centos 6.5中安装hadoop2.2

1.配置集群机器之间ssh免密码登录

(1)

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa

将id_dsa.pub 公钥 加入授权的key中去

这条命令的功能是把公钥加到用于认证的公钥文件中，这里的authorized_keys 是用于认证的公钥文件 

(2)

cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

(3)

这样就把登陆本机的密钥加入公钥之中，以后登陆本机就无需输入密码了，但是集群之间还是不能免密码登陆，我们还要把集群之中其他机器登陆的密钥文件id_dsa.pub加入authorized_keys之中。

我们集群的组成是3台机器，分别是master，slave1，slave2，我们在3台主机上执行上述命令，这样集群中每台主机都生成了id_dsa.pub文件，我们将slave1与slave2主机的id_dsa.pub文件内容都加入master主机的authorized_keys文件中，处理之后，master主机的authorized_keys文件就像这样：

ssh-dss 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 root@master

ssh-dss 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 root@slave1
ssh-dss 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 root@slave2

然后将master主机处理之后的authorized_keys文件覆盖slave1和slave2主机~/.ssh/ 目录下的authorized_keys文件，这样集群内部各主机都实现了免密码登陆。重启电脑，我们任意选择一个主机，分别ssh 其他两台主机，如果能够不输入密码就能直接登陆，那么就配置成功了。

2.配置hadoop中的一些配置文件

解压 hadoop安装文件至/cloud目录下，如下：

（1）编辑配置文件hadoop-env.sh 指定JAVA_HOME的目录

首先查看一下JAVA_HOME的地址 ：

echo $JAVA_HOME

可以知道JAVA_HOME的地址如下：

/usr/lib/jvm/java-1.7.0-openjdk.x86_64

vi /cloud/hadoop-2.2/etc/hadoop/hadoop-env.sh

（2）配置文件core-site.xml,添加以下内容：

vi /cloud/hadoop-2.2/etc/hadoop/core-site.xml

 

<configuration>

    <property>  

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

        <value>hdfs://master:9000</value>  

    </property>

    <property>  

          <name>dfs.replication</name>  

          <value>3</value>  

        </property>

  <property>

    <name>hadoop.tmp.dir</name>

    <value>/cloud/hadoopData</value>

  </property>

</configuration>

 

①设置hdfs的访问地址是hdfs://110.64.76.130:9000，②临时文件的存放地址是/cloud/hadoopData，要注意创建此目录

（3）配置文件hdfs-site.xml

vi /cloud/hadoop-2.2/etc/hadoop/hdfs-site.xml

添加以下内容：

<configuration>

<property>  

   <name>dfs.replication</name>  

   <value>2</value>  

 </property>  

 

 <property>  

   <name>dfs.namenode.name.dir</name>  

   <value>/cloud/hadoopData/name</value>  

 </property>  

 

 

 <property>  

   <name>dfs.datanode.data.dir</name>  

   <value>/cloud/hadoopData/data</value>  

 </property>  

 

</configuration>

 （4）配置文件yarn-site.xml

vi /cloud/hadoop-2.2/etc/hadoop/yarn-site.xml

添加以下内容：

<?xml version="1.0"?>

 

<configuration>

<property>

    <name>yarn.resourcemanager.resource-tracker.address</name>

    <value>master:8031</value>

    <description>host is the hostname of the resource manager and

    port is the port on which the NodeManagers contact the Resource Manager.

    </description>

  </property>

 

  <property>

    <name>yarn.resourcemanager.scheduler.address</name>

    <value>master:8030</value>

    <description>host is the hostname of the resourcemanager and port is the port

    on which the Applications in the cluster talk to the Resource Manager.

    </description>

  </property>

 

  <property>

    <name>yarn.resourcemanager.scheduler.class</name>

    <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>

    <description>In case you do not want to use the default scheduler</description>

  </property>

 

  <property>

    <name>yarn.resourcemanager.address</name>

    <value>master:8032</value>

    <description>the host is the hostname of the ResourceManager and the port is the port on

    which the clients can talk to the Resource Manager. </description>

  </property>

 

  <property>

    <name>yarn.nodemanager.address</name>

    <value>0.0.0.0:8034</value>

    <description>the nodemanagers bind to this port</description>

  </property>

 

  <property>

    <name>yarn.nodemanager.resource.memory-mb</name>

    <value>10240</value>

    <description>the amount of memory on the NodeManager in GB</description>

  </property>

  <property>

    <name>yarn.nodemanager.aux-services</name>

    <value>mapreduce_shuffle</value>

    <description>shuffle service that needs to be set for Map Reduce to run </description>

  </property>

</configuration>

 

(5)配置文件 slaves

 修改成以下内容：

slave1

slave2

 

3.将hadoop添加到环境变量

在/etc/profile文件中添加以下内容，并且更新系统配置。

export HADOOP_HOME=/cloud/hadoop-2.2

expoer PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

执行下述命令，使环境变量设置生效

source /etc/profile

 

4.将hadoop安装配置文件复制分发到集群的其他主机上

cd /cloud

scp -r hadoop-2.2 root@slave1:/cloud

scp -r hadoopData root@slave1:/cloud

 

scp -r hadoop-2.2 root@slave2:/cloud

scp -r hadoopData root@slave2:/cloud

5.格式化hdfs文件系统

以下操作在master主机上进行

cd /cloud/bin

hdfs namenode -format 

（只需运行一次）

6. 启动每个hadoop节点上的hadoop服务

cd /cloud/hadoop-2.2/sbin

master:

./start-dfs.sh

./start-yarn.sh

slave1与slave2:

在Hadoop 2.x中，MapReduce Job不需要额外的daemo

n进程，在Job开始的时候，NodeManager会启动一个MapReduce Application Master（相当与一个精简的JobTracker），Job结束的时候自动被关闭。

所以无需在slave1和slave2执行命令来启动节点。

 

7.测试hadoop 集群

可以用浏览器打开NameNode, ResourceManager和各个NodeManager的web界面，

    - NameNode web UI, http://master:50070/

    - ResourceManager web UI, http://master:8088/

    - NodeManager web UI, http://slave01:8042

 

 

还可以启动JobHistory Server，能够通过Web页面查看集群的历史Job，执行如下命令：

mr-jobhistory-daemon.sh start historyserver

默认使用19888端口，通过访问http://master:19888/查看历史信息。

终止JobHistory Server，执行如下命令：

mr-jobhistory-daemon.sh stop historyserver

9.运行wordcount示例程序

hdfs dfs -mkdir /user

hdfs dfs -mkdir /user/root    用于创建用户文件夹，以后如果不指明路径，默认存储在用户目录下

hdfs dfs -put ./test.txt input  将本地目录中的test.txt 文件复制到用户路劲下作为input文件

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount input output

hdfs dfs -cat output/*

10.停止运行hadoop集群

在master上执行：

cd /cloud/hadoop-2.2/sbin

./stop-yarn.sh

./stop-dfs.sh