> Linux集群 > Hadoop >

Ubuntu上搭建Hadoop环境(单机模式+伪分布模式)

最近一直在自学Hadoop,今天花点时间搭建一个开发环境,并整理成文。

首先要了解一下Hadoop的运行模式:

单机模式(standalone)
       单机模式是Hadoop的默认模式。当首次解压Hadoop的源码包时,Hadoop无法了解硬件安装环境,便保守地选择了最小配置。在这种默认模式下所有3个XML文件均为空。当配置文件为空时,Hadoop会完全运行在本地。因为不需要与其他节点交互,单机模式就不使用HDFS,也不加载任何Hadoop的守护进程。该模式主要用于开发调试MapReduce程序的应用逻辑。
伪分布模式(Pseudo-Distributed Mode)
      伪分布模式在“单节点集群”上运行Hadoop,其中所有的守护进程都运行在同一台机器上。该模式在单机模式之上增加了代码调试功能,允许你检查内存使用情况,HDFS输入输出,以及其他的守护进程交互。
      全分布模式(Fully Distributed Mode)
     Hadoop守护进程运行在一个集群上。

 

版本:ubuntu 10.04.4,hadoop 1.0.2

1.添加hadoop用户到系统用户

安装前要做一件事——添加一个名为hadoop到系统用户,专门用来做Hadoop测试。

 

  1. ~$ sudo addgroup hadoop  
  2. ~$ sudo adduser --ingroup hadoop hadoop  

 

现在只是添加了一个用户hadoop,它并不具备管理员权限,因此我们需要将用户hadoop添加到管理员组:

 

 
  1. ~$ sudo usermod -aG admin hadoop  

 

2.安装ssh

 

由于Hadoop用ssh通信,先安装ssh

 
  1. ~$ sudo apt-get install openssh-server  

ssh安装完成以后,先启动服务:

 
  1. ~$ sudo /etc/init.d/ssh start   
启动后,可以通过如下命令查看服务是否正确启动:
 
  1. ~$ ps -e | grep ssh  

作为一个安全通信协议,使用时需要密码,因此我们要设置成免密码登录,生成私钥和公钥:

hadoop@scgm-ProBook:~$ ssh-keygen -t rsa -P ""  

 

因为我已有私钥,所以会提示是否覆盖当前私钥。第一次操作时会提示输入密码,按Enter直接过,这时会在~/home/{username}/.ssh下生成两个文件:id_rsa和id_rsa.pub,前者为私钥,后者为公钥,现在我们将公钥追加到authorized_keys中(authorized_keys用于保存所有允许以当前用户身份登录到ssh客户端用户的公钥内容):

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

 
现在可以登入ssh确认以后登录时不用输入密码:

~$ ssh localhost  

登出:

~$ exit  

 
第二次登录:

~$ ssh localhost  

 

登出:

~$ exit  
 
这样以后登录就不用输入密码了。

 

 

3.安装Java

 


~$ sudo apt-get install openjdk-6-jdk  
~$ java -version  

 

 

4.安装hadoop 1.0.2

到官网下载hadoop源文件,这里选择hadoop 1.0.2

解压并放到你希望的目录中。我是放到/usr/local/hadoop

 

~$ sudo tar xzf hadoop-1.0.2.tar.gz  

~$ sudo mv hadoop-1.0.2 /usr/local/hadoop  

 
要确保所有的操作都是在用户hadoop下完成的:
~$ sudo chown -R hadoop:hadoop /usr/local/hadoop  

 

 

5.设定hadoop-env.sh(Java 安装路径)

进入hadoop目录,打开conf目录下到hadoop-env.sh,添加以下信息:
            export JAVA_HOME=/usr/lib/jvm/java-6-openjdk (视你机器的java安装路径而定)
            export HADOOP_HOME=/usr/local/hadoop
            export PATH=$PATH:/usr/local/hadoop/bin

 

并且,让环境变量配置生效source

 

~$ source /usr/local/hadoop/conf/hadoop-env.sh  

 

至此,hadoop的单机模式已经安装成功。

 

于是,运行一下hadoop自带的例子WordCount来感受以下MapReduce过程:

 

在hadoop目录下新建input文件夹
~$ mkdir input  
将conf中的所有文件拷贝到input文件夹中
 
  1. ~$ cp conf/* input<SPAN style="BACKGROUND-COLOR: rgb(255,255,255); FONT-FAMILY: Arial, Helvetica, sans-serif; WHITE-SPACE: normal"> </SPAN>  
运行WordCount程序,并将结果保存到output中
~$ bin/hadoop jar hadoop-0.20.2-examples.jar wordcount input output  

运行

[html] view plaincopyprint?
  1. ~$ cat output/*  
你会看到conf所有文件的单词和频数都被统计出来。

 

下面是伪分布模式需要的一些配置,继续。

6.设定*-site.xml
这里需要设定3个文件:core-site.xml,hdfs-site.xml,mapred-site.xml,都在/usr/local/hadoop/conf目录下
core-site.xml:  Hadoop Core的配置项,例如HDFS和MapReduce常用的I/O设置等。
hdfs-site.xml:  Hadoop 守护进程的配置项,包括namenode,辅助namenode和datanode等。
mapred-site.xml: MapReduce 守护进程的配置项,包括jobtracker和tasktracker。    

首先在hadoop目录下新建几个文件夹

[html] view plaincopyprint?
  1. ~/hadoop$ mkdir tmp  
  2. ~/hadoop$ mkdir hdfs  
  3. ~/hadoop$ mkdir hdfs/name  
  4. ~/hadoop$ mkdir hdfs/data  

 

接下来编辑那三个文件:

core-site.xml:

 

[html] view plaincopyprint?
  1. <configuration>  
  2.     <property>  
  3.         <name>fs.default.name</name>  
  4.         <value>hdfs://localhost:9000</value>  
  5.     </property>  
  6.     <property>  
  7.         <name>hadoop.tmp.dir</name>  
  8.         <value>/usr/local/hadoop/tmp</value>  
  9.     </property>  
  10. </configuration>  
hdfs-site.xml:

 

 

[html] view plaincopyprint?
  1. <configuration>  
  2.     <property>  
  3.         <name>dfs.replication</name>  
  4.         <value>1</value>  
  5.     </property>  
  6.     <property>  
  7.         <name>dfs.name.dir</name>  
  8.         <value>/usr/local/hadoop/hdfs/name</value>  
  9.     </property>  
  10.     <property>  
  11.         <name>dfs.data.dir</name>  
  12.         <value>/usr/local/hadoop/hdfs/data</value>  
  13.     </property>  
  14. </configuration>  
mapred-site.xml:

 

 

[html] view plaincopyprint?
  1. <configuration>  
  2.     <property>  
  3.         <name>mapred.job.tracker</name>  
  4.         <value>localhost:9001</value>  
  5.     </property>  
  6. </configuration>  

 

7.格式化HDFS

通过以上步骤,我们已经设定好Hadoop单机测试到环境,接着就是启动Hadoop到相关服务,格式化namenode,secondarynamenode,tasktracker:

 

 

[html] view plaincopyprint?
  1. ~$ source /usr/local/hadoop/conf/hadoop-env.sh  
  2. ~$ hadoop namenode -format  


8.启动Hadoop

接着执行start-all.sh来启动所有服务,包括namenode,datanode,start-all.sh脚本用来装载守护进程。

 

[html] view plaincopyprint?
  1. hadoop@ubuntu:/usr/local/hadoop$ cd bin  
  2. hadoop@ubuntu:/usr/local/hadoop/bin$ start-all.sh  

用Java的jps命令列出所有守护进程来验证安装成功

[html] view plaincopyprint?
  1. hadoop@ubuntu:/usr/local/hadoop$ jps  
出现如下列表,表明成功

 


9.检查运行状态
所有的设置已完成,Hadoop也启动了,现在可以通过下面的操作来查看服务是否正常,在Hadoop中用于监控集群健康状态的Web界面:
http://localhost:50030/     - Hadoop 管理介面
http://localhost:50060/     - Hadoop Task Tracker 状态
http://localhost:50070/     - Hadoop DFS 状态
 

Hadoop 管理介面:

Hadoop Task Tracker 状态:

Hadoop DFS 状态:

 

至此,hadoop的伪分布模式已经安装成功,于是,再次在伪分布模式下运行一下hadoop自带的例子WordCount来感受以下MapReduce过程:

这时注意程序是在文件系统dfs运行的,创建的文件也都基于文件系统:

首先在dfs中创建input目录

[html] view plaincopyprint?
  1. hadoop@ubuntu:/usr/local/hadoop$ bin/hadoop dfs -mkdir input  
将conf中的文件拷贝到dfs中的input
[html] view plaincopyprint?
  1. hadoop@ubuntu:/usr/local/hadoop$ hadoop dfs -copyFromLocal conf/* input  
在伪分布式模式下运行WordCount
[html] view plaincopyprint?
  1. hadoop@ubuntu:/usr/local/hadoop$ hadoop jar hadoop-examples-1.0.2.jar wordcount input output  
可看到以下过程

 

显示输出结果

[html] view plaincopyprint?
  1. hadoop@ubuntu:/usr/local/hadoop$ hadoop dfs -cat output/*  

当Hadoop结束时,可以通过stop-all.sh脚本来关闭Hadoop的守护进程
[html] view plaincopyprint?
  1. hadoop@ubuntu:/usr/local/hadoop$ bin/stop-all.sh   

 

 

10.结语

     在ubuntu上搭建hadoop成功!有点小兴奋,已经迫不及待的想开始做一些相关的开发及深入理解hadoop内核实现,继续加油咯!

PS:单机模式和伪分布模式均用于开发和调试的目的。真实Hadoop集群的运行采用的是第三种模式,即全分布模式。待续。

 

本文参考了这两位同学的文章,感谢分享阿!

http://blog.sina.com.cn/s/blog_61ef49250100uvab.html

http://www.cnblogs.com/welbeckxu/category/346329.html

(责任编辑:IT)