapReducejobs
- queuegetinformationregardingJobQueues
- versionprinttheversion
- jarrunajarfile
- distcpcopyfileordirectoriesrecursively
- archive-archiveNameNAME*createahadooparchive
- daemonlogget/settheloglevelforeachdaemon
- or
- CLASSNAMEruntheclassnamedCLASSNAME
- Mostcommandsprinthelpwheninvokedw/oparameters.
⑦ 此时,首先格式化hadoop 在命令行里执行,hadoop namenode -format ⑧ 启动hadoop 在命令行里执行,start-all.sh,或者执行start-dfs.sh,再执行start-mapred.sh ⑨ 输入jps,查看启动的服务进程 master节点:[root@master ~]# jps 25429 SecondaryNameNode 25500 JobTracker 25201 NameNode 25328 DataNode 18474 Jps 25601 TaskTracker slave节点:[root@slave1 ~]# jps 4469 TaskTracker 4388 DataNode 29622 Jps 如上显示,则说明相应的服务进程都启动成功了。 圈10(额,像①一样的圈出不来了(⊙o⊙)) 查看hdfs分布式文件系统的 文件目录结构 hadoop fs -ls / 此时发现为空,因为确实什么也没有,运行一下命令,则可创建一个文件夹: hadoop fs -mkdir /newDir 再次执行hadoop fs -ls /,则会看到newDir文件夹,关于hadoop fs 命令,参见:HDFS 命令 圈11 运行hadoop 类似hello world的程序 本来,都是以word count来运行的,但是还得建文件夹之类的,有一个更简单的,就是example中的计算π值的程序,我们来计算一下,进入hadoop目录,运行如下: - [root@slave1hadoop-0.20.2]#hadoopjarhadoop-0.20.2-examples.jarpi42
- NumberofMaps=4
- SamplesperMap=2
- WroteinputforMap#0
- WroteinputforMap#1
- WroteinputforMap#2
- WroteinputforMap#3
- StartingJob
- 12/05/2009:45:19INFOmapred.FileInputFormat:Totalinputpathstoprocess:4
- 12/05/2009:45:19INFOmapred.JobClient:Runningjob:job_201205190417_0005
- 12/05/2009:45:20INFOmapred.JobClient:map0%reduce0%
- 12/05/2009:45:30INFOmapred.JobClient:map50%reduce0%
- 12/05/2009:45:31INFOmapred.JobClient:map100%reduce0%
- 12/05/2009:45:45INFOmapred.JobClient:map100%reduce100%
- 12/05/2009:45:47INFOmapred.JobClient:Jobcomplete:job_201205190417_0005
- 12/05/2009:45:47INFOmapred.JobClient:Counters:18
- 12/05/2009:45:47INFOmapred.JobClient:JobCounters
- 12/05/2009:45:47INFOmapred.JobClient:Launchedreducetasks=1
- 12/05/2009:45:47INFOmapred.JobClient:Launchedmaptasks=4
- 12/05/2009:45:47INFOmapred.JobClient:Data-localmaptasks=4
- 12/05/2009:45:47INFOmapred.JobClient:FileSystemCounters
- 12/05/2009:45:47INFOmapred.JobClient:FILE_BYTES_READ=94
- 12/05/2009:45:47INFOmapred.JobClient:HDFS_BYTES_READ=472
- 12/05/2009:45:47INFOmapred.JobClient:FILE_BYTES_WRITTEN=334
- 12/05/2009:45:47INFOmapred.JobClient:HDFS_BYTES_WRITTEN=215
- 12/05/2009:45:47INFOmapred.JobClient:Map-ReduceFramework
- 12/05/2009:45:47INFOmapred.JobClient:Reduceinputgroups=8
- 12/05/2009:45:47INFOmapred.JobClient:Combineoutputrecords=0
- 12/05/2009:45:47INFOmapred.JobClient:Mapinputrecords=4
- 12/05/2009:45:47INFOmapred.JobClient:Reduceshufflebytes=112
- 12/05/2009:45:47INFOmapred.JobClient:Reduceoutputrecords=0
- 12/05/2009:45:47INFOmapred.JobClient:SpilledRecords=16
- 12/05/2009:45:47INFOmapred.JobClient:Mapoutputbytes=72
- 12/05/2009:45:47INFOmapred.JobClient:Mapinputbytes=96
- 12/05/2009:45:47INFOmapred.JobClient:Combineinputrecords=0
- 12/05/2009:45:47INFOmapred.JobClient:Mapoutputrecords=8
- 12/05/2009:45:47INFOmapred.JobClient:Reduceinputrecords=8
- JobFinishedin28.952seconds
- EstimatedvalueofPiis3.50000000000000000000
计算PI值为3.5,还算靠近,至于输出log日志,就不介绍了,以后学的稍微深入,可多做了解。 Hadoop 三节点集群的配置就介绍到这里,接下来,会介绍一下如何在windows中远程连接hadoop,并配置eclipse来进行MapReduce的开发和调试。 |