Hadoop入门进阶步步高（一）-环境准备

前言

Hadoop从存储上来讲，是相似于冗余磁盘阵列(RAID)的存储方式，将数据分散存储并提供以提供吞吐量，它的存储系统就是HDFS（Hadoop Distuibute Fils System）；从计算上来讲，它经过MapReduce模型，将大数据的计算分发到多台计算机上完成，再将结果合并，减小计算的时间。

Hadoop适合于：

一、超大数据的计算；

二、一次写入、屡次读取的模式；

三、能够跑在普通的硬件上。

 

Hadoop不适合：

一、低延迟的数据访问，它是为高数据吞吐量应用优化的；

二、大量的小文件

Hadoop客户端须要和namenode进行交互，而namenode中存放的是datanode的文件属性，且都是在内存中，若是小文件过多，namenode是存放不了的；

三、多用户写入，任意修改文件。

Hadoop适合于一次计算，屡次读取的场景，如搜索引擎，只支持随机读取不支持随机写入，如Hadoop和Lucene的集成就不可以直接集成，由于Lucene支持随机写入。

 

本文将从使用的角度上谈了如何搭建Hadoop、如何配置Hadoop、如何验证Hadoop及在Hadoop上面执行计算，以及可能会遇到些什么样的问题。

1、Hadoop环境搭建

由于Hadoop须要在Linux运行，而且Hadoop是基于Java的，在继续进行下面的步骤以前，请确认你已经准备好Linux操做系统以及Java 6或以上版本，而且已经正确的设置了JAVA_HOME。

 

1、下载Hadoop

搭建Hadpp的版本为1.2.1 下载地址为：http://apache.fayea.com/apache-mirror/hadoop/common/hadoop-1.2.1/

 

2、安装Hadoop

解压缩Hadoop到任意目录，我当前的Hadoop是将其解压到目录/usr/local/hadoop-1.2.1，并在/etc/profile中设置好环境变量HADOOP_HOME（这个变量不是必须的，在1.2.1已是Deprecated了，这里我之因此设置，仍是为了方便），以及将$HADOOP_HOME/bin目录加入到PATH中，这样咱们就能够在任意地方执行hadoop命令了，为了使用上的方便，再给”hadoop fs”设一个名为hdfs的alias方便使用，如下是我机器上/etc/profile增长的内容：

export JAVA_HOME=/usr/local/jdk1.6.0_33 export HADOOP_HOME=/usr/local/hadoop-1.2.1 export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin #Alias for hadoop alias hdfs='hadoop fs'

注：该文件的编辑须要root权限，修改完成后，若是想当即生效，须要经过source命令操做一下：

source /etc/profile

不然就只有退出从新登录才会生效。

 

3、准备ssh

Hadoop须要经过SSH和其它计算服务器进行沟通，因此首先要肯定本机或者是其它Hadoop计算服务器，是否都已经安装了ssh。

（1）、肯定系统是否安装了ssh和ssh-keygey

能够经过which命令来确认

which ssh which ssh-keygen

若是出现

/usr/bin/which: no ssh in (/usr/.....)则表示系统里面没有安装SSH服务，能够经过www.openssh.com下载安装

（2）、发布公钥证书

执行以下命令：

ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa

在~/.ssh/ 目录会生成id_rsa和id_rsa.pub两个文件，将id_rsa.pub复制一份在~/.ssh/目录下，并重命名为authorized_keys，若是是单机搭建伪分布式，此时ssh的准备工做已经完成了，若是使用全分布式环境，那么须要将authorized_keys（或authorized_keys中的内容追加到须要无密码登录的服务器的~/.ssh/authorized_keys文件中）及id_rsa（或id_rsa中的内容追加到须要无密码登录的服务器的~/.ssh/id_rsa文件中）两个文件复制到各台分布式slave机器的“~/.ssh目录中”中，这样任意两台机器之间互相经过ssh访问，都不须要输入密码了，若是只是拷贝到authorized_keys到slave机器中，就只可以实现主到从的不输密码访问。

注：若是须要远程登录的服务器上尚未.ssh目录，那么就在登录用户的目录下新建.ssh目录，权限至少设置成744，若是.ssh目录下没有authorized_keys文件，也新建该文件，并将其权限设置为644。

（3）测试登录验证

在本例中，采用的是在单机中搭建伪分布式系统，经过以下ssh命令尝试登录：

ssh localhost 或 ssh 127.0.0.1

若是再也不提示输入密码，直接登录成功，那么SSH登录就设置成功了。