ubuntu中配置hadoop - 码农教程

单机模式部署

一、Jdk安装

命令：sudo apt-get install openjdk-6-jdk

目录：/usr/lib/jvm/java-6-openjdk

配置环境变量：

sudo gedit /etc/environment

在其中添加如下两行：

CLASSPATH=./:/usr/lib/jvm/java-6-openjdk/lib

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

PATH添加：:/usr/lib/jvm/java-6-openjdk

二、新增hadoop用户

命令：sudo addgroup hadoop1001

sudo adduser --ingroup hadoop hadoop

sudo gedit etc/sudoers

添加配置：

在root ALL=(ALL) ALL后 hadoop ALL=(ALL) ALL使hadoop用户具有root权限

（id：查看用户）

三、ssh配置

用hadoop账户进行登录。

安装openssh-server：sudo apt-get install openssh-server

建立SSH KEY：ssh-keygen -t rsa --P ""

启用SSH KEY：cat $HOME/.ssh/id_rsa.pub >> $HOME/.ssh/authorized_keys

sudo /etc/init.d/ssh reload

验证SSH的配置：ssh localhost

四、安装hadoop并更改用户所有权

我们采用的Hadoop版本是最新的Hadoop-0.20.2，可到Apache基金会官方主页下载http://www.apache.org/dyn/closer.cgi/hadoop/core,然后使用tar或直接解压到/home/hadoop下，解压后得到一个hadoop-0.20.2的一个文件夹。

安装目录：/usr/local/hadoop

更改所有权：chown -R hadoop:hadoop hadoop

五、配置hadoop

(1)配置$HADOOP_HOME/conf/hadoop-env.sh

切换到Hadoop的安装路径找到hadoop-0.20.2下的conf/hadoop-env.sh文件

将：# export JAVA_HOME=/usr/lib/j2sdk1.5-sun

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

(2) 配置$HADOOP_HOME/conf/core-site.xml

切换到Hadoop的安装路径找到hadoop-0.20.2下的conf/core-site.xml文件

   <configuration>  
   <property>  
     <name>fs.default.name</name>  
     <value>hdfs://localhost:9000</value>  
   </property>  
   <property>  
     <name>hadoop.tmp.dir</name>  
     <value>/home/hadoop/tmp</value>  
   </property>

-- 配置第二名称节点

   <property>  
     <name>fs.checkpoint.dir</name>  
     <value>{}/home/hadoop/secondname</value>   
   </property>

-- 设置回收站保留时间

   <property>  
     <name>fs.trash.interval</name>  
     <value>10080</value>  
     <description>  
         Number of minutes between trash checkpoints. If zero, the trash feature is disabled  
     </description>  
   </property>  
   </configuration>

(3) 配置$HADOOP_HOME/conf/hdfs-site.xml

切换到Hadoop的安装路径找到hadoop-0.20.2下的conf/hdfs-site.xml文件内容如下：

   <configuration>  
   <property>  
   <name>dfs.name.dir</name>  
   <value>/home/hadoop/name</value>  
   </property>   
   <property>  
   <name>dfs.data.dir</name>  
   <value>/home/hadoop/data</value>  
   </property>  
   <property>  
   <name>dfs.replication</name>  
   <value>2</value>  
   </property>

-- NameNode HTTP状态监视地址

   <property>  
   <name>dfs.http.address</name>  
   <value>localhost:50070</value>  
   </property>

-- SecondaryNameNode HTTP状态监视地址

   <property>  
   <name>dfs.secondary.http.address</name>  
   <value>localhost2:50070</value>  
   </property>   
   </configuration>

(4) 配置$HADOOP_HOME/conf/mapred-site.xml

切换到hadoop的安装路径找到hadoop-0.20.2下的conf/mapred-site.xml文件内容如下：

   <configuration>  
   <property>  
   <name>mapred.local.dir</name>  
   <value>/home/hadoop/temp</value>  
   </property>   
   <property>  
   <name>mapred.job.tracker</name>  
   <value>localhost:9001</value>  
   </property>

-- 每个job的map任务数

   <property>  
   <name>mapred.map.tasks</name>  
   <value>7</value>  
   </property>

-- 每一个tasktracker同时运行的map任务数为2

   <property>  
   <name>mapred.tasktracker.map.tasks.maximum</name>  
   <value>2</value>  
   </property>

-- 每一个tasktracker同时运行的reduce任务数为4

   <property>  
   <name>mapred.tasktracker.reduce.tasks.maximum  
   </name>  
   <value>4</value>  
   </property>

-- jvm虚拟机最大内存

   <property>  
     <name>mapred.child.java.opts</name>  
     <value>-XX:-UseGCOverheadLimit</value>  
   </property>  
   </configuration>

六、格式化namenode

命令：bin/hadoop namenode -format

七、启动及验证

命令：./bin/start-all.sh

验证方法1：jps

验证方法2：bin/hadoop dfsadmin -report

八：运行Wordcount

1.准备工作

准备两个文本文件并拷贝到dfs里，具体命令操作如下：

   $ echo "hello hadoop world." > /tmp/test_file1.txt  
   $ echo "hello world hadoop.i'm ceshiuser." > /tmp/test_file2.txt  
   $ bin/hadoop dfs -mkdir test-in  
   $ bin/hadoop dfs -copyFromLocal /tmp/test*.txt test-in  
   --$ bin/hadoop dfs -put /tmp/test*.txt test-in  
   --$ bin/hadoop dfs -copyToLocal test-out /tmp/test*.txt  
   --$ bin/hadoop dfs -get test-out /tmp/test*.txt  
   $ bin/hadoop dfs -ls test-in

2.运行

   $ bin/hadoop jar hadoop-0.20.2-examples.jar wordcount test-in test-out  
   --% ln -s /home/hadoop/junyu-hadoop/hadoop-iflytek-tempcount.jar tempcount

3.查看结果

   $ bin/hadoop dfs -ls test-out  
   $ bin/hadoop dfs -cat test-out/part-r-00000

分布式部署：

一，修改/etc/hosts文件：

192.168.71.89 node0

192.168.77.213 node1

二，ssh配置

(1)使用scp 命令把生成的公钥传给其它服务器，并保存成不同的名字，如192.168.71.89 -> 192.168.77.213 ，并且保存为89_id_rsa.pub 的时候命令如下：

scp id_rsa.pub hadoop@192.168.77.213:/home/hadoop/.ssh/89_id_rsa.pub

(2) 登录192.168.77.213 ，可以远程登录：ssh hadoop@192.168.77.213,进入当前用户默认目录下的.ssh 目录:cd ~/.ssh

(3) 把公钥内容添加到登录认证文件中：cat 89_id_rsa.pub >> authorized_keys

(4) 登录到192.168.71.89 主机，使用ssh hadoop@192.168.77.213 进行连接213 主机，这时候会出现输入yes/no? 的提示，输入yes。

三，配置hadoop文件。目录：/usr/local/hadoop/conf/

conf/masters ：192.168.71.89

conf/slaves ：192.168.77.213

修改 core-site.xml 文件

<name>fs.default.name</name>

修改 hdfs-site.xml 文件

1：<name>dfs.http.address</name>

2：<name>dfs.secondary.http.address</name>

修改mapred-site.xml文件

<name>mapred.job.tracker</name>