安装Hadoop

本次作业要求来源:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/3223

1、安装linux

VMware下载安装

VMware的下载安装就好办了，下载直接百度如下，哈哈：

下载完成即可安装，安装可以全部采取默认，看个人而定，博主的安装目录是自选的。

安装完成之后启动VMware，需要输入产品密钥（vmware workstation 12），博主随便百度了一个，猿友看你的是否有效：

5A02H-AU243-TZJ49-GTC7K-3C61N

• 1

• 1

VMware安装完毕，下面介绍在VMware安装Ubuntu。

三、在VMware安装Ubuntu

1、创建虚拟机

 

 

 

18、下面就开始正式安装了：

19、安装完成之后，会提示重启，点击现在重启

20、重启成功之后，会来到桌面，博主的重启中遇到一些问题，手动重启的，影响不大：

2、安装mysql

安装mysql

tar -xvzf mysql-5.6.38-linux-glibc2.12-i686.tar.gz 

mv mysql-5.6.38-linux-glibc2.12-i686/ mysql

•  添加系统mysql组和mysql用户：

  执行命令：groupadd mysql和useradd -r -g mysql mysql

• 创建mysql数据目录，新目录不存在则创建

　　数据库数据默认目录datadir=/var/lib/mysql，可通过vim /etc/my.cnf 查看

　　

　　修改后的目录是 mkdir -p data，没有创建文件夹，有不创建

　　 

• 修改目录权限

　　chown -R mysql:mysql  ./

• 初始化数据库

 　./scripts/mysql_install_db --user=mysql --basedir=/usr/local/mysql --datadir=/usr/local/mysql/data

• 修改权限为root

　　[root@localhost mysql]# chown -R root:root .

　　[root@localhost mysql]# chown -R mysql:mysql data

• 添加启动服务

• [root@localhost mysql]# cp support-files/mysql.server /etc/init.d/mysql

• [root@localhost mysql]# service mysql start

 

• 设置root用户密码
• ./bin/mysqladmin -u root password '123456'
• 遇到的问题

　　[root@localhost bin]# ./mysql
　　ERROR 1045 (28000): Access denied for user 'root'@'localhost' (using password: NO)

• 解决方法
• [root@localhost bin]# ./mysqld_safe --user=mysql --skip-grant-tables --skip-networking &

• [root@localhost bin]# ./mysql -u root mysql

• mysql> UPDATE user SET Password=PASSWORD('123456') where USER='root'; 
• mysql> FLUSH PRIVILEGES; 

• mysql> quit

3、计算机和虚拟机互传文件

Windows向Linux虚拟机传入文件：

   下载，安装一个xshell远程软件，或其他ssh软件也行。连接上linux服务器。（例如：SecureCRT）

   输入命令检查rz命令：rpm -qa |grep rz 

  (如果没有rz命令安装：yum -install rz)

   输入rz就可以上传Windows里的文件了

 Linux虚拟机向windows传入文件：

   下载，安装一个xshell远程软件，或其他ssh软件也行。连接上linux服务器。（例如：SecureCRT）

   输入命令检查sz命令：rpm -qa |grep sz 

  (如果没有sz命令安装：yum -install sz)

   输入sz就可以下载到Windows中了（如果没有弹框选择下载地址，默认下载到：C:/用户/sks/下载）

4、使用VMWare安装Ubuntu

我用的是Ubuntu 12，先准备好一些软件/工具（链接均为新浪微盘）。

· VMWare Workstation （去官网免费下）

· ubuntu-12.04.1-desktop-i386.iso

· jdk-7u7-windows-i586.rar

· 因老师再三强调hadoop不同版本间的差异大，新手最好与老师使用相同版本的hadoop，即 hadoop-0.20.2.tar.gz

· WinSCP (我用到的) , PuTTY或SecureCRT 以将jdk, hadoop传送到ubuntu

安装Ubuntu

基本没有任何可以注明的，安装完成后我的是默认进入命令行模式，startx进入GUI图形界面模式

Ubuntu可以调display分辨率使得GUI大小舒服点，搜索terminal可打开命令行工具，ctrl+alt+f1~f6，在命令行模式下alt + 左右键可切换不同桌面。

配置网络 （非hadoop安装必须步骤）

因为群里面有朋友是用的桥接必须用同一网段，所以我们借机会玩了一下网络设置（注：我想这个不是hadoop安装的必须步骤）。Ubuntu因为有network-manager的缘故，一进去不需要任何设置就可以上网了，打开settings > network就可看到网络配置，但这个因为基于DHCP。我通过sudo vi /etc/network/interfaces设置的IP，重启后又被network-manager改回去了，提到这两种方法是相互冲突的，里面有讲到如何处理这种情况，我直接粗爆的使用 sudo apt-get autoremove network-manager -- purge把它给卸载了。

autoremove : 'autoremove' removes all package that got automatically installed to satisfy, --purge option makes apt-get to remove config files

步骤：配置静态IP > DNS > host name > hosts

配置静态IP

在VM > settings > network中可以看出我使用的是VMWare默认的NAT方式

这三者的区别，有兴趣的可以搜索 “VMWare 桥接,NAT,Host Only的区别”。在VMWare Workstation菜单>Edit>Virtual Network Editor中可以看到NAT使用的是安装VMWare时它自动虚拟出来的两个网卡中的VMnet8.

点击NAT Settings可以看到

得到如下信息：

网关: 192.168.221.2

IP网段：192.168.221.128~254

子网掩码：255.255.255.0

:sudo vi /etc/network/interfaces

(关于vi/vim，见鸟哥的《鳥哥的 Linux 私房菜》中 vim 程式編輯器)

auto lo #localhost

iface lo inet loopback #这一段配置的是localhost/127.0.0.1，可保留

#加上eth0, 网卡0的配置

auto eth0

iface eth9 inet static #静态ip

address 192.168.221.130

netmask 255.255.255.0

gateway 192.168.221.2

dns-nameserver 192.168.221.2 8.8.8.8

#dns-search test.com 这个新学的，默认会自动给host加到.test.com

重启网络

:sudo /etc/init.d/networking restart #重启后，才能establish eth0

:whereis ifup #...

:sudo /sbin/ifup eth0 #手动修改eth0后必须启用eth0才有效

:sudo /sbin/ifdown eth0

:sudo /etc/init.d/networking restart #再重启

:ifconfig #查看IP，显示eth0信息

#配置DNS

:sudo vi /etc/resolv.conf

加如下 google的公共DNS，

nameserver 192.168.221.2

nameserver 8.8.8.8

这个会被network-manager覆盖，所以后者要KO掉

:sudo apt-get autoremove network-manager –purge

#配置HOST

:sudo vi /etc/hosts

加上

192.168.221.130 h1

192.168.221.141 h2

192.168.221.142 h3

#配置host name

:whereis hostname

:sudo vi /etc/hostname

写上h1

运行

:sudo hostname h1

到现在网络就成功配置好了，非CLONE的话，就三台servers一路执行吧（手酸），/etc/hosts建议scp过去

为hadoop创建特定操作用户

为hadoop创建特定操作用户，之后集群节点服务器也需创建，以使得节点服务器间能够通过这些特定用户及其RSA公钥信息通过SSH连接互通。

(在这儿我吃了比较大的弹子，useradd和adduser是两个不同的命令，使用起来也不同，这一篇讲得比较清楚)

我使用的是

:sudo useradd hadoop_admin

:sudo passwd hadoop_admin

结果用它来login后，发现没有home信息，显示的是

$:

然后我切回root用户，自作主张创建了/home/hadoop_admin目录（于是这个目录就只有root有权限）

开始发现的问题是在生成rsa ssh key时提示目录无写入权限

查了下相关资料，列出用户对home的权限，发现host是root

继续

发现权限为0，说明这个用户创建得有问题，群友让我用chmod再手动设置权限（使用sudo chown -R hadoop_admin /home/hadoop_admin，这也是使用useradd需做的），我觉得太麻烦，查了下，决定重新建用户（这个在IT运维一定是不可以的吧 =O=）

:sudo deluser hadoop_admin

:sudo adduser hadoop_admin –home /home/hadoop_admin –u 545

现在正常了

1. 创建用户

:sudo adduser hadoop_admin –home /home/hadoop_admin –u 545

2. 将用户加入到可以执行sudo的用户列表

:sudo vi /etc/sudoers

将如下信息加入到文件中

3. 为用户生成SSH KEY（下讲）

安装SSH并生成RSA KEY

1. 安装OpenSSH

知识点：关于debian软件包和apt-get，看这儿

:sudo apt-get install openssh-server

完成后，理论上ssh就启动了，现在可以使用WinSCP explore模式进行文件传输了，将JDK,HADOOP都拷过去

可以看一看ssh的配置，有助于下面理解节点服务器之间通过SSH公钥无密码连接，我这种零基础的人觉得whereis命令异常方便..

因为安装hadoop时经常出现是否要将host加入know_host，所以这一行变得很有趣

Ubuntu debian默认打开了~/.ssh/config中的HashKnownHosts yes，所以每次ssh hostname时都会询问是否加入known_hosts文件，关于OpenSSH的扩展阅读

2. 为hadoop_admin生成私钥及公钥文件

#以hadoop_admin登陆并切换到~/主目录

:cd ~/

:ssh-keygen –t rsa #以RSA加密算法生成SSH keys –t 设置算法类型

这样就会自动在用户主目录下生成.ssh文件夹及id_rsa（prive key）和id_rsa.pub(public key)两个文件

:cd ~/.ssh

:cp id_rsa.pub authorized_keys #通过上面对SSH的了解，这个authorized_keys存放SSH识别能自动通过验证的公钥信息，信息串在我的实验中都是以login_name@hostname结尾的

（可以将其它user的公钥也扔进去）

安装JDK

前前后后折腾了好几种安装方法，有从Ubuntu Software Center搜索JDK安装了OpenJDK的，有通过修改debian source list使用sudo apt-get install java-6-sun的，都不好用，最简单的方法就是下载Sun的jdk -> 解压 -> 修改JAVA_HOME信息。

1. 准备好JDK文件

上面有讲，下载地址以及通过ssh将文件拷到VM系统中

2. 安装JDK

我是安装到/usr/lib/jvm/jdk1.7.0_21下 （这个目录最好在所有server中都统一，不然搞死人了~）

:sudo tar xvf ~/Downloads/[jdk].tar.gz –C /usr/lib/jvm

:cd /usr/lib/jvm

:ls

进去看看

3. 设置JAVA_PATH等信息

:sudo vi /etc/profile

#加上如下信息设置环境变量

export JAVA_HOME=/usr/lib/ jvm/jdk1.7.0_21

export JRE_HOME=$JAVA_HOME/jre

export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH

export PATH=$JAVA_HOME/bin:$PATH:$JRE_HOME/lib

#执行一下使之有效

:source /etc/profile

#执行一下验证

:cd $JAVA_HOME

#若能正确定位，则设置完毕

安装hadoop

1. 准备hadoop文件

上面有讲过，将hadoop.0.20.2通过ssh传输到目标机器上

2. 安装hadoop

解压到hadoop_admin的目录下（Q: 一定要在这个目录吗） ->

:sudo tar xvf [hadoop.tar.gz路径] –C /home/hadoop_admin/hadoop/

3. 配置hadoop

配置有不少学问，下面是按最简单的… 我得学到下周才能明白了，我想… 这儿有些基本属性的解释，我下面自己手动输入加强记忆和理解

a. 设置环境变量HADOOP_HOME，方便使用

:sudo vi /etc/profile

export HADOOP_HOME=/home/hadoop_admin/hadoop-0.20.2

export JAVA_HOME=/usr/lib/syveen_jvm/jdk1.7.0_21

export JRE_HOME=$JAVA_HOME/jre

export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH

export PATH=$JAVA_HOME/bin:$PATH:$JRE_HOME/lib:$HADOOP_HOME/bin

:source /etc/profile #执行，使之有效

:cd $HADOOP_HOME

:cd /conf/

:cd ls

b. 设置jdk路径，将JAVA_HOME加入到环境配置中

:sudo vi /JAVA_HOME加入到/hadoop-env.sh

不记得JDK路径的可以

:echo $JAVA_HOME

c. core-site.xml

设置name node的HDFS路径 。fs.default.name: 设置集群的name node的URI（协议hdfs，主机名/IP，端口号），集群中的每台机器都需要知道name node信息。

<configuration>

<property><name>fs.default.name</name><value>hdfs://h1:9001</value></property>

</configuration>

d. hdfs-site.xml

设置name node的文件数据(file system)的存储路径及拷贝份数(replication)，说实话因为现在没有实际应用hadoop所以对这个namenode和datanode的目录设置及replication没有实际理解，只能依葫芦画瓢，之后再更新这部分吧

<property><name>dfs.name.dir</name><value>~/hadoop_run/namedata1, ~/hadoop-run/namedata2,~/hadoop-run/namedata3</value></property>

<property><name>dfs.data.dir</name><value>~/hadoop-0.20.2/data</value></property>

<property><name>dfs.replication</name><value>3</value></property>

e. mapred-site.xml

mapred: map-reduce的jobtracker信息

<property><name>mapred.job.tracker</name><value>h1:9001</value></property>

f. masters

加入master节点信息，这儿是h1

g. slaves

加入从属节点信息, 这儿是h2, h3

4. 配置h2, h3节点服务器

漫长的旅程啊，我是重新VMWare安装h2,h3，重复以上所有环境以达到二次巩固的目的，并没有使用clone模式复制image，这其中暴露出来的问题很多，比如jdk和hadoop的安装目录不一样（完全是拼写错误之类），导致后来更改文件都累死~ 所以象我这样的初学者还是都统一吧，包括hadoop_admin这样的操作用户名称也最好统一了。

4.1 安装及配置h2,h3节点服务器

重复创建hadoop_admin用户，安装ssh并生成key，到这儿就stop

4.2 将h2,h3的公钥信息导入到h1的authorized_keys中，以方便之后无密码SSH文件传输

方法为将h2，h3的文件先scp（secure copy）传输到h1目录中

在h2上 sudo scp ~/.ssh/id_rsa.pub hadoop_admin@h1:~/h2pub

在h3上 sudo scp ~/.ssh/id_rsa.pub hadoop_admin@h1:~/h3pub

在h1上

:sudo cat ~/.ssh/id_rsa.pub ~/h2pub ~/h3pub > ~/.ssh/authorized_keys #将自己的,h2和h3的公钥聚合(concatenate)在一起

:sudo scp ~/.ssh/authorized_keys hadoop_admin@h2:~/.ssh/authorized_keys #好吧，然后再拷回去（Q: slave需要吗）

:sudo scp ~/.ssh/authorized_keys hadoop_admin@h3:~/.ssh/authorized_keys

4.3 从h1直接安装JDK,HADOOP到h2,h3

a. 安装jdk

:sudo scp $JAVA_HOME hadoop_admin@h2:/usr/liv/jvm

:sudo scp $JAVA_HOME hadoop_admin@h3:/usr/liv/jvm

如果etc/profile一样的话，也这么扔过去吧..

:sudo scp /etc/profile h2:/etc/profile

:sudo scp /etc/profile h3:/etc/profile

b. 安装hadoop

:sudo scp $HADOOP_HOME hadoop_admin@h2:~/hadoop-0.20.2

:sudo scp $HADOOP_HOME hadoop_admin@h3:~/hadoop-0.20.2

c. 如果etc/hosts一样的话，把它们也搞过去吧..

:sudo scp /etc/hosts h2:/etc/hosts

:sudo scp /etc/hosts h3:/etc/hosts

检查上述步骤，互相ping一样都能互通，使用ssh [hostname]都能不需要密码互通，那这三个服务器也应该就配置完成了，hadoop啥的也不需要额外配置。

5. 格式化name node

arr.. 这个东西到底是做了啥呢? 很感兴趣，直接搜索了一把，还真有人看进源码。TBD了，之后再深入研究时会看。

6. 启动hadoop

理论上，如果java home, 用户及权限，host, IP, ssh无密码互通之类的全部配置正确的话，这儿可以悠哉的等结果了（但实际上，很多问题啊… 各种配置粗心大意的）

:sudo $HADOOP_HOME/bin/start-all.sh

在这一步，不要出现permission denied，file or directory not exists，等等各种错误，闪闪的看到started successfully，表示启用无障碍。

7. 检验是否成功

a. 进程正常

:sudo $JAVA_HOME/bin/jps

name node 4个进程

data node 3个进程

b. http://localhost:50030

c. http://locahost:50070