不少新手在剛接觸Hadoop時,第一次安裝、配置、部署、使用等方面或多或少的遇到過一些問題。本文既是自己的一個測試總結,也是爲大多數新手提供一個參考(當然,網上以及有很多相關資料)。
硬件環境
共有2臺機器,一臺(作爲masters),一臺機器使用VM安裝兩套系統(作爲slaves),三系統均使用的Ubuntu 11.04 系統,Java使用的是jdk1.6.0_25。IP配置如下:
vm網絡連接方式:均爲‘橋接’
frank-1(主機名:即hostname):192.168.0.100 masters-----namenode
frank-2(主機名:即hostname):192.168.0.102 slaves-------datanode
frank-3(主機名:即hostname):192.168.0.103 slaves-------datanode
關於linux下修改hostname主機名:
不能簡單的使用:
$ hostname 主機名 // 這樣設置只是臨時修改,重啓系統,會恢復爲原主機名
網上說使用smit ---好像不是linux命令(沒細查)
最簡單最笨的方法--直接修改:/etc/hostname
另外有一點這裏有一點需要強調的就是,務必要確保每臺機器的主機名和IP地址之間能正確解析。
一個很簡單的測試辦法就是ping一下主機名,比如在frank-1上ping frank-2,如果能ping通就OK!若不能正確解析,可以修改/etc/hosts文件,如果該臺機器作Namenode用,則需要在hosts文件中加上集羣中所有機器的IP地址及其對應的主機名;如果該臺機器作Datanode用,則只需要在hosts文件中加上本機IP地址和Namenode機器的IP地址。
以本文爲例,frank-1中的/etc/hosts文件看起來就應該是這樣的:
127.0.0.0 localhost localhost
192.168.0.100 frank-1 frank-1
192.168.0.102 frank-2 frank-2
192.168.0.103 frank-3 frank-3
frank-2中的/etc/hosts文件看起來就應該是這樣的:
127.0.0.0 localhost localhost
192.168.0.100 frank-1 frank-1
192.168.0.102 frank-2 frank-2
frank-3中的/etc/hosts文件看起來就應該是這樣的:
127.0.0.0 localhost localhost
192.168.0.100 frank-1 frank-1
192.168.0.103 frank-3 frank-3
對於Hadoop來說,在HDFS看來,節點分爲Namenode和Datanode,其中Namenode只有一個,Datanode可以是很多;在MapReduce看來,節點又分爲Jobtracker和Tasktracker,其中Jobtracker只有一個,Tasktracker可以是很多。
我是將namenode和jobtracker部署在frank-1上,frank-2,frank-3作爲datanode和tasktracker。當然你也可以將namenode,datanode,jobtracker,tasktracker全部部署在一臺機器上.
所需軟件:
jdk-6u25-linux-i586.bin
hadoop-0.21.0.tar.gz(和hbase整合時,要選擇hadoop-0.20.x版本,經測試hadoop-0.20.0不可以,hadoop-0.20.1沒測試,推薦使用hadoop-0.20.2,測試成功)
openssh
目錄結構
由於Hadoop要求所有機器上hadoop的部署目錄結構要相同,並且都有一個相同的用戶名的帳戶。
我的三臺機器上是這樣的:都有一個frank的帳戶,主目錄是/home/frank
Hadoop部署目錄結構如下:/home/dbrg/HadoopInstall,所有的hadoop版本放在這個目錄中。
將hadoop0.21.0壓縮包解壓至HadoopInstall中,爲了方便以後升級,建議建立一個鏈接指向要使用的hadoop版本,不妨設爲hadoop
$ ln -s hadoop0.21.0 hadoop
這樣一來,所有的配置文件都在/hadoop/conf/目錄中,所有執行程序都在/hadoop/bin目錄中。
但是由於上述目錄中hadoop的配置文件和hadoop的安裝目錄是放在一起的,這樣一旦日後升級hadoop版本的時候所有的配置文件都會被覆蓋,因此建議將配置文件與安裝目錄分離,一種比較好的方法就是建立一個存放配置文件的目錄,/home/dbrg/HadoopInstall/hadoop-config/,然後將/hadoop/conf/目錄中的core-site.xml,hdfs-site.xml,mapred-site.xml,masters,slaves,hadoop_env.sh六個文件拷貝到hadoop-config/目錄中,並指定環境變量$HADOOP_CONF_DIR指向該目錄。環境變量在/home/frank/.bashrc和/etc/profile中設定。
綜上所述,爲了方便以後升級版本,我們需要做到配置文件與安裝目錄分離,並通過設定一個指向我們要使用的版本的hadoop的鏈接,這樣可以減少我們對配置文件的維護。在下面的部分,你就會體會到這樣分離以及鏈接的好處了。
SSH安裝、設置
在Hadoop啓動以後,Namenode是通過SSH(Secure Shell)來啓動和停止各個節點上的各種守護進程的,這就需要在節點之間執行指令的時候是不需要輸入密碼的方式,故我們需要配置SSH使用無密碼公鑰認證的方式。
首先要保證每臺機器上都裝了SSH服務器,且都正常啓動。實際中我們用的都是OpenSSH,這是SSH協議的一個免費開源實現。ssh安裝很簡單,$ sudo apt-get install openssh-server
以本文中的三臺機器爲例,現在frank-1是主節點,它需要主動發起SSH連接到frank-2和frank-3,對於SSH服務來說,frank-1就是SSH客戶端,而frank-2、frank-3則是SSH服務端,因此在frank-2,frank-3上需要確定sshd服務已經啓動(安裝成功後,即啓動,同時也是隨系統的啓動而啓動的,可用$ netstat -ntl 查看網絡狀態,ssh默認端口22)。
簡單的說,在frank-1上需要生成一個密鑰對,即一個私鑰,一個公鑰。將公鑰拷貝到frank-2,frank-3上,這樣,比如當frank-1向frank-2發起ssh連接的時候,frank-2上就會生成一個隨機數並用frank-1的公鑰對這個隨機數進行加密,併發送給frank-1;frank-1收到這個加密的數以後用私鑰進行解密,並將解密後的數發送回frank-2,frank-2確認解密的數無誤後就允許frank-1進行連接了。這就完成了一次公鑰認證過程。
對於本文中的三臺機器,首先在frank-1上生成無需登錄密碼的密鑰對:
$ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
這個命令將爲frank-1上的用戶frank生成其密鑰對。生成的密鑰對id_dsa,id_dsa.pub,默認存儲在/home/frank/.ssh目錄下。然後將id_dsa.pub的內容追加到每個機器(也包括本機)的/home/frank/.ssh/authorized_keys文件中,即下面的操作:
對於frank-1
$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
$ scp ~/.ssh/id_dsa.pub frank-3:/home/frank
對於frank-2(frank-3同frank-2的方法)
$ mkdir .ssh --------------------先進入frank-2,創建.ssh文件夾
$ scp ~/.ssh/authorized_keys frank-2:/home/frank/.ssh
此處的scp就是通過ssh進行遠程copy,此處需要輸入遠程主機的密碼,即frank-2機器上frank帳戶的密碼,當然,你也可以用其他方法將authorized_keys文件拷貝到其他機器上
接着,在三臺機器上都需要對sshd服務進行配置(其實是可以不用配置的,完成了上面的那些操作了以後SSH就已經可以工作了),在三臺機器上修改文件/etc/ssh/sshd_config
#去除密碼認證前面的#
PasswordAuthentication no
AuthorizedKeyFile %h/.ssh/authorized_keys
至此各個機器上的SSH配置已經完成,可以測試一下了,比如frank-1向frank-2發起ssh連接
$ ssh frank-2
如果ssh配置好了,就會出現以下提示信息
The authenticity of host [frank-2] can't be established.
Key fingerprint is 1024 5f:a0:0b:65:d3:82:df:ab:44:62:6d:98:9c:fe:e9:52.
Are you sure you want to continue connecting (yes/no)?
OpenSSH告訴你它不知道這臺主機,但是你不用擔心這個問題,因爲你是第一次登錄這臺主機。鍵入“yes”。這將把這臺主機的“識別標記”加到“~/.ssh/know_hosts”文件中。第二次訪問這臺主機的時候就不會再顯示這條提示信息了。
然後你會發現不需要輸入密碼就可以建立ssh連接了,恭喜你,配置成功了
不過,別忘了測試本機ssh frank-1
JDK的安裝很簡單就不在敘述了,關鍵是不要忘記配置環境變量:/etc/profile (namenode datanode都需配置jdk)
#set java environment
export JAVA_HOME=/home/frank/JavaInstall/jdk
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=.:$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
在----umask 022 之上
Hadoop環境變量 (namenode datanode都需配置)
/etc/profile:增加:
#set hadoop environment
export HADOOP_HOME=/home/frank/HadoopInstall/hadoop
export PATH=.:$HADOOP_HOME/bin:$PATH
/home/frank/HadoopInstall/hadoop-conf/hadoop_env.sh
去掉#,並修改JAVA_HOME
# The java implementation to use. Required.
export JAVA_HOME=/home/frank/JavaInstall/jdk
Hadoop配置文件
只有namenode需要修改masters和slaves(本文即frank-1):
masters:
frank-1
slaves:
frank-2
frank-3
core-site.xml,hdfs-site.xml,mapred-site.xml等其他文件可根據具體需求進行配置,下面是我的簡單配置
core-site.xml配置如下:
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<!-- global properties-->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/frank/HadoopInstall/tmp</value>
<description>A base for other temporary directories.</description>
</property>
<!-- file system properties-->
<property>
<name>fs.default.name</name>
<value>hdfs://frank-1:9000</value>
<description>The name of the default file system. Either the literal string "local" or a host:port for DFS.</description>
</property>
</configuration>
hdfs-site.xml配置如下:
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
<description>Default block replication. The actual number of replications can be specified when the file is created. The default is used if replication is not specified in create time.</description>
</property>
</configuration>
mapred-site.xml配置如下:
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>frank-1:9001</value>
<description>The host and port that the MapReduce job tracker runs at. If "local", then jobs are run in-process as a single map and reduce task.</description>
</property>
</configuration>
現在需要將hadoop部署到其他的機器上,保證目錄結構一致。
$ scp -r /home/frank/HadoopInstall frank-2:/home/frank/
$ scp -r /home/frank/HadoopInstall frank-3:/home/frank/
拷貝之後需要把配置好的masters和slaves修改過來,另外刪除hadoop,重新建立鏈接
至此,可以說,Hadoop已經在各個機器上部署完畢了下面就讓我們開始啓動Hadoop吧
啓動之前,我們先要格式化namenode,先進入~/HadoopInstall/hadoop目錄,執行下面的命令
$ hadoop namenode -format
在這裏,簡單啓動所有守護
$ start-all.sh
同樣,如果要停止hadoop,則
$ stop-all.sh
HDFS操作
$ hadoop dfs -ls /