Hadoop的安装与配置及示例程序wordcount的运行

前言

最近在学习Hadoop，文章只是记录我的学习过程，难免有不足甚至是错误之处，请大家谅解并指正！Hadoop版本是最新发布的Hadoop-0.21.0版本，其中一些Hadoop命令已发生变化，为方便以后学习，这里均采用最新命令。具体安装及配置过程如下：

1 机器配置说明

总共有3台机器：hzau01、hzau02、hzau03

IP地址分别为：192.168.0.4、192.168.0.17、192.168.0.6

操作系统为：Linux2.6.33.3-85.fc13.i686.PAE

jdk版本为：jdk1.6.0_23

hadoop版本为：hadoop-0.21.0

hzau01作为NameNode、JobTracker，其他两台台作为DataNode、TaskTracker

2  查看机器间是否能相互通信（使用ping命令）

用root登录，在NameNode上修改/etc/hosts文件，加入三台机器的IP地址和机器名，如下：

192.168.0.4  hzau01

192.168.0.17  hzau02

192.168.0.6  hzau03

      设置好后验证下各机器间是否ping通，用机器名或是IP地址都可以，例如ping hzau02或ping 192.168.0.17

Hadoop要求所有机器上hadoop的部署目录结构要相同并且有一个相同的用户名的帐户，我的默认路径为/home/garon

3  ssh设置及关闭防火墙

1）fedora装好后默认启动sshd服务，如果不确定的话可以查一下 [garon@hzau01 ~]$ service sshd status

如没有启动的话，先启动 [root@hzau01 ~]# service sshd start

建立ssh无密码登录，在NameNode上 [garon@hzau01 ~]ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa(''为两个单引号)

会在~/.ssh/生成两个文件：id_dsa和id_dsa.pub，这两是成对出现的，把id_dsa.pub文件追加到DataNode上的authorized_keys

[garon@hzau01 ~]$ scp ~/.ssh/id_dsa.pub hzau02:/home/garon/.ssh (注意其中目标机器后面的：与要传到的文件路径之间没有空格，即sc706:与/home/hadoop/之间没有空格)

   scp ~/.ssh/id_dsa.pub hzau03:/home/garon/.ssh

登录到DataNode上，[garon@hzau02 ~]$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys ，其余一台一样，注意：追加完后必须修改NameNode和DataNode上的.ssh和authorized_keys的权限，chmod命令，参数600，完成后测试下，例如ssh hzau02时不需要密码就可以登录，就可以知道ssh设置成功。

2）关闭防火墙（NameNode和DataNode都必须关闭）

 [root@hzau01 ~]# service iptables stop

注意：每次重新开机启动hadoop前都必须关闭

4 安装jdk1.6(集群中机子都一样)

下载jdk-6u23-ea-bin-b03-linux-i586-18_oct_2010.bin，之后直接安装，我的安装路径为：/usr/java/jdk1.6.0_23，安装后添加如下语句到/etc/profile中：

export JAVA_HOME="/usr/java/jdk1.6.0_23"

export JRE_HOME=/usr/java/jdk1.6.0_23/jre

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

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

5 安装hadoop(集群中机子都一样)

在官网http://apache.etoak.com//hadoop/core/下载hadoop-0.21.0.tar.gz

[garon@hzau01 ~]$ tar xzvf hadoop-0.21.0.tar.gz

将hadoop的安装路径添加到/etc/profile中：

export HADOOP_HOME=/home/garon/hadoop-0.21.0

export PATH=$HADOOP_HOME/bin:$PATH

为了让/etc/profile生效，source一下 [garon@hzau01 ~]$ source /etc/profile

6 配置hadoop

其配置文件在/conf目录下

1）配置JAVA环境

[garon@hzau01 ~]$$ vi ~/hadoop/hadoop-0.21.0/conf/hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.6.0_23

2）配置conf/core-site.xml、conf/hdfs-site.xml、conf/mapred-site.xml文件

[garon@hzau01 hadoop-0.21.0]$ vi conf/core-site.xml

<configuration>

     <property>

          <name>hadoop.tmp.dir</name>

          <value>/home/garon/hadoopgaron</value>

     </property>

     <property>

          <name>fs.default.name</name>

          <value>hdfs://hzau01/</value>

     </property>

</configuration>

[garon@hzau01 hadoop-0.21.0]$ vi conf/mapred-site.xml

<configuration>

     <property>

          <name>mapred.jobtracker.address</name>

          <value>hzau01:9001</value>

     </property>

</configuration>

[garon@hzau01 hadoop-0.21.0]$ vi conf/hdfs-site.xml

<configuration>

     <property>

          <name>dfs.name.dir</name>

          <value>/home/garon/hadoopname</value>

     </property>

     <property>

          <name>dfs.data.dir</name>

          <value>/home/garon/hadoopdata</value>

     </property>

     <property>

          <name>dfs.replication</name>

          <value>1</value>

     </property>

</configuration>

3）将NameNode上完整的hadoop拷贝到DataNode上，可先将其进行压缩后直接scp过去或是用盘拷贝过去

4） 配置NameNode上的conf/masters和conf/slaves

masters:192.168.0.4

slaves:192.168.0.17

192.168.0.6

7 运行hadoop

1）格式化文件系统

[garon@hzau01 bin]$ hdfs namenode -format

注意：格式化时要防止NameNode的namespace ID与DataNode的namespace ID的不一致，因为每格式化一次会产生Name、Data、tmp等临时文件记录信息，多次格式化会产生很多，会导致ID的不同，造成hadoop不能运行

2）启动hadoop

[garon@hzau01 bin]$ start-dfs.sh

[garon@hzau01 bin]$ start-mapred.sh

3）用jps命令查看进程，NameNode上的结果如下：

5334 JobTracker

5215 SecondaryNameNode

5449 Jps

5001 NameNode

4）查看集群状态

[garon@hzau01 bin]$ hdfs dfsadmin -report

确保运行的DataNode个数是正确的，我的是2个，这样可以查看哪个DataNode没有运行

8 运行Wordcount.java程序

1）先在本地磁盘上建立两个文件f1和f2

[garon@hzau01 bin]$ echo ”Hello world Bye world" > ~/input/f1

[garon@hzau01 bin]$ echo ”hello hadoop bye hadoop” > ~/input/f2

2）在hdfs上建立一个input目录

[garon@hzau01 bin]$ hadoop fs -mkdir /tmp/input

3）将f1和f2拷贝到hdfs的input目录下

[garon@hzau01 bin]$ hadoop fs -put /home/garon/input /tmp

4）查看hdfs上有没有f1,f2

[garon@hzau01 bin]$ hadoop fs -ls /tmp/input

5)执行wordcount（确保hdfs上没有output目录）

[garon@hzau01 bin]$ hadoop jar ../hadoop-mapred-examples-0.21.0.jar wordcount /tmp/input /output

6）运行完成，查看结果

       [garon@hzau01 bin]$ hadoop fs -cat /output/part-r-00000

       Bye        1

       Hello        1

       bye        1

       hadoop   2

       hello        1

       world 2