VirtualBox环境下基于多台ubuntu虚拟机的Hadoop分布式计算环境搭建

zz775520666

　　转载自：http://blog.iyunv.com/beginner_lee/article/details/6429146
　　摘要：本文介绍了在VirtualBox下安装3台ubuntu虚拟机，并搭建Hadoop环境的基本步骤，最后运行了Hadoop自带example中的wordcount例程，可以作为初学者的入门教材。
　　环境：
　　主机：ubuntu11.04
　　VirtualBox版本：4.0.6 r71344
　　ubuntu虚拟机版本：ubuntu11.04
　　ubuntu虚拟机jdk版本：jdk-1.6.0_25
　　ubuntu虚拟机hadoop版本：hadoop-0.20.2
　　关键词：Hadoop，wordcount，ssh
　　

• 　　总体概述
  要在单独的一台计算机上实现Hadoop多节点分布式计算，需要通过虚拟机建立多个主机，鉴于VirtualBox的大小只是VMware的十分之一，我选择了前者。依次完成新建虚拟机、安装ssh、配置密钥实现无密码访问、安装jdk、安装hadoop并配置后，就可以运行wordcount来见识一下了不起的东西了！
  
• 　　详细步骤
  

• 　　安装虚拟机
  首先要在vbox中建立ubuntu系统，无论主机的操作系统是windows还是linux都没关系，我们之后进行的所有操作都只在虚拟机的ubuntu中进行。由于是在虚拟机中安装，就没有硬盘安装ubuntu那样麻烦了。上官网把ubuntu10.04LTS.iso下好，放在本地文件夹中，启动vbox，新建一个子os，选项都很简单，网卡设置为host-only，从之前下载的iso镜像启动。启动后的安装步骤在这里不再赘述，如有疑问请参照我之前的一篇文章。当第一个虚拟机建好后，不要使用同样的方法建立第二个ubuntu系统，vbox为我们提供了简便的复制方法，在Terminal中输入
  sudovboxmanage clonevdi [source.vdi][destination.vdi];
  就可以完全克隆一个os，之后new一个os，在选择硬盘那里找到刚clone的destination.vdi作为硬盘即可。我们用这种方法建立3台虚拟机，分别命名为UB01，UB02和UB03，它们的用户名必须一致，这里设置为vbox，为了简单，密码也统一设定为vbox。进行到这里，可以用ifconfig查看三台虚拟机的ip地址，正常的话它们的ip各不相同，且相互之间可以ping通，到这里就完成了第一步。
  
• 　　安装配置ssh
  仅仅能ping通还是不够的，为了完成分布式计算系统，需要三台机器相互之间可以无密码访问（或者是master可以无密码访问2个slave）。首先在三台虚拟机上安装ssh-openserver
  sudoapt-get install sshrsync
  完成后，在个人目录/home/vbox/下新建.ssh文件夹，在.ssh中执行
  ssh-keygen -trsa
  系统会问你一些配置，由于是初次实验，不需要这些内容，点回车继续下去即可。完成后会在.ssh/下生成id_rsa和id_isa.pub两个文件，三台机器做同样处理。忘了一件事，需要配置三台机器的别名，这样就不用通过ip互访了，打开/etc/hosts，清空里面的内容，写入
  127.0.0.1localhostlocalhost.localdomainlocalhost
  192.168.56.101UB01UB01.localdomainUB01
  192.168.56.102UB02
  192.168.56.103UB03
  对于UB01按如上书写，对于UB02如下，UB03则可一并推出(这里的每一个ip地址都应该是ifconfig后看到的，因机而异）
  127.0.0.1localhostlocalhost.localdomainlocalhost
  192.168.56.101UB01
  192.168.56.102UB02UB02.localdomainUB02
  192.168.56.103UB03
  设置完别名，可以相互ping一下看看是否生效，这里ping的对象就不是ip地址而是别名了。接下来把它们的密钥相互交换，如在UB01中执行
  scp~/.ssh/id_isa.pub vbox@UB02:/home/vbox/.ssh/id_isa.pub.UB01
  scp~/.ssh/id_isa.pub vbox@UB03:/home/vbox/.ssh/id_isa.pub.UB01
  这样做的目的是把UB01的密钥交给UB02和UB03，对UB02和UB03做同样处理，完成后每一个机器的/.ssh/中应该有3个密钥，一个是自己的，另两个是别人的，把自己的密钥连同别人的两个密钥加到授权密钥中（对UB01）
  catid_isa.pub >> authorized_keys;
  cat id_isa.pub.UB02 >>authorized_keys;
  cat id_isa.pub.UB03 >>authorized_keys;
  对其它两台机器做同样处理。接下来检验相互之间是否可以通过ssh实现无密码访问，在终端输入（对UB01）
  sshUB02;
  ssh UB03;
  访问成功会现实欢迎信息，初次访问需要yes，之后就可以不直接访问了。
  
• 　　安装jdk
  在ubuntu系统中安装jdk的方法我只简述一下，有困难者请google之，网络上资源多多。首先下载对应版本的jdk，下载完成后把.bin包移动到个人目录/home/vbox/，执行
  chmodu+x jdk-a.b.c.bin;
  sudo -s ./jdk-a.b.c.bin;
  等待安装完成，会在当前路径生成jdk目录，接下来设置环境变量，在/etc/profile/中添加JAVA_HOME、JRE_HOME、CLASSPATH和PATH的值，reboot后在Terminal输入java -version会看到版本信息，证明安装成功。
  为了备忘，环境变量的配置还是写在下边吧
  JAVA_HOME=/home/vbox/jdk1.6.0_25
  exportJRE_HOME=$JAVA_HOME/jre
  exportCLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
  expoetPATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
  
• 　　安装hadoop
  将下载到的hadoop-0.20.2.tar.gz移动到个人目录/home/vbox/，执行安装操作
  tar -xzvf hadoop-0.20.2.tar.gz
  会在当前路径生成hadoop文件夹，接着修改文件夹所有者
  chown vbox:vbox hadoop-0.20.2
  随后把hadoop的环境变量加入到/etc/profile中，添加如下内容
  export HADOOP_HOME=/home/vbox/hadoop-0.20.2
  exportPATH=$HADOOP_HOME/bin:$PATH
  接下来需要修改hadoop/conf/目录下的配置文件，共有6个文件需要修改，分别是masters、slaves、core-site.xml、mapred-site.xml、hdfs-site.xml、hadoop-env.sh，修改如下
  文件masters
  UB01
  文件slaves
  UB02
  UB03
  文件core-site.xml
  
  
  hadoop.tmp.dir
  /home/vbox/tmp
  Asyou like
  
  
  
  fs.default.name
  hdfs://UB01:9000
  
  
  文件mapred-site.xml
  
  
  mapred.job.tracker
  UB01:9001
  
  
  文件hdfs-site.xml
  
  
  dfs.replication
  1
  
  
  文件hadoop-env.sh在末尾添加
  exportJAVA_HOME=/home/vbox/jdk1.6.0_25
  说明几个地方，以上几个文件中具体的版本号、路径与ip地址要根据各自虚拟机信息区别配置，不要把我的ip抄到你的文件里，没用的。注意hdfs-site.xml中设定为1的value是最小节点数，之前为3，会出现2个slave运行不能的情况，以上配置信息对UB01、UB02和UB03完全一致。
  
• 　　执行wordcount例程
  进入/home/vbox/hadoop/目录，格式化文件系统并启动所有服务
  hadoop namenode -format;
  start-all.sh
  编写输入文件，建立input输入并将文件写入input
  echo “It is such a boring thing” > input_test_01;
  echo “But I like it” > input_test_02;
  hadoop fs -mkdir input;
  hadoop fs －copyFormatLocalinput_test_0* input;
  执行wordcount并察看计数结果
  hadoop jar hadoop-0.20.2-examples.jar wordcount input output;
  hadoop fs -cat output/part-r-00000;
  会在Terminal中看到如下wordcount信息
  51
  Damn!1
  NAT1
  ...
  注意，在第一次执行wordcount后，input和output文件依旧存在，若再次执行wordcount会出现无法响应的错误，需要通过以下的命令删除input与output，系统才会正常工作。使用xxxxxx命令关闭防火墙。
  hadoop dfs -rmr input output
  
• 　　观察运行结果，有三种方式
  通过web方式 http://UB01:50070
  通过java方式Terminal输入jps
  监测HDFS方式 Terminal输入hadoopdfsadmin -report
  

• 　　过程截图
  略
  
• 　　常用hadoop命令
  hadoop namenode -format格式化节点
  start-all.sh开启所有服务
  hadoop dfsadmin -report察看报告
  hadoop fs -mkdire input新建输入目录
  hadoop fs -ls/列出文件系统
  hadoopfs -put conf input将conf目录put到input目录
  hadoopfs -rmr output删除output目录
  hadoopjar hadoop-0.20.2-examples.jar wordcount inputoutput运行wordcount
  hadoopfs -get ouput /home/output拷贝到本地
  home/catotuput/*显示
  hadoopfs -copyToLocal input /home/vbox拷贝，同fs -get
  
• 　　Sometips
  

　　Q：datanode个数为0或者小于预设值
　　A：删除各个/home/vbox/tmp文件夹
　　Q：将各个节点的id_rsa.pub相互追加后无法实现ssh无密码互访
　　A：先搞二个互访，再一个一个加上去
　　Q：3台ubuntu11.04的虚拟机慢死了
A：换成10.04
　　
　　作者：李磊 beginner_Lee
　　
　　完成时间：2011-5-23 12:15
　　
　　版本：v2.0