一、引言

Hadoop是一種分布式系統基礎架構，由Apache基金會開發。用戶可以在不了解分布式底層細節的情況下，開發分布式程序，充分利用集群的威力高速運算和存儲。Hadoop 1.2.1版本下載地址：http://apache.dataguru.cn/hadoop/common/hadoop-1.2.1/

二、準備安裝環境

我的本機是環境是windows8.1系統 +VMvare9虛擬機。VMvare中虛擬了3個ubuntu 12.10的系統，JDK版本為1.7.0_17.集群環境為一個master，兩個slave，節點代號分別為node1,node2,node3.保證以下ip地址可以相互ping通，并且在/etc/hosts中進行配置

機器名	Ip地址	作用
node1	202.193.74.173	NameNode,JobTraker
node2	202.193.75.231	DataNode,TaskTraker
node3	202.193.74.3	DataNode,TaskTraker

三、安裝環境

1、首先修改機器名

使用root權限，使用命令：

sudo vi /etc/hosts 

其中node1、node2、node3的/etc/hosts配置為：

/etc/hosts的配置很重要，如果配置的不合適會出各種問題，會影響到后面的SSH配置以及Hadoop的DataNode節點的啟動。

2、安裝JDK

Ubuntu下的JDK配置請參考： http://developer.51cto.com/art/200907/135215.htm

3、添加用戶

在root權限下使用以下命令添加hadoop用戶，在三個虛擬機上都添加這個用戶

sudo adduser hadoop 

將下載到的hadoop-1.2.1.tar文件放到/home/hadoop/目錄下解壓，然后修改解壓后的文件夾的權限，命令如下：

sudo tar -xvzf hadoop-1.2.1.tar #解壓命令 
 
chown -R hadoop:hadoop hadoop-1.2.1(文件夾名) 

#p#

4、安裝和配置SSH

4.1）在三臺實驗機器上使用以下命令安裝ssh:

sudo apt-get install ssh 

安裝以后執行測試：

netstat -nat  #查看22端口是否開啟 
 
ssh localhost #測試ssh是否成功連接 

輸入當前用戶名和密碼按回車確認，說明安裝成功，同時ssh登陸需要密碼。

這種默認安裝方式完后，默認配置文件是在/etc/ssh/目錄下。sshd配置文件是：/etc/ssh/sshd_config

4.2）配置SSH無密碼訪問

在Hadoop啟動以后，Namenode是通過SSH（Secure Shell）來啟動和停止各個datanode上的各種守護進程的，這就須要在節點之間執行指令的時候是不須要輸入密碼的形式，故我們須要配置SSH運用無密碼公鑰認證的形式。

以本文中的三臺機器為例，現在node1是主節點，他須要連接node2和node3。須要確定每臺機器上都安裝了ssh，并且datanode機器上sshd服務已經啟動。

( 說明：hadoop@hadoop~]$ssh-keygen  -t  rsa

這個命令將為hadoop上的用戶hadoop生成其密鑰對，詢問其保存路徑時直接回車采用默認路徑，當提示要為生成的密鑰輸入passphrase的時候，直接回車，也就是將其設定為空密碼。生成的密鑰對id_rsa，id_rsa.pub，默認存儲在/home/hadoop/.ssh目錄下然后將id_rsa.pub的內容復制到每個機器(也包括本機)的/home/dbrg/.ssh/authorized_keys文件中，如果機器上已經有authorized_keys這個文件了，就在文件末尾加上id_rsa.pub中的內容，如果沒有authorized_keys這個文件，直接復制過去就行.)

4.3）首先設置namenode的ssh為無需密碼自動登陸，

切換到hadoop用戶( 保證用戶hadoop可以無需密碼登錄，因為我們后面安裝的hadoop屬主是hadoop用戶。)

su hadoop 
cd /home/hadoop 
ssh-keygen -t rsa 

最后一個命令輸入完成以后一直按回車，

完成后會在/home/hadoop/目錄下產生完全隱藏的文件夾.ssh，

進入.ssh文件夾，然后將id_rsa.pub復制到authorized_keys文件，命令如下，

cd .ssh # 進入.ssh目錄 
cp id_rsa.pub authorized_keys #生成authorized_keys文件 
 
ssh localhost  #測試無密碼登陸，第一可能需要密碼 
ssh node1 #同上一個命令一樣 

node1無密碼登陸的效果：

4.4）配置node1無密碼訪問node2和node3

首先以node2為例，node3參照node2的方法

在node2中執行以下命令：

su hadoop 
cd /home/hadoop  
ssh-keygen -t rsa #生成公鑰和私鑰，一路回車 

在node1中進入/home/hadoop/.ssh目錄中，復制authorized_keys到node2的.ssh文件夾中

執行以下命令

scp authorized_keys hadoop@node2:/home/hadoop/.ssh #復制authorized_keys到node2的.ssh目錄中去 

修改已經傳輸到node2的authorized_keys的許可權限，需要root權限

chmod 644 authorized_keys    
 
ssh node2 #測試無密碼訪問node2   

node3同上面的執行步驟

#p#

5、安裝hadoop

將當前用戶切換到hadoop用戶,如果集群內機器的環境完全一樣，可以在一臺機器上配置好，然后把配置好的軟件即hadoop-0.20.203整個文件夾拷貝到其他機器的相同位置即可。 可以將Master上的Hadoop通過scp拷貝到每一個Slave相同的目錄下，同時根據每一個Slave的Java_HOME 的不同修改其hadoop-env.sh 。

5.1）配置conf/hadoop-env.sh文件

切換到hadoop-1.2.1/conf目錄下，添加JAVA_HOME路徑

5.2）配置/conf/core-site.xml

<?xml version="1.0"?>   
<?xml-stylesheet type="text/xsl"href="configuration.xsl"?>   
<configuration>   
<property>   
 <name>fs.default.name</name>   
  <value>hdfs://node1:49000</value>   
</property>   
<property>   
  <name>hadoop.tmp.dir</name>   
 <value>/home/hadoop/hadoop_home/var</value>   
</property>   
</configuration>   

fs.default.name是NameNode的URI。hdfs://主機名:端口/

hadoop.tmp.dir ：Hadoop的默認臨時路徑，這個最好配置，如果在新增節點或者其他情況下莫名其妙的DataNode啟動不了，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，那么就需要重新執行NameNode格式化的命令。

5.3）配置/conf/mapred-site.xml

<?xmlversionxmlversionxmlversionxmlversion="1.0"?>   
<?xml-stylesheettypexml-stylesheettypexml-stylesheettypexml-stylesheettype="text/xsl" href="configuration.xsl"?>   
<configuration>   
<property>   
  <name>mapred.job.tracker</name>   
  <value>node1:49001</value>   
</property>   
<property>   
  <name>mapred.local.dir</name>   
 <value>/home/hadoop/hadoop_home/var</value>   
</property>   
</configuration>   

mapred.job.tracker是JobTracker的主機（或者IP）和端口。主機:端口。其中/home/hadoop/hadoop_home/var目錄需要提前創建，并且注意用chown -R 命令來修改目錄權限

5.4）配置/conf/hdfs-site.xml

<?xmlversionxmlversionxmlversionxmlversion="1.0"?>   
<?xml-stylesheettypexml-stylesheettypexml-stylesheettypexml-stylesheettype="text/xsl" href="configuration.xsl"?>   
<configuration>   
<property>   
<name>dfs.name.dir</name>   
<value>/home/hadoop/name1</value> #hadoop的name目錄路徑   
<description>  </description>   
</property>   
<property>   
<name>dfs.data.dir</name>   
<value>/home/hadoop/data1</value>   
<description> </description>   
</property>   
<property>   
  <name>dfs.replication</name>   
  <!-- 我們的集群又兩個結點，所以rep兩份 -->   
  <value>2</value>   
</property>   
</configuration>   

dfs.name.dir是NameNode持久存儲名字空間及事務日志的本地文件系統路徑。 當這個值是一個逗號分割的目錄列表時，nametable數據將會被復制到所有目錄中做冗余備份。

dfs.replication是數據需要備份的數量，默認是3，如果此數大于集群的機器數會出錯。

此處的name1和data1等目錄不能提前創建，如果提前創建會出問題。

5.5）配置master和slaves主從節點

配置conf/masters和conf/slaves來設置主從結點，注意最好使用主機名，并且保證機器之間通過主機名可以互相訪問，每個主機名一行。

vi masters：

輸入：

node1

vi slaves：

輸入：

node2

node3

配置結束，把配置好的hadoop文件夾拷貝到其他集群的機器中，并且保證上面的配置對于其他機器而言正確，

scp -r /home/hadoop/hadoop-1.2.1 root@node2:/home/hadoop/ #輸入node2的root密碼即可傳輸，如果java安裝路徑不一樣，需要修改conf/hadoop-env.sh 

安裝結束

#p#

四、Hadoop啟動與測試

1、格式化一個新的分布式文件系統

cd hadoop-1.2.1   
bin/hadoop namenode -format #格式化文件系統  

成功的情況下輸入一下（我的hadoop已經使用，不想重新格式化選擇了No）

2、啟動所有節點

bin/start-all.sh 

3、查看集群的狀態：

 

hadoop dfsadmin -report 

4、Hadoop測試

瀏覽NameNode和JobTracker的網絡接口，它們的地址默認為：

NameNode - http://node1:50070/

JobTracker - http://node1:50030/

要想檢查守護進程是否正在運行，可以使用 jps 命令（這是用于 JVM 進程的ps 實用程序）。這個命令列出 5 個守護進程及其進程標識符。

將輸入文件拷貝到分布式文件系統：

bin/hadoop fs -mkdir input #創建input目錄   
   
bin/hadoop fs -put conf/core-site.xml input #拷貝文件到input目錄   
   
bin/hadoop jar hadoop-examples-1.2.1.jar grep input output 'dfs[a-z]' #使用Hadoop運行示例  

到此為止，hadoop已經配置完成，當然在配置的過程中會遇到各種錯誤，主要都是權限問題和網絡ip配置問題，請注意。

五、Hadoop一些常用的操作命令

1、hdfs常用操作：

hadoopdfs -ls 列出HDFS下的文件

hadoop dfs -ls in 列出HDFS下某個文檔中的文件

hadoop dfs -put test1.txt test 上傳文件到指定目錄并且重新命名，只有所有的DataNode都接收完數據才算成功

hadoop dfs -get in getin 從HDFS獲取文件并且重新命名為getin，同put一樣可操作文件也可操作目錄

hadoop dfs -rmr out 刪除指定文件從HDFS上

hadoop dfs -cat in/* 查看HDFS上in目錄的內容

hadoop dfsadmin -report 查看HDFS的基本統計信息，結果如下

hadoop dfsadmin -safemode leave 退出安全模式

hadoop dfsadmin -safemode enter 進入安全模式

2、負載均衡

start-balancer.sh，可以使DataNode節點上選擇策略重新平衡DataNode上的數據塊的分布。

---

祝大家能夠順利配置好hadoop運行環境，有問題可以留言一起探討。