依賴項
Java
1. 從http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html下載tar.gz格式的,32位和64位機器對應下載,這裏下的是64位的
wget http://download.oracle.com/otn-pub/java/jdk/7u51-b13/jdk-7u51-linux-x64.tar.gz
2. 解壓到/usr/local
tar -jxvf jdk-7u51-linux-x64.tar.gz -C /usr/local
3. 配置符號鏈接:cd /usr/local; ln -snf jdk1.7.0_45/ jdk
4. 配置環境變量到~/.bashrc
export JAVA_HOME="/usr/local/jdk"
export PATH="$JAVA_HOME/bin:$PATH"
5. 命令行下使用java、javax命令判斷是否安裝成功。
6. 在其他機器上
Hosts
所有的節點都修改/etc/hosts,使彼此之間都能把主機名解析爲ip
SSH 無密碼登陸
首先要配置本機的SSH服務器,運行 ps -e | grep ssh,查看是否有sshd進程,如果沒有,說明server沒啓動,通過 /etc/init.d/ssh -start 啓動server進程,如果提示ssh不存在 那麼就是沒安裝server。Ubuntu下通過 sudo apt-get install openssh-server命令安裝即可。
(1)生成當前用戶的SSH公鑰。
$ ssh-keygen -t rsa -P ''
它在/home/[你當前登錄的用戶名] 下生成.ssh目錄(root用戶即是在/root目錄下),.ssh下有id_rsa和id_rsa.pub。id_rsa.pub即是本地SSH生成的公鑰文件。客戶端機器將id_rsa.pub文件添加到自己的~/.ssh/authorized_keys文件中即可免密碼登錄到本機。
(2)將~/.ssh/id_rsa.pub添加到目標機器的~/.ssh/authorized_keys文件中
- 如果是本機的操作,則使用
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
將要登錄的機器的公鑰添加到本地的認證密鑰庫中。注意這裏必須要用>>操作符進行追加操作。
使用
ssh localhost
命令即可免密碼登錄到本地。
- 如果是將自己的公鑰發送到別的機器上。
可以使用
scp ~/.ssh/id_rsa.pub [email protected]:.ssh/id_rsa.pub
這條scp命令進行文件上傳操作。
安裝Hadoop
下載Hadoop
最新版本hadoop-2.4.0安裝包爲 hadoop-2.4.0.tar.gz
下載官網地址 :http://www.apache.org/dyn/closer.cgi/hadoop/common/
下載到 /opt/hadoop/source 目錄下
wget http://ftp.riken.jp/net/apache/hadoop/common/hadoop-2.4.0/hadoop-2.4.0.tar.gz
解壓目錄
tar zxvf hadoop-2.4.0.tar.gz
最終是這樣子:
環境配置項
配置環境變量:
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=${HADOOP_DEV_HOME}/etc/hadoop
文件配置
配置之前,需要在Cluster文件系統創建以下文件夾,用於存放命名空間以及數據信息。
~/dfs/name
~/dfs/data
~/temp
這裏要涉及到的配置文件有7個:
~/hadoop-2.4.0/etc/hadoop/hadoop-env.sh
~/hadoop-2.4.0/etc/hadoop/yarn-env.sh
~/hadoop-2.4.0/etc/hadoop/slaves
~/hadoop-2.4.0/etc/hadoop/core-site.xml
~/hadoop-2.4.0/etc/hadoop/hdfs-site.xml
~/hadoop-2.4.0/etc/hadoop/mapred-site.xml
~/hadoop-2.4.0/etc/hadoop/yarn-site.xml
以上個別文件默認不存在的,可以複製相應的template文件獲得。
~/ect/hadoop/hadoop-env.sh 與 yarn-env.sh
原文件中設置Java環境:export JAVA_HOME=${JAVA_HOME},如果你環境變量中未配置JAVA_HOME,那麼這裏JAVA_HOME設置指向你的JAVA配置路徑。
譬如:export JAVA_HOME="/usr/local/jdk"
~/etc/hadoop/slave
slaves (這個文件裏面保存所有slave節點)
寫入以下內容:
Slave1
Slave2
~/etc/hadoop/core-site.xml
在configuration節點裏面添加屬性
<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的選項
<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 測試
HDFS
格式化NameNode
執行命令:hadoop namenode -format,可以格式化NameNode。
l 可能錯誤:出現未知的主機名問題。
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,可以發現當前的主機名爲hadoop_master(Ubuntu系統下在/etc/hostname,Centos系統在 /etc/sysconfig/network文件中設置),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
即無法解析hadoop_master的信息,將hosts文件信息改爲如下:
127.0.0.1 hadoop_master
127.0.1.1 ubuntu
192.168.198.133 Master
192.168.198.134 Slave1
Hadoop集羣
啓動集羣
~/sbin/start-all.sh 啓動Hadoop集羣,最好使用~/sbin/start-dfs.sh與~/sbin/start-yarn.sh來代替。
若正常啓動:
NameNode上使用jps查詢會顯示如下:
DataNode上使用jps查詢會顯示如下:
.1 64位平臺不兼容錯誤
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 啓動所有的Hadoop守護。包括namenode, datanode, jobtracker, tasktrack
* stop-all.sh 停止所有的Hadoop
* start-mapred.sh 啓動Map/Reduce守護。包括Jobtracker和Tasktrack
* stop-mapred.sh 停止Map/Reduce守護
* start-dfs.sh 啓動Hadoop DFS守護Namenode和Datanode
* stop-dfs.sh 停止DFS守護
HDFS
1. 查看文件列表
查看hdfs中/user/admin/hdfs目錄下的文件。
a. 進入HADOOP_HOME目錄。
b. 執行sh bin/hadoop fs -ls /user/admin/hdfs
查看hdfs中/user/admin/hdfs目錄下的所有文件(包括子目錄下的文件)。
a. 進入HADOOP_HOME目錄。
b. 執行sh bin/hadoop fs -lsr /user/admin/hdfs
2. 創建文件目錄
查看hdfs中/user/admin/hdfs目錄下再新建一個叫做newDir的新目錄。
a. 進入HADOOP_HOME目錄。
b. 執行sh bin/hadoop fs -mkdir /user/admin/hdfs/newDir
3. 刪除文件
刪除hdfs中/user/admin/hdfs目錄下一個名叫needDelete的文件
a. 進入HADOOP_HOME目錄。
b. 執行sh bin/hadoop fs -rm /user/admin/hdfs/needDelete
刪除hdfs中/user/admin/hdfs目錄以及該目錄下的所有文件
a. 進入HADOOP_HOME目錄。
b. 執行sh bin/hadoop fs -rmr /user/admin/hdfs
4. 上傳文件
上傳一個本機/home/admin/newFile的文件到hdfs中/user/admin/hdfs目錄下
a. 進入HADOOP_HOME目錄。
b. 執行sh bin/hadoop fs–put /home/admin/newFile /user/admin/hdfs/
5. 下載文件
下載hdfs中/user/admin/hdfs目錄下的newFile文件到本機/home/admin/newFile中
a. 進入HADOOP_HOME目錄。
b. 執行sh bin/hadoop fs –get /user/admin/hdfs/newFile /home/admin/newFile
6. 查看文件內容
查看hdfs中/user/admin/hdfs目錄下的newFile文件
a. 進入HADOOP_HOME目錄。
b. 執行sh bin/hadoop fs–cat /home/admin/newFile
配置文件詳解
Core
hadoop-env.sh
記錄腳本要用的環境變量,以運行hadoop。
文件位於~/hadoop/etc/hadoop/core-site.xml目錄下。
# 設置JDK的位置
export JAVA_HOME=${JAVA_HOME}
如果你的環境變量中沒有設置JAVA_HOME,這裏即可設置爲:
exportJAVA_HOME=/home/java/jdk/jdk1.7.0_51
另外,鑑於Hadoop默認的是32位系統,還需要加上64位支持:
export HADOOP_COMMON_LIB_NATIVE_DIR=${HADOOP_DEV_HOME}/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_DEV_HOME/lib"
core-site.xml
該文件是 hadoop core的配置項,例如hdfs和mapreduce常用的i/o設置等,位於~/hadoop/etc/hadoop/core-site.xml目錄下。
屬性 |
值 |
說明 |
fs.default.name |
hdfs://master:9000 |
定義master的URI和端口 |
fs.checkpoint.dir |
${hadoop.tmp.dir}(默認) |
SNN的元數據以,號隔開,hdfs會把元數據冗餘複製到這些目錄,一般這些目錄是不同的塊設備,不存在的目錄會被忽略掉 |
fs.checkpoint.period |
1800 |
定義ND的備份間隔時間,秒爲單位,只對SNN效,默認一小時 |
fs.checkpoint.size |
33554432 |
以日誌大小間隔做備份間隔,只對SNN生效,默認64M |
fs.checkpoint.edits.dir |
${fs.checkpoint.dir}(默認) |
SNN的事務文件存儲的目錄,以,號隔開,hdfs會把事務文件冗餘複製到這些目錄 |
fs.trash.interval |
10800 |
HDFS垃圾箱設置,可以恢復誤刪除,分鐘數,0爲禁用,添加該項無需重啓hadoop |
hadoop.tmp.dir |
/tmp/hadoop |
臨時文件夾,指定後需將使用到的所有子級文件夾都要手動創建出來,否則無法正常啓動服務。 |
hadoop.http.filter.initializers |
org.apache.hadoop.security. |
需要jobtracker,tasktracker |
hadoop.http.authentication.type |
simple | kerberos | #AUTHENTICATION_HANDLER_CLASSNAME# |
驗證方式,默認爲簡單,也可自己定義class,需配置所有節點 |
hadoop.http.authentication.token.validity |
36000 |
驗證令牌的有效時間,需配置所有節點 |
hadoop.http.authentication.signature.secret |
默認可不寫參數 |
默認不寫在hadoop啓動時自動生成私密簽名,需配置所有節點 |
hadoop.http.authentication.cookie.domain |
domian.tld |
http驗證所使用的cookie的域名,IP地址訪問則該項無效,必須給所有節點都配置域名纔可以。 |
hadoop.http.authentication. simple.anonymous.allowed |
true | false |
簡單驗證專用,默認允許匿名訪問,true |
hadoop.http.authentication.kerberos.principal |
HTTP/localhost@$LOCALHOST |
Kerberos驗證專用,參加認證的實體機必須使用HTTP作爲K的Name |
hadoop.http.authentication.kerberos.keytab |
/home/xianglei/hadoop.keytab |
Kerberos驗證專用,密鑰文件存放位置 |
hadoop.security.authorization |
true|false |
Hadoop服務層級驗證安全驗證,需配合hadoop-policy.xml使用,配置好以後用dfsadmin,mradmin -refreshServiceAcl刷新生效 |
hadoop.security.authentication |
simple | kerberos |
hadoop本身的權限驗證,非http訪問,simple或者kerberos |
hadoop.logfile.size |
1000000000 |
設置日誌文件大小,超過則滾動新日誌 |
hadoop.logfile.count |
20 |
最大日誌數 |
io.bytes.per.checksum |
1024 |
每校驗碼所校驗的字節數,不要大於io.file.buffer.size |
io.skip.checksum.errors |
true | false |
處理序列化文件時跳過校驗碼錯誤,不拋異常。默認false |
io.serializations |
org.apache.hadoop.io.serializer.WritableSerialization |
序列化的編解碼器 |
io.seqfile.compress.blocksize |
1024000 |
塊壓縮的序列化文件的最小塊大小,字節 |
io.compression.codecs |
org.apache.hadoop.io.compress.DefaultCodec, org.apache.hadoop.io.compress.SnappyCodec |
Hadoop所使用的編解碼器,gzip、bzip2爲自帶,lzo需安裝hadoopgpl或者kevinweil,逗號分隔。 |
io.compression.codec.lzo.class |
com.hadoop.compression.lzo.LzoCodec |
LZO所使用的壓縮編碼器 |
io.file.buffer.size |
131072 |
用作序列化文件處理時讀寫buffer的大小 |
webinterface.private.actions |
true | false |
設爲true,則JT和NN的tracker網頁會出現殺任務刪文件等操作連接,默認是false |
topology.script.file.name |
/hadoop/bin/RackAware.py |
機架感知腳本位置 |
topology.script.number.args |
1000 |
機架感知腳本管理的主機數, |
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="http://wsysisibeibei.blog.163.com/blog/configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>fs.default.name</name>
<!-- fs.default.name -這是一個描述集羣中NameNode結點的URI(包括協議、主機名稱、端口號),集羣裏面的每一臺機器都需要知道NameNode的地址。DataNode結點會先在NameNode上註冊,這樣它們的數據纔可以被使用。獨立的客戶端程序通過這個URI跟DataNode交互,以取得文件的塊列表。-->
<value>hdfs://localhost:9100</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<!--
hadoop.tmp.dir 是hadoop文件系統依賴的基礎配置,很多路徑都依賴它。如果hdfs-site.xml中不配 置namenode和datanode的存放位置,默認就放在這個路徑中Hadoop的默認臨時路徑,這個最好配置,然後在新增節點或者其他情況下莫名其妙的DataNode啓動不了,就刪除此文件中的tmp目錄即可。
不過如果刪除了NameNode機器的此目錄,那麼就需要重新執行NameNode格式化的命令了。
-->
<value>/data/hdfs/tmp</value>
<description>A base for other temporary directories.</description>
</property>
</configuration>
這裏配置的是HDFS的地址和端口號。
Node
HDFS
hdfs-site.xml
hadoop守護進程的配置項,包括namenode、輔助namenode和datanode等。
該文件位於~/hadoop/etc/hadoop/目錄下。
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="http://wsysisibeibei.blog.163.com/blog/configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>dfs.replication</name>
<!--
dfs.replication -它決定着 系統裏面的文件塊的數據備份個數。
對於一個實際的應用,它應該被設爲3(這個 數字並沒有上限,但更多的備份可能並沒有作用,而且會佔用更多的空間)。
少於三個的備份,可能會影響到數據的 可靠性(系統故障時,也許會造成數據丟失)
-->
<value>3</value>
</property>
<property>
<name>dfs.name.dir</name>
<!--
dfs.name.dir - 這是NameNode結點存儲hadoop文件系統信息的本地系統路徑。
這個值只對NameNode有效,DataNode並不需要使用到它。
上面對於/temp類型的警告,同樣也適用於這裏。在實際應用中,它最好被覆蓋掉。
-->
<value>/home/hdfs/name</value>
</property>
<property>
<name>dfs.data.dir</name>
<!-- dfs.data.dir -
這是DataNode結點被指定要存儲數據的本地文件系統路徑。
DataNode結點上 的這個路徑沒有必要完全相同,因爲每臺機器的環境很可能是不一樣的。
但如果每臺機器上的這 個路徑都是統一配置的話,會使工作變得簡單一些。
默認的情況下,它的值hadoop.tmp.dir, 這 個路徑只能用於測試的目的,因爲,它很可能會丟失掉一些數據。所以,這個值最好還是被覆 蓋。
-->
<value>/home/hdfs/data</value>
</property>
<!--
解決:org.apache.hadoop.security.AccessControlException:Permission denied:user=Administrator,access=WRITE,inode="tmp":root:supergroup:rwxr-xr-x。因爲Eclipse使用hadoop插件提交作業時,會默認以 DrWho身份去將作業寫入hdfs文件系統中,對應的也就是 HDFS 上的/user/hadoop , 由於 DrWho用戶對hadoop目錄並沒有寫入權限,所以導致異常的發生。解決方法爲:放開 hadoop 目錄的權限, 命令如下 :$ hadoop fs -chmod 777 /user/hadoop
-->
<property>
<name>dfs.permissions</name>
<value>false</value>
<description>
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的默認備份方式爲3,這裏將其改爲1。
Map/Reduce
mapred-site.xml
mapreduce守護進程的配置項,包括jobtracker和tasktracker。
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="http://wsysisibeibei.blog.163.com/blog/configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>localhost:9101</value>
</property>
</configuration>