Ubuntu hadoop 集群搭建
一. 搭建环境前的准备：
我的本机Ubuntu 12.04 32bit作为maser，就是上篇hadoop单机版环境搭建时用的那台机子，
还在KVM中虚拟了4台机子，分别起名为：
son-1 (ubuntu 12.04 32bit)，
son-2 (ubuntu 12.04 32bit)，
son-3 (centOS 6.2 32bit)，
son-4 (redhat 6.0 32bit).
kvm的搭建详见：http://www.db89.org/post/2012-05-25/kvmxuniji
kvm的桥接设置详见：http://www.db89.org/post/2012-05-27/kvmnetset
Ubuntu12.04搭建hadoop单机版环境详见：http://www.db89.org/post/2012-06-03/hadoopdanjihuanjing
下来修改本机的host文件，
| sudo gedit /etc/hosts |
在后面添加内容为：
| 192.168.200.150 master 192.168.200.151 son-1 192.168.200.152 son-2 192.168.200.153 son-3 192.168.200.154 son-4 |
现在开始我们的打建之旅吧。
二 . 为本机(master)和子节点(son..)分别创建hadoop用户和用户组，其实ubuntu和centos下创建用户还多少还是有点区别的。
ubuntu下创建：
先创建hadoop用户组：
| sudo addgroup hadoop |
然后创建hadoop用户：
| sudo adduser -ingroup hadoop hadoop |
centos 和 redhat 下创建：
| sudo adduser hadoop |
注：在centos 和 redhat下直接创建用户就行，会自动生成相关的用户组和相关文件，而ubuntu下直接创建用户，创建的用户没有家目录。
给hadoop用户添加权限，打开/etc/sudoers文件；
| sudo gedit /etc/sudoers |
按回车键后就会打开/etc/sudoers文件了，给hadoop用户赋予root用户同样的权限。
在root ALL=(ALL:ALL) ALL下添加hadoop ALL=(ALL:ALL) ALL，
| hadoop ALL=(ALL:ALL) ALL |
三. 为本机(master)和子节点(son..)安装JDK环境。
ubuntu下一条命令即可：
| sudo apt-get install openjdk-6-jre |
centos和redhat建议下载源码安装。
详见：http://www.db89.org/post/2012-07-02/centosjava
四. 修改 本机(master)和子节点(son..)机器名
打开/etc/hostname文件；
| sudo gedit /etc/hostname |
分别修改为：master son-1 son-2 son-3 son-4。这样有利于管理和记忆！
五. 本机(master)和子节点(son..)安装ssh服务
主要为ubuntu安装，cents和redhat系统自带。
ubuntu下：
| sudo apt-get install ssh openssh-server |
这时假设您已经安装好了ssh，您就可以进行第六步了哦~
六. 先为建立ssh无密码登录环境
做这一步之前首先建议所有的机子全部转换为hadoop用户，以防出现权限问题的干扰。
切换的命令为：
| su - hadoop |
ssh生成密钥有rsa和dsa两种生成方式，默认情况下采用rsa方式。
1. 创建ssh-key，，这里我们采用rsa方式；
| ssh-keygen -t rsa -P "" |
（注：回车后会在~/.ssh/下生成两个文件：id_rsa和id_rsa.pub这两个文件是成对出现的）
2. 进入~/.ssh/目录下，将id_rsa.pub追加到authorized_keys授权文件中，开始是没有authorized_keys文件的；
| cd ~/.ssh cat id_rsa.pub >> authorized_keys |
七. 为本机mater安装hadoop
我们采用的hadoop版本是：hadoop-0.20.203（http://www.apache.org/dyn/closer.cgi/hadoop/common/ ），因为该版本比较稳定。
1. 假设hadoop-0.20.203.tar.gz在桌面，将它复制到安装目录 /usr/local/下；
| sudo cp hadoop-0.20.203.0rc1.tar.gz /usr/local/ |
2. 解压hadoop-0.20.203.tar.gz；
| cd /usr/local sudo tar -zxf hadoop-0.20.203.0rc1.tar.gz |
3. 将解压出的文件夹改名为hadoop；
| sudo mv hadoop-0.20.203.0 hadoop |
4. 将该hadoop文件夹的属主用户设为hadoop，
| sudo chown -R hadoop:hadoop hadoop |
5. 打开hadoop/conf/hadoop-env.sh文件；
| sudo gedit hadoop/conf/hadoop-env.sh |
6. 配置conf/hadoop-env.sh（找到#export JAVA_HOME=...,去掉#，然后加上本机jdk的路径）；
| export JAVA_HOME=/usr/lib/jvm/java-6-openjdk |
7. 打开conf/core-site.xml文件；
| sudo gedit hadoop/conf/core-site.xml |
编辑如下：
- <?xml version="1.0"?>
- <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
- <!-- Put site-specific property overrides in this file. -->
- <configuration>
- <property>
- <name>fs.default.name</name>
- <value>hdfs://master:9000</value>
- </property>
- </configuration>
8. 打开conf/mapred-site.xml文件；
| sudo gedit hadoop/conf/mapred-site.xml |
编辑如下：
- <?xml version="1.0"?>
- <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
- <!-- Put site-specific property overrides in this file. -->
- <configuration>
- <property>
- <name>mapred.job.tracker</name>
- <value>master:9001</value>
- </property>
- </configuration>
9. 打开conf/hdfs-site.xml文件；
| sudo gedit hadoop/conf/hdfs-site.xml |
编辑如下：
- <configuration>
- <property>
- <name>dfs.name.dir</name>
- <value>/usr/local/hadoop/datalog1,/usr/local/hadoop/datalog2</value>
- </property>
- <property>
- <name>dfs.data.dir</name>
- <value>/usr/local/hadoop/data1,/usr/local/hadoop/data2</value>
- </property>
- <property>
- <name>dfs.replication</name>
- <value>2</value>
- </property>
- </configuration>
10. 打开conf/masters文件，添加作为secondarynamenode的主机名，这里需填写 master 就Ok了。
| sudo gedit hadoop/conf/masters |
11. 打开conf/slaves文件，添加作为slave的主机名，一行一个。
| sudo gedit hadoop/conf/slaves |
这里填成下列的内容 ：
- son-1
- son-2
- son-3
- son-4
八. 要将master机器上的文件一一复制到datanode机器上(son-1，son-2，son-3，son-4都要复制)：（这里以son-1为例子）
1. 公钥的复制
| scp ~/.ssh/id_rsa.pub hadoop@son-1:~/.ssh/ |
2. hosts文件的复制
| scp /etc/hosts hadoop@son-1:/etc/hosts |
注：这里如果不能复制，就先将文件复制到/home/hadoop下面，即为：
| /home/hadoophadoop@son-1: scp /etc/hosts |
再在datanode机器上将其移到相同的路径下面/etc/hosts .
3. hadoop文件夹的复制，其中的配置也就一起复制过来了！
| scp -r /usr/local/hadoop hadoop@son-1:/usr/local |
如果不能移动的话和上面的方法一样！
并且要将所有节点的hadoop的目录的权限进行如下的修改：
| sudo chown -R hadoop:hadoop hadoop |
这些东西都复制完了之后，datanode机器还要将复制过来的公钥追加到收信任列表：
在每个子节点的自己种都要操作。
| cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys |
还有很重要的一点，子节点datanode机器要把复制过来的hadoop里面的data1,data2和logs删除掉!
还有要修改centos节点（son-3）和redhat节点（son-4）的java的环境变量地址，
配置centos节点（son-3）和redhat节点（son-4）的/usr/local/hadoop/conf/hadoop-env.sh（找到#export JAVA_HOME=...,去掉#，然后加上本机jdk的路径）;这个环境不一，自己配置一下。
这样环境已经基本搭建好了，现在开始测试一下。
九. 这样之后基本上就差不多了，首先进入master的hadoop目录。
| cd /usr/local/hadoop |
首先可以做一下负载平衡，我担心这个加上会有点乱，但是没有这部分不影响运行，想了解的给我留言！
启动datanode和tasktracker:
- bin/start-dfs.sh
- bin/hadoop-daemon.sh start datanode
- bin/hadoop-daemon.sh start tasktracker
启动全部服务直接一条命令：
| bin/start-all.sh |
查看自己的datanode是否启动.
| jps |
当jps不能正常使用的时候：
| resource /etc/profile |
连接时可以在namenode上查看连接情况：
bin/hadoop dfsadmin -report