【转】Hadoop HDFS分布式环境搭建

原文地址  http://blog.sina.com.cn/s/blog_7060fb5a0101cson.html

Hadoop HDFS分布式环境搭建

最近选择给大家介绍Hadoop HDFS系统，因此研究了一下如何在Linux 下配置一个HDFS Clust。小记一下，以备将来进一步研究和记忆。

HDFS简介

全称 Hadoop Distributed File System, Hadoop分布式文件系统。 根据Google的GFS论文，由Doug Cutting使用JAVA开发的开源项目。HDFS是Hadoop项目的一部分。为Hadoop提供底层的数据存储，满足上次各种实际应用使用（如Map/Reduce）。HDFS是典型的的Master/Slave集群架构，由一个NameNode和多个DateNode组成，NameName只能有一个，扮演Master角色，负责对具体的存储块的元数据进行保存，比如控制某个存储块具体保存在哪个DataNode上；DataNode可以为多个，扮演着Slave的角色，负责对具体的存储块进行保存，一个相同的存储块根据配置可以保存到多个DataNode上，以保持数据的高可用性。

环境介绍

三台主机，一台NameNode, 2台DataNode

Role	IP	Host	Type	Version
NameNode	10.34.64.222	NC-VM-PL-DEV-26	Master	CentOS 6.4
DataNode	10.34.64.223	NC-VM-PL-DEV-27	Slave	CentOS 6.4
DataNode	10.34.64.224	NC-VM-PL-DEV-28	Slave	CentOS 6.4

配置流程

原则：三台机器的配置保持一致就可以，下面具体描述NameNode主机的过程

1.       安装JDK1.6 （略）

2.       创建HDFS账号，最好这样，便于管理

[root@NC-VM-PL-DEV-26 ~]# useradd hdfs

[root@NC-VM-PL-DEV-26 ~]# passwd hdfs

3.       配置免密码的SSH访问机制

通常Centos系统都默认安装SSH, 如果没有安装，请单独安装，yum install ssh

a)         切换至hdfs登录.

b)         [hdfs@NC-VM-PL-DEV-26 ~]$ cd ~

c)         [hdfs@NC-VM-PL-DEV-26 ~]$ ls -a

d)         [hdfs@NC-VM-PL-DEV-26 ~]$ cd .ssh

e)         [hdfs@NC-VM-PL-DEV-26 ~]$ ssh-keygen –t rsa

f)          [hdfs@NC-VM-PL-DEV-26 ~]$ cat id_rsa.pub > authorized_keys

g)         至此可以测试一下ssh 本机IP是否需要密码，如果成功，说明本机配置成功。

h)         然后将authorized_keys文件复制到所有DataNode节点，[hdfs@NC-VM-PL-DEV-26 ~]$ scp authorized_keys hdfs@10.34.64.223:/home/hdfs/.ssh

i)           给另一个DataNode节点相同的操作，至此免密码登录配置完毕，可以通过本机ssh 各个节点IP来测试是否需要密码登录

4.       下载Hadoop软件包，官方下载地址

a)        http://mirrors.cnnic.cn/apache/hadoop/common/stable/

b)        http://hadoop.apache.org/releases.html#Download

切换至hdfs账号，解压至/home/hdfs/hadoop

[hdfs@NC-VM-PL-DEV-26 ~]$ tar zxf hadoop-2.2.0.tar.gz

[hdfs@NC-VM-PL-DEV-26 ~]$ mv hadoop-2.2.0  hadoop

5.       配置环境变量

a)         [hdfs@NC-VM-PL-DEV-26 ~]$ vim ~/.bash_profile

b)         HADOOP_HOME=/home/hdfs/hadoop

export HADOOP_HOME

export  JRE_HOME=$JAVA_HOME/jre

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

export  PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH:$HADOOP_HOME/bin

6.       在NameNode上修改hadoop配置文件

主要修改/home/hdfs/hadoop/etc/hadoop/目录下的配置文件

Hadoop-env.sh:         Hadoop环境变量设置

Core-site.xml:            NameNode  IP和端口设置

Hdfs-site.xml:            HDFS数据块副本等参数设置

Mapred-site.xml:      MapReduce 完成JobTracker  IP和端口设置

Slaves:                          完成datanode节点IP设置

6.1 配置core-site.xml

    fs.default.name

    hdfs://10.34.64.222:9000/

6.2 配置 hdfs-site.xml

     dfs.name.dir

     /home/hdfs/hadoop-2.2.0/data/dfs.name.dir

     dfs.data.dir

     /home/hdfs/hadoop-2.2.0/data/dfs.data.dir

     dfs.permissions

     false

    dfs.replication

    2

6.3 配置 mapred-site.xml

     mapred.job.tracker

     Master:9001

6.4 配置 hadoop-env.sh

           将JAVA_HOME的值修改为真实有效的地址，如果不知道，请执行echo $JAVA_HOME 查看。export JAVA_HOME=/usr/java/jdk1.6.0_27

6.5 配置 slaves

NC-VM-PL-DEV-27

NC-VM-PL-DEV-28

7.       复制hadoop系统到所有DataNode节点

将主NameNode节点安装好的Hadoop系统目录复制到每一个从DataNode节点上.

[hdfs@NC-VM-PL-DEV-26 hadoop]$ scp –r /home/hdfs/hadoop 10.34.64.223: /home/hdfs/hadoop

[hdfs@NC-VM-PL-DEV-26 hadoop]$ scp –r /home/hdfs/hadoop 10.34.64.224: /home/hdfs/hadoop

8.       在每一个主机上修改Hosts文件，以便于主机名和IP地址解析

修改每台机器上的/etc/hosts文件

a)         如果是NameNode，需要在hosts文件中添加集群中所有节点的IP地址及对应的主机名。示例：

10.34.64.224 NC-VM-PL-DEV-28

10.34.64.223 NC-VM-PL-DEV-27

10.34.64.222 NC-VM-PL-DEV-26

b) 如果是DataNode，只需要在文件中添加本机和NameNode的Ip地址和主机名。

为了方便都填上也挺好。

9.       格式化NameNode

执行如下命令做格式化操作，每次如果有修改conf，最好做一次格式化命令

[hdfs@NC-VM-PL-DEV-26 ~]$ hadoop namenode –format

         如果格式化成功，会返回一堆有关NameNode的启动信息，其中会有一句“…. has been successfully formatted.”

10.   启动HDFS

[hdfs@NC-VM-PL-DEV-26 ~]$./home/hdfs/hadoop/bin/start-dfs.sh

如果启动遇到问题，请对NameNode或DataNode的日志进行查看，路径为/home/hdfs/hadoop/logs，看看是否有Exception抛出。

11.   简单对HDFS进行试用

[hdfs@NC-VM-PL-DEV-26 ~]$ hadoop fs –mkdir /newdir

[hdfs@NC-VM-PL-DEV-26 ~]$ hadoop fs –ls

用jps命令检查一下是否正常启动：

[hdfs@NC-VM-PL-DEV-26 ~]$ jps

9193 SecondaryNameNode

8914 NameNode

9615 Jps

         查看集群状态

         [hdfs@NC-VM-PL-DEV-26 ~]$ hadoop dfsadmin -report

DEPRECATED: Use of this script to execute hdfs command is deprecated.

Instead use the hdfs command for it.

13/12/04 15:46:20 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable

Configured Capacity: 0 (0 B)

Present Capacity: 0 (0 B)

DFS Remaining: 0 (0 B)

DFS Used: 0 (0 B)

DFS Used%: NaN%

Under replicated blocks: 0

Blocks with corrupt replicas: 0

Missing blocks: 0

-------------------------------------------------

Datanodes available: 0 (0 total, 0 dead)

浏览器方式：在WEB页面下查看Hadoop工作情况

输入部署Hadoop服务器的IP：http://IP:50070；http://IP:50030.