Ubuntu 12.04搭建hadoop单机版环境

前言：

  本文章是转载的，本身又加上了一些本身的笔记整理的

  详细地址请查看Ubuntu 12.04搭建hadoop单机版环境

Hadoop的三种运行模式

独立模式：无需任何守护进程，全部程序都在单个JVM上执行。

伪分布模式：Hadoop守护进程运行在本地机器上，模拟一个小规模的集群。

全分布模式：Hadoop守护进程运行在一个集群中。

一. 安装Ubuntu；

二. 在Ubuntu下建立hadoop用户组和用户;

1. 建立hadoop用户组：

sudo groupadd hadoop

如图：

2. 建立hadoop用户：

sudo useradd -ms /bin/bash -g hadoop hadoop

如图：

3. 给hadoop用户添加sudo权限，打开/etc/sudoers文件：

sudo gedit /etc/sudoers

按回车键后就会打开/etc/sudoers文件了，给hadoop用户赋予root用户一样的权限。

在root   ALL=(ALL:ALL)   ALL下添加hadoop   ALL=(ALL:ALL)  ALL，

hadoop  ALL=(ALL:ALL) ALL

如图：

三. 在Ubuntu下安装JDK

使用以下命令执行便可：

sudo apt-get install openjdk-6-jre

(这里我本身下载的jdk，具体的安装方法见个人另外一篇Linux下安装JDK和Eclipse)

如图：

四. 修改机器名

每当ubuntu安装成功时，咱们的机器名都默认为：ubuntu ，但为了之后集群中可以容易分辨各台服务器，须要给每台机器取个不一样的名字。机器名由 /etc/hostname文件决定。

1. 打开/etc/hostname文件：

sudo gedit /etc/hostname

2. 将/etc/hostname文件中的ubuntu改成你想取的机器名。这里我取"dubin-ubuntu"。 重启系统后才会生效。

3. 为了完全的改变你的主机名，还须要更改vim /etc/hosts,将其中的

127.0.1.1改为和你hostname中同样的名字

五. 安装ssh服务

这里ssh能够实现远程登陆和管理，具体能够参考其余相关资料。安装ssh的目的就是为了启动守护进行，且必须是无密码登录的。

安装openssh-server，

sudo apt-get install ssh openssh-server

这时假设您已经安装好了ssh，您就能够进行第六步了哦~

6、 创建ssh无密码登陆本机

首先要转换成hadoop用户，执行如下命令：

su - hadoop

如图：

ssh生成密钥有rsa和dsa两种生成方式，默认状况下采用rsa方式。

1. 建立ssh-key，，这里咱们采用rsa方式：

ssh-keygen -t rsa -P ""

如图：

（注：回车后会在~/.ssh/下生成两个文件：id_rsa和id_rsa.pub这两个文件是成对出现的）

2. 进入~/.ssh/目录下，将id_rsa.pub追加到authorized_keys受权文件中，开始是没有authorized_keys文件的：

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

如图：

（完成后就能够无密码登陆本机了。）

3. 登陆localhost：

ssh localhost

如图：

( 注：当ssh远程登陆到其它机器后，如今你控制的是远程的机器，须要执行退出命令才能从新控制本地主机。)

4. 执行退出命令：

exit

七. 安装hadoop

这里个人安装版本为：hadoop-1.1.2（http://www.apache.org/dyn/closer.cgi/hadoop/common/  ）

1. 假设hadoop-0.20.203.tar.gz在桌面，将它复制到安装目录 /usr/local/下：

sudo cp hadoop-1.1.2.tar.gz /usr/local/

2. 解压hadoop-1.1.2.tar.gz：

cd /usr/local sudo tar -zxf hadoop-1.1.2.tar.gz

3. 将解压出的文件夹更名为hadoop：

sudo mv hadoop-1.1.2 hadoop1.1.2

4. 将该hadoop1.1.2文件夹的属主用户设为hadoop：

sudo chown -R hadoop:hadoop hadoop1.1.2

5. 打开hadoop/conf/hadoop-env.sh文件：

vim hadoop1.1.2/conf/hadoop-env.sh

6. 配置conf/hadoop-env.sh（找到#export JAVA_HOME=...,去掉#，而后加上本机jdk的路径）：

export JAVA_HOME=/usr/lib/jvm/java-6-openjdk

这个主要就是为了配置hadoop运行环境的jdk路径

7. 打开conf/core-site.xml文件：

sudo gedit hadoop/conf/core-site.xml

编辑以下：

<?xmlversion="1.0"?>
<?xml-stylesheettype="text/xsl"href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>

该文件主要是 fs.default.name，是一个描述集群中NameNode结点的URI(包括协议、主机名称、端口号)。该配置文件主要用于设置Hadoop的默认文件系统，而文件系统由URI指定，这里咱们设置的是hdfs文件系统。这里的这种配置方式是属于伪分布式模式，当配置为全分布式模式的时候，须要改成hdfs://namenod/。集群里面的每一台机器都须要知道NameNode的地址。DataNode结点会先在NameNode上注册，这样它们的数据才能够被使用。独立的客户端程序经过这个URI跟DataNode交互，以取得文件的块列表。

8. 打开conf/mapred-site.xml文件：

vim hadoop1.1.2/conf/mapred-site.xml

编辑以下：

<?xmlversion="1.0"?>
<?xml-stylesheettype="text/xsl"href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property>
</configuration>

该配置文件主要用于配置JobTracker的主机（或者IP）和端口，一样这是伪分布模式，当在全分布式模式中value的值为jobtracker：8021

9. 打开conf/hdfs-site.xml文件：

vim hadoop/conf/hdfs-site.xml

编辑以下：

<configuration>
<property>
<name>dfs.name.dir</name>
<value>/usr/local/hadoop/datalog1,/usr/local/hadoop/datalog2</value>
</property>
<property>
<name>dfs.data.dir</name>
<value>/usr/local/hadoop/data1,/usr/local/hadoop/data2</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
</configuration>

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  数字并无上限，但更多的备份可能并无做用，并且会占用更多的空间）。少于三个的备份，可能会影响到数据可靠性(系统故障时，也许会形成数据丢失)

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彻底相同，由于每台机器的环境极可能是不同的。但若是每台机器上的这个路径都是统一配置的话，会使工做变得简单一些。默认的状况下，它的值hadoop.tmp.dir, 这个路径只能用于测试的目的，由于，它极可能会丢失掉一些数据。因此，这个值最好仍是被覆盖。

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并不须要使用到它。

10. 打开conf/masters文件，添加做为secondarynamenode的主机名，做为单机版环境，这里只需填写 localhost 就Ok了。

vim hadoop/conf/masters

11. 打开conf/slaves文件，添加做为slave的主机名，一行一个。做为单机版，这里也只需填写 localhost就Ok了。

vim hadoop/conf/slaves

八. 在单机上运行hadoop

1. 进入hadoop目录下，格式化hdfs文件系统，初次运行hadoop时必定要有该操做，

cd /usr/local/hadoop/ bin/hadoop namenode -format

2. 当你看到下图时，就说明你的hdfs文件系统格式化成功了。

3. 启动bin/start-all.sh：

bin/start-all.sh

4. 检测hadoop是否启动成功：

jps

若是有Namenode，SecondaryNameNode，TaskTracker，DataNode，JobTracker五个进程，就说明你的hadoop单机版环境配置好了！

以下图：

后记：

1 该部署安装环境以下：

VirtualBox-4.2.16-86992-Win

ubuntu12.04

jdk-6u33-linux-i586.bin

hadoop-1.1.2.tar.gz

通过测试彻底能够正常运行

2 在执行hadoop命令的时候，都是调用hadoop/bin中的命令，能够将hadoop安装路径设置到path中，这样每次执行hadoop就不用加上绝对路径了。具体的作法以下：

sudo vim /etc/profile添加两句

export HADOOP_INSTALL=/usr/local/hadoop1.1.2

PATH=$HADOOP_INSTALL/bin:$PATH  而后注销后输入hadoop version便可

3 因为在复制hadoop的时候已经建立了专门的用户与用户组来操做hadoop，必定要为该hadoop安装ssh无密码登录，在安装hadoop的时候，记得也要全称用刚建立的用户来安装，且必定要使用

chown -R hadoop:hadoop hadoop1.1.2来将全部的文件权限改成hadoop用户。在安装后，若是使用jps只是显示几个进程，能够切换到root中，再次执行该命令chown -R hadoop:hadoop hadoop1.1.2

当安装后，若是jps显示的进程不到5个，则能够将hadoop安装目录下生成data1和data2或者datalog1和datalog2删除了，再从新利用bin/hadoop namenode -format

4 分布式存储的角度来讲，集群中的结点由一个NameNode和若干个DataNode组成,另有一个SecondaryNameNode做为NameNode的备份。从分布式应用的角度来讲，集群中的结点由一个JobTracker和若干个TaskTracker组成，JobTracker负责任务的调度，TaskTracker负责并行执行任务。TaskTracker必须运行在DataNode上，这样便于数据的本地计算。JobTracker和NameNode则无须在同一台机器上。