当前位置: > Linux集群 > Hadoop >

Hadoop的安装与配置及示例程序wordcount的运行

时间:2016-05-18 10:41来源:linux.it.net.cn 作者:IT
前言
最近在学习Hadoop,文章只是记录我的学习过程,难免有不足甚至是错误之处,请大家谅解并指正!Hadoop版本是最新发布的Hadoop-0.21.0版本,其中一些Hadoop命令已发生变化,为方便以后学习,这里均采用最新命令。具体安装及配置过程如下:


1 机器配置说明
总共有3台机器:hzau01、hzau02、hzau03
IP地址分别为:192.168.0.4、192.168.0.17、192.168.0.6
操作系统为:Linux2.6.33.3-85.fc13.i686.PAE
jdk版本为:jdk1.6.0_23
hadoop版本为:hadoop-0.21.0
hzau01作为NameNode、JobTracker,其他两台台作为DataNode、TaskTracker


2  查看机器间是否能相互通信(使用ping命令)
用root登录,在NameNode上修改/etc/hosts文件,加入三台机器的IP地址和机器名,如下:
192.168.0.4  hzau01
192.168.0.17  hzau02
192.168.0.6  hzau03
      设置好后验证下各机器间是否ping通,用机器名或是IP地址都可以,例如ping hzau02或ping 192.168.0.17
Hadoop要求所有机器上hadoop的部署目录结构要相同并且有一个相同的用户名的帐户,我的默认路径为/home/garon



3  ssh设置及关闭防火墙
1)fedora装好后默认启动sshd服务,如果不确定的话可以查一下 [garon@hzau01 ~]$ service sshd status

如没有启动的话,先启动 [root@hzau01 ~]# service sshd start
建立ssh无密码登录,在NameNode上 [garon@hzau01 ~]ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa(''为两个单引号)
会在~/.ssh/生成两个文件:id_dsa和id_dsa.pub,这两是成对出现的,把id_dsa.pub文件追加到DataNode上的authorized_keys
[garon@hzau01 ~]$ scp ~/.ssh/id_dsa.pub hzau02:/home/garon/.ssh (注意其中目标机器后面的:与要传到的文件路径之间没有空格,即sc706:与/home/hadoop/之间没有空格)
   scp ~/.ssh/id_dsa.pub hzau03:/home/garon/.ssh
登录到DataNode上,[garon@hzau02 ~]$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys ,其余一台一样,注意:追加完后必须修改NameNode和DataNode上的.ssh和authorized_keys的权限,chmod命令,参数600,完成后测试下,例如ssh hzau02时不需要密码就可以登录,就可以知道ssh设置成功。
2)关闭防火墙(NameNode和DataNode都必须关闭)

[root@hzau01 ~]# service iptables stop
注意:每次重新开机启动hadoop前都必须关闭



4 安装jdk1.6(集群中机子都一样)
下载jdk-6u23-ea-bin-b03-linux-i586-18_oct_2010.bin,之后直接安装,我的安装路径为:/usr/java/jdk1.6.0_23,安装后添加如下语句到/etc/profile中:
export JAVA_HOME="/usr/java/jdk1.6.0_23"
export JRE_HOME=/usr/java/jdk1.6.0_23/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH



5 安装hadoop(集群中机子都一样)
在官网http://apache.etoak.com//hadoop/core/下载hadoop-0.21.0.tar.gz
[garon@hzau01 ~]$ tar xzvf hadoop-0.21.0.tar.gz
将hadoop的安装路径添加到/etc/profile中:
export HADOOP_HOME=/home/garon/hadoop-0.21.0
export PATH=$HADOOP_HOME/bin:$PATH
为了让/etc/profile生效,source一下 [garon@hzau01 ~]$ source /etc/profile



6 配置hadoop
其配置文件在/conf目录下
1)配置JAVA环境

[garon@hzau01 ~]$$ vi ~/hadoop/hadoop-0.21.0/conf/hadoop-env.sh
export JAVA_HOME=/usr/java/jdk1.6.0_23
2)配置conf/core-site.xml、conf/hdfs-site.xml、conf/mapred-site.xml文件

[garon@hzau01 hadoop-0.21.0]$ vi conf/core-site.xml
<configuration>
     <property>
          <name>hadoop.tmp.dir</name>
          <value>/home/garon/hadoopgaron</value>
     </property>
     <property>
          <name>fs.default.name</name>
          <value>hdfs://hzau01/</value>
     </property>
</configuration>
[garon@hzau01 hadoop-0.21.0]$ vi conf/mapred-site.xml
<configuration>
     <property>
          <name>mapred.jobtracker.address</name>
          <value>hzau01:9001</value>
     </property>
</configuration>
[garon@hzau01 hadoop-0.21.0]$ vi conf/hdfs-site.xml
<configuration>
     <property>
          <name>dfs.name.dir</name>
          <value>/home/garon/hadoopname</value>
     </property>
     <property>
          <name>dfs.data.dir</name>
          <value>/home/garon/hadoopdata</value>
     </property>
     <property>
          <name>dfs.replication</name>
          <value>1</value>
     </property>
</configuration>
3)将NameNode上完整的hadoop拷贝到DataNode上,可先将其进行压缩后直接scp过去或是用盘拷贝过去

4) 配置NameNode上的conf/masters和conf/slaves

masters:192.168.0.4
slaves:192.168.0.17
192.168.0.6


7 运行hadoop
1)格式化文件系统

[garon@hzau01 bin]$ hdfs namenode -format
注意:格式化时要防止NameNode的namespace ID与DataNode的namespace ID的不一致,因为每格式化一次会产生Name、Data、tmp等临时文件记录信息,多次格式化会产生很多,会导致ID的不同,造成hadoop不能运行
2)启动hadoop

[garon@hzau01 bin]$ start-dfs.sh
[garon@hzau01 bin]$ start-mapred.sh
3)用jps命令查看进程,NameNode上的结果如下:

5334 JobTracker
5215 SecondaryNameNode
5449 Jps
5001 NameNode


4)查看集群状态

[garon@hzau01 bin]$ hdfs dfsadmin -report
确保运行的DataNode个数是正确的,我的是2个,这样可以查看哪个DataNode没有运行



8 运行Wordcount.java程序


1)先在本地磁盘上建立两个文件f1和f2

[garon@hzau01 bin]$ echo ”Hello world Bye world" > ~/input/f1
[garon@hzau01 bin]$ echo ”hello hadoop bye hadoop” > ~/input/f2



2)在hdfs上建立一个input目录

[garon@hzau01 bin]$ hadoop fs -mkdir /tmp/input



3)将f1和f2拷贝到hdfs的input目录下

[garon@hzau01 bin]$ hadoop fs -put /home/garon/input /tmp



4)查看hdfs上有没有f1,f2

[garon@hzau01 bin]$ hadoop fs -ls /tmp/input




5)执行wordcount(确保hdfs上没有output目录)

[garon@hzau01 bin]$ hadoop jar ../hadoop-mapred-examples-0.21.0.jar wordcount /tmp/input /output



6)运行完成,查看结果

       [garon@hzau01 bin]$ hadoop fs -cat /output/part-r-00000
       Bye        1
       Hello        1
       bye        1
       hadoop   2
       hello        1
       world 2 (责任编辑:IT)
------分隔线----------------------------