基于CentOs的Hadoop集群全分布式部署

fdf

　　转自：http://blog.iyunv.com/inte_sleeper/article/details/6569985
参考资料：
　　http://www.michael-noll.com/tutorials/running-hadoop-on-ubuntu-linux-single-node-cluster/
　　http://www.michael-noll.com/tutorials/running-hadoop-on-ubuntu-linux-multi-node-cluster/
　　http://www.michael-noll.com/tutorials/writing-an-hadoop-mapreduce-program-in-python/
　　http://hadoop.apache.org/common/docs/current/cluster_setup.html
　　以下集群配置内容，以两台机器为例。其中一台是 master ，另一台是 slave1 。
　　master 上运行 name node, data node, task tracker, job tracker ， secondary name node ；
　　slave1 上运行 data node, task tracker 。
　　前面加 * 表示对两台机器采取相同的操作
　　1. 安装 JDK *
　　yum install java-1.6.0-openjdk-devel
　　2. 设置环境变量 *
　　编辑 /etc/profile 文件，设置 JAVA_HOME 环境变量以及类路径：
　　export JAVA_HOME="/usr/lib/jvm/java-1.6.0-openjdk-1.6.0.0.x86_64"
　　export PATH=$PATH:$JAVA_HOME/bin
　　export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar
　　3. 添加 hosts 的映射 *
　　编辑 /etc/hosts 文件，注意 host name 不要有下划线，见下步骤 9
　　192.168.225.16 master
　　192.168.225.66 slave1
　　4. 配置 SSH *
　　cd /root & mkdir .ssh
　　chmod 700 .ssh & cd .ssh
　　创建密码为空的 RSA 密钥对：
　　ssh-keygen -t rsa -P ""
　　在提示的对称密钥名称中输入 id_rsa
　　将公钥添加至 authorized_keys 中：
　　cat id_rsa.pub >> authorized_keys
　　chmod 644 authorized_keys # 重要
　　编辑 sshd 配置文件 /etc/ssh/sshd_config ，把 #AuthorizedKeysFile .ssh/authorized_keys 前面的注释取消掉。
　　重启 sshd 服务：
　　service sshd restart
　　测试 SSH 连接。连接时会提示是否连接，按回车后会将此公钥加入至 knows_hosts 中：
　　ssh localhost
　　5. 配置 master 和 slave1 的 ssh 互通
　　在 slave1 中重复步骤 4 ，然后把 slave1 中的 .ssh/authorized_keys 复制至 master 的 .ssh/authorized_keys 中。注意复制过去之后，要看最后的类似 root@localhost 的字符串，修改成 root@slave1 。同样将 master 的 key 也复制至 slave1 ，并将最后的串修改成 root@master 。
　　或者使用如下命令：
　　ssh-copy-id -i ~/.ssh/id_rsa.pub root@slave1
　　测试 SSH 连接：
　　在 master 上运行：
　　ssh slave1
　　在 slave1 上运行：
　　ssh master
　　6. 安装 Hadoop
　　下载 hadoop 安装包：
　　wget http://mirror.bjtu.edu.cn/apache/hadoop/common/hadoop-0.20.203.0/hadoop-0.20.203.0rc1.tar.gz
　　复制安装包至 slave1 ：
　　scp hadoop-0.20.203.0rc1.tar.gz root@slave1:/root/
　　解压：
　　tar xzvf hadoop-0.20.203.0rc1.tar.gz
　　mkdir /usr/local/hadoop
　　mv hadoop-0.20.203.0/* /usr/local/hadoop
　　修改 .bashrc 文件（位于用户目录下，即 ~/.bashrc ，对于 root ，即为 /root/.bashrc ）
　　添加环境变量：
　　export HADOOP_HOME=/usr/local/hadoop
　　export PATH=$PATH:$HADOOP_HOME/bin
　　7. 配置 Hadoop 环境变量 *
　　以下所有 hadoop 目录下的文件，均以相对路径 hadoop 开始
　　修改 hadoop/conf/hadoop-env.sh 文件，将里面的 JAVA_HOME 改成步骤 2 中设置的值。
　　8. 创建 Hadoop 本地临时文件夹 *
　　mkdir /root/hadoop_tmp （注意这一步，千万不要放在 /tmp 目录下面！！因为 /tmp 默认分配的空间是很小的，往 hdfs 里放几个大文件就会导致空间满了，就会报错）
　　修改权限：
　　chown -R hadoop:hadoop /root/hadoop_tmp
　　更松地，也可以这样：
　　chmod -R 777 /root/hadoop_tmp
　　9. 配置 Hadoop
　　修改 master 的 hadoop/conf/core-site.xml ，在节中添加如下内容：
　　注意： fs.default.name 的值不能带下划线
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　其中 io.sort.mb 值，指定了排序使用的内存，大的内存可以加快 job 的处理速度。
　　修改 hadoop/conf/mapred-site.xml ，在节中添加如下内容：
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　其中 mapred.map.child.java.opts, mapred.reduce.child.java.opts 分别指定 map/reduce 任务使用的最大堆内存。较小的内存可能导致程序抛出 OutOfMemoryException 。
　　修改 conf/hdfs -site.xml ，在节中添加如下内容：
　　
　　
　　
　　同样，修改 slave1 的 /usr/local/hadoop/conf/core-site.xml ，在节中添加如下内容：
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　修改 conf/mapred-site.xml ，在节中添加如下内容：
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　修改 conf/hdfs -site.xml ，在节中添加如下内容：
　　
　　
　　
　　10. 修改 hadoop/bin/hadoop 文件
　　把 221 行修改成如下。因为对于 root 用户， -jvm 参数是有问题的，所以需要加一个判断 ( 或者以非 root 用户运行这个脚本也没问题 )
　　HADOOP_OPTS="$HADOOP_OPTS -jvm server $HADOOP_DATANODE_OPTS" à
　　#for root, -jvm option is invalid.
　　CUR_USER=`whoami`
　　if [ "$CUR_USER" = "root" ]; then
　　HADOOP_OPTS="$HADOOP_OPTS -server $HADOOP_DATANODE_OPTS"
　　else
　　HADOOP_OPTS="$HADOOP_OPTS -jvm server $HADOOP_DATANODE_OPTS"
　　fi
　　unset $CUR_USER
　　至此， master 和 slave1 都已经完成了 single_node 的搭建，可以分别在两台机器上测试单节点。
　　启动节点：
　　hadoop/bin/start-all.sh
　　运行 jps 命令，应能看到类似如下的输出：
　　937 DataNode
　　9232 Jps
　　8811 NameNode
　　12033 JobTracker
　　12041 TaskTracker