Hadoop安装

简介

随着云时代的到来，大数据（big data）也越来越受大家的关注，比如互联网行业日常生成的运营、用户行为数据，随着时间及访问量的增长这一规模日益庞大，单位可达日TB或PB级别。如何在如此庞大的数据中挖掘出对我们有用的信息？目前业界主流存储与分析平台是Hadoop为主的开源生态圈，MapReduce作为Hadoop的数据集的并行运算模型，除了提供Java编写MapReduce任务外，还兼容了Streaming方式，我们可以使用任意脚本语言来编写MapReduce任务，优点是开发简单且灵活。

环境

角色	主机名	IP	功能	存储分区
Master	wx	192.168.1.22	NameNode|Secondarynamenode|JobTracker	/data
Slave	test1	192.168.1.23	DataNode|TaskTracker	/data
Slave	test2	192.168.1.24	DataNode|TaskTracker	/data

         

   

Hadoop部署

无密钥登录

部署Hadoop需要Master无密码访问所有Slave主机，需要配置ssh登录认证：

192.168.1.22：

ssh-keygen -t rsa #生成密钥对。一路回车，在/root/.ssh/目录下会生成id_rsa（私钥）、id_rsa.pub（公钥）密钥对

ssh-copy-id -i /root/.ssh/id_rsa.pub root@192.168.1.23 #将公钥发送的被控主机

安装java

ssh登录Master主机，安装JDK环境(本次安装的是java1.7，使用的是yum安装，也可以根据需要采用源码安装)：

yum install java-1.7.0* -y

安装Hadoop

wget http://apache.fayea.com/hadoop/common/hadoop-2.6.4/hadoop-2.6.4.tar.gz
tar -zxvf hadoop-2.6.4.tar.gz

解压完成后修改配置文件：

【hadoop-2.6.4/etc/hadoop/hadoop-env.sh】

hadoop-env.sh：配置环境变量，指定JAVA_HOME

#export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.111.x86_64 #将上面的${JAVA_HOME}修改为本机的java路径

【hadoop-2.6.4/etc/hadoop/core-site.xml】
core-site.xml：Hadoopcore配置项，主要针对Common组件的属性配置。

<configuration>
<property>
  <name>hadoop.tmp.dir</name> #Hadoop用户的临时存储目录（可自定义路径），默认路径为：/tmp/hadoop-${user.name}
  <value>/data/tmp/hadoop-${user.name}</value>
</property>
<property>
  <name>fs.defaultFS</name>
  <value>hdfs://192.168.1.22:9000</value> #master主机IP:9000端口
</property>
</configuration>

【hadoop-2.6.4/etc/hadoop/hdfs-site.xml】
hdfs-site.xml：Hadoop的HDFS组件的配置项，包括Namenode、Secondarynamenode和Datanode

<configuration>
<property>
  <name>dfs.namenode.name.dir</name> #Namenode持久存储名字空间、事务日志路径
  <value>/data/hdfs/name</value>
</property>
<property>
  <name>dfs.datanode.data.dir</name> #Datanode数据存储路径
  <value>/data/hdfs/data</value>
</property>
<property>
  <name>dfs.datanode.max.xcievers</name> #Datanode所允许同时执行的发送和接收任务数量，默认为256
  <value>4096</value>
</property>
<property>
  <name>dfs.replication</name> #数据备份的个数，默认为3
  <value>2</value>
</property>
<property>
  <name>dfs.namenode.secondary.http-address</name>  #配置Secondarynamenode地址
  <value>192.168.1.22:50090</value>
</property>
</configuration>

【hadoop-2.6.4/etc/hadoop/mapred-site.xml】
mapred-site.xml：配置map-reduce组件的属性，包括jobtracker和tasktracker。

<configuration>
<property>
  <name>mapreduce.framework.name</name>  #使用yarn框架（MapReduce框架）
  <value>yarn</value>
</property>
<property>
  <name>mapreduce.jobhistory.address</name>  #MapReduce JobHistory Server地址
  <value>192.168.1.22:10020</value>
</property>
<property>
  <name>mapreduce.jobhistory.webapp.address</name>   #MapReduce JobHistory Server Web UI地址
  <value>192.168.1.22:19888</value>
</property>
</configuration>

【hadoop-2.6.4/etc/hadoop/yarn-site.xml】

<configuration>

<!-- Site specific YARN configuration properties -->
<property>
  <name>yarn.resourcemanager.hostname</name>   #ResourceManager 对客户端暴露的地址。客户端通过该地址向RM提交应用程序，杀死应用程序等
  <value>192.168.1.22</value>
</property>
<property>
  <name>yarn.nodemanager.aux-services</name>   #NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序
  <value>mapreduce_shuffle</value>
</property>
</configuration>

【hadoop-2.6.4/etc/hadoop/masters】 该配置文件Master端生效
masers：配置Secondarynamenode项，起到HDFS文件系统元数据（metadata）信息的备份作用，当NameNode发生故障后可以快速还原数据。

192.168.1.22 #本次Namenode和Secondnamenode在同一台服务器上，生产环境应该分别使用独立的服务器

【hadoop-2.6.4/etc/hadoop/slaves】 
slaves：配置所有Slave主机信息，填写IP地址即可。该配置文件放在Master端生效

192.168.1.23
192.168.1.24

配置完成后，从Master端复制Hadoop环境到所有Slave端，目标路径要与Master保持一致。java环境也要保持一致。

scp -r /usr/local/hadoop-2.6.4/ root@192.168.1.23:/usr/local/
scp -r /usr/local/hadoop-2.6.4/ root@192.168.1.24:/usr/local/

配置环境变量

vim .bashrc

#JAVA
export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.111.x86_64
#Hadoop
export HADOOP_HOME=/usr/local/hadoop-2.6.4
export PATH=$PATH:/usr/local/hadoop-2.6.4/bin:/usr/local/hadoop-2.6.4/sbin

在启动hadoop之前，我们需要做一步非常关键的步骤，需要在Master端格式化文件系统的namenode。（启动只在Master端做，Slave不用）

hdfs namenode -format

启动

start-dfs.sh
start-yarn.sh
mr-jobhistory-daemon.sh start historyserver

至此，安装成功。

访问测试

http://192.168.1.22:50070 HDFS存储管理地址
http://192.168.1.22:8088 Map/Reduce管理地址

问题解决 

问题：

WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable

解决：

wget http://dl.bintray.com/sequenceiq/sequenceiq-bin/hadoop-native-64-2.6.0.tar

解压到 hadoop-2.6.4/lib/native/

---

参考资料：

根据刘天斯《Python自动化运维技术与最佳实践》整理

http://cloud.51cto.com/art/201311/419266.htm

http://www.cnblogs.com/skyme/archive/2011/10/26/2223984.html

http://www.powerxing.com/install-hadoop-cluster/