CentOS的Hadoop集群配置（一）

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 <configuration> 节中添加如下内容：

注意： fs.default.name 的值不能带下划线

<property>

    <name>hadoop.tmp.dir</name>

    <value>/root/hadoop_tmp/hadoop_${user.name}</value>

</property>

<property>

    <name>fs.default.name</name>

    <value>hdfs://localhost:54310</value> 

</property>

<property>

    <name>io.sort.mb</name>

    <value>1024</value> 

</property>

         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 <configuration> 节中添加如下内容：

<property>

    <name>mapred.job.tracker</name>

    <value>localhost:54311</value>

</property>

<property>

    <name>mapred.map.child.java.opts</name>

    <value>-Xmx4096m</value>

</property>

<property>

    <name>mapred.reduce.child.java.opts</name>

    <value>-Xmx4096m</value>

</property>

         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 <configuration> 节中添加如下内容：

<property>

    <name>dfs.replication</name>

    <value>2</value>

</property>

 

同样，修改 slave1 的 /usr/local/hadoop/conf/core-site.xml ，在 <configuration> 节中添加如下内容：

<property>

    <name>hadoop.tmp.dir</name>

    <value>/root/hadoop_tmp/hadoop_${user.name}</value>

</property>

<property>

    <name>fs.default.name</name>

    <value>hdfs://localhost:54310</value> 

</property>

<property>

    <name>io.sort.mb</name>

    <value>1024</value> 

</property>

 

         修改 conf/mapred-site.xml ，在 <configuration> 节中添加如下内容：

<property>

    <name>mapred.job.tracker</name>

    <value>localhost:54311</value>

</property>

<property>

    <name>mapred.map.child.java.opts</name>

    <value>-Xmx4096m</value>

</property>

<property>

    <name>mapred.reduce.child.java.opts</name>

    <value>-Xmx4096m</value>

</property>

 

         修改 conf/hdfs -site.xml ，在 <configuration> 节中添加如下内容：

<property>

    <name>dfs.replication</name>

    <value>2</value>

    </property>

 

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