《Hadoop实战》第二章 Hadoop的安装与配置
Hadoop安装与配置:
Hadoop是为了在Linux平台上使用而开发的,但是在一些主流的操作系统如UNIX、Windows甚至Mac OS X系统上Hadoop也运行良好。不过,在Windows.上运行Hadoop稍显复杂,首先必须安装Cygwin来模拟Linux环境,然后才能安装Hadoop。
以下介绍在Linux、window上配置hadoop。
1. Linux上安装与配置hadoop
1.1安装JDK1.6
下面介绍安装JDK 1.6的具体步骤。
(1) 下载和安装JDK 1.5
确保可以连接到互联网,
从htp://www.oracle.com/technetwork/java/javase/downloads页面下载JDK 1.6安装包(文件名类似jdk-***-linux-i586.bin,不建议安装JDK 1.7版本, 因为并不是所有软件都支持1.7版本)到JDK安装目录(本章假设IDK安装目录均为/usr/lib/jvm/jdk)。
(2)手动安装JDK 1.6
在终端下进入JDK安装目录,并输入命令:
sudo chmod U+X jdk-.**- linux-i586. bin
修改完权限之后就可以进行安装了,在终端输入命令:
sudo-s./jdk-***-1inux- i586.bin
安装结束之后就可以开始配置环境变量了。
(3)配置环境变量输入命令:
sudo gedit /etc/profile
输入密码,打开profile 文件。在文件最下面输人如下内容:
#set Java Environment
export JAVA_ HCME=/usr/1ib/jvm/jdk
export CLASSPATH=". :$JAVA_ HOME/1 ib : $CLASSPATH"export PATH- ”$JAVA_ HOME/ : $PATH"
这一步的意义是配置环境变量,使系统可以找到JDK。
(4)验证JDK是否安装成功输人命令:
java -version
会出现如下JDK版本信息:
java version "1.6.0_22"
Java(TM) SB Runtime Environment (build 1.6.0_ 22-b04)
Java HotSpot (TM) Client VM (build 17.1-b03, mixed mode, shar ing)
如果出现上述JDK版本信息,说明当前安装的JDK并未设置成Ubuntu系统獸认的JDK,接下来还需要手动将安装的JDK设置成系统默认的JDK。
(5)手动设置系统默认JDK在终端依次输入命令:
sudo update- altermatives - install /usx/bin/java java /usr/lib/jvm/jdk/bin/java 300
sudo update-alternatives - install /usr/bin/javac javac /usr/1ib/jvm/jdk/bin/javac 300sudo update-alternatives -config java
接下来输入java -version就可以看到所安装的JDK的版本信息了。
1.2配置SSH免密码登录
同样以Ubuntu为例,假设用户名为u:
1)确认已经连接上互联网,然后输入命令:
sudo apt-get inatall sah
2)配置为可以免密码登录本机。首先查看在u用户下是否存在.ssh文件夹(注意ssh前面有“.”, 这是一个隐藏文件夹),输入命令:
1s一a /home/u
一-般来说,安装SSH时会自动在当前用户下创建这个隐藏文件夹,如果没有, 可以手动创建一个。
接下来,输入命令(注意下面命令中不是双引号,是两个单引号):
sah-keygen –t dsa –P’ ’-f ~/ .sah/id_ dsa
解释一下,ssh-keygen 代表生成密钥; -t (注意区分大小写)表示指定生成的密钥类型;
dsa是dsa密钥认证的意思,即密钥类型; P用于提供密语; -f 指定生成的密钥文件。
在Ubuntu中,~代表当前用户文件夹,此处即/home/u。
这个命令会在ssh文件夹下创建id_ dsa及id dsa.pub 两个文件,这是SSH的一对私钥和公钥,类似于钥匙和锁,把id_ dsa.pub ( 公钥)追加到授权的key中去。
输入命令:
cat -/ .ssh/id_ dsa.pub >> -/ .esh/ authorized keys
这条命令的功能是把公钥加到用于认证的公钥文件中,这里的authorized_ keys 是用于认证的公钥文件。
至此免密码登录本机已配置完毕。
3)验证SSH是否已安装成功,以及是否可以免密码登录本机。输入命令:
ssh -vereion.
显示结果:
OpenSSH_ 5. 8p1 Debian-7ubuntul, OpenSSL 1.0.0e 6 Sep 2011
Bad escape character ' rsion'.
显示SSH已经安装成功了。输入命令:
ssh localhost
会有如下显示:
The authenticity of host ' localhost (: :1)’can't be establ ished .
RSA key fingerprint is 8b:c3:51:a5:2a:31:b7: 74:06:9d:62:04:4f:84:fB:77.Are you sure you want to cont inue connecting (ye/no)? yea
Warning: Permanently added ! localhost' (RSA) ; to the list of known hosts ,
Linux master 2.6.31-14-generic #48-Ubuntu SMP Fri 0ct 16 14:04:26 UTC 2011 1686
To access official Ubuntu documentation, please visit:http:/ /help . ubuntu . com/
Last login: Sat Feb 18 17:12:40 2012 from masteradmi naHadoop:-$
这说明已经安装成功,第一次登录时会询问是否继续链接,输人yes即可进入。
实际,上,在Hadoop的安装过程中,是否免密码登录是无关紧要的,但是如果不配置免密码登录,每次启动Hadoop都需要输人密码以登录到每台机器的DataNode.上,考虑到一般的Hadoop集群动辄拥有数百或上千台机器,因此一般来说都会配置SSH的免密码登录。
1.3安装并运行Hadoop
介绍Hadoop的安装之前,
先介绍一下Hadoop对各个节点的角色定义。
Hadoop分别从三个角度将主机划分为两种角色。第一,最基本的划分为Master和Slave,即主人与奴隶:第二,从HDFS的角度,将主机划分为NameNode和DataNode (在分布式文件系统中,目录的管理很重要,管理目录相当于主人,而NameNode就是目录管理者);第三,从MapReduce的角度,将主机划分为JobTracker和TaskTracker (一个Job经常被划分为多个Task,从这个角度不难理解它们之间的关系)。
Hadoop有官方发行版与cloudera版,其中cloudera版是Hadoop的商用版本,这里先介绍Hadoop官方发行版的安装方法。
Hadoop有三种运行方式:单机模式、伪分布式与完全分布式。乍看之下,前两种方式并不能体现云计算的优势,但是它们便于程序的测试与调试,所以还是很有意义的。
你可以在以下地址获得Hadoop的官方发行版: htp://www.apache org/dyn/closer.cgi/
Hadoop/core/.
下载hadoop-1.0.1.tar.gz并将其解压,本书后续都默认将Hadoop解压到/home/u目录下。
(1)单机模式配置方式
安装单机模式的Hadoop无须配置,在这种方式下,Hadoop被认为是一个单独的Java进程,这种方式经常用来调试。
(2)伪分布式Hadoop配置
可以把伪分布式的Hadoop看做只有-一个节点的集群,在这个集群中,这个节点既是Master,也是Slave;既是NameNode,也是DataNode;既是JobTracker,也是TaskTracker.
伪分布式的配置过程也很简单,只需要修改几个文件。进入conf文件夹,修改配置文件。指定JDK的安装位置:
Hadoop- env. sh:
export JAVA_ HOME=/usr/1ib/jvm/jdk
这是Hadoop核心的配置文件,这里配置的是HDFS (Hadoop的分布式文件系统)的地址及端口号。
conf/core-site, xml ;<conf iguration>
<property>
<name>fs. default . name</name>
<value>hdfs://localhost :9000</value></property></configuration>
以下是Hadoop中HDFS的配置,配置的备分方式默认为3,在单机版的Hadop中,需将其改为1。
conf/hdfs-site . xml:
<conf iguration>
<property>
<name>dfs. replication< / name >
<value>1< /value>
</property></ configuration>
以下是Hadoop中MapReduce的配置文件,配置JobTracker 的地址及端口。
conf/mapred-site. xml:
<configuration>
<property>
<name >mapred. job. Tracker</name>
<cvalue>localhost: 9001</value></property>
</configuration>
接下来,在启动Hadoop前,需要格式化Hadoop的文件系统HDFS。进入Hadoop文件夹,输人命令:
bin/Hadoop NameNode - format
格式化文件系统,接下来启动Hadoop。输入命令,启动所有进程:
bin/etart-all. sh
最后,验证Hadoop是否安装成功。打开浏览器,分别输入网址:
http://localhost : 50030 (MapReduce 的web页面)http:/ /localhoat:50070 (HDFS 的Web页面)
如果都能查看,说明Hadoop已经安装成功。
对于Hadoop来说,启动所有进程是必须的,但是如果有必要,你依然可以只启动HDFS ( start-dfs.sh)或MapReduce ( start-mapred.sh)。
2.在window上安装与配置hadoop
2.1安装JDK1.6或更高版本
相对于Linux,JDK在Windows.上的安装过程更容易,你可以在htp://www.java.com/zh_ CN/download/manual.jsp下载到最新版本的JDK。这里再次申明,Hadoop的编译及MapReduce程序的运行,很多地方都需要使用JDK的相关工具,因此只安装JRE是不够的。
安装过程十分简单,运行安装程序即可, 程序会自动配置环境变量(在之前的版本中还没有这项功能,新版本的JDK已经可以自动配置环境变量了)。
2.2安装Cygiwn
Cygwin是在Windows平台下模拟UNIX环境的一个工具, 只有通过它才可以在Windows环境下安装Hadoop。可以通过下面的链接下载Cygwin: htp://www.cygwin.com/.
双击运行安装程序,选择install from internet。根据网络状况,选择合适的源下载程序。
2.3 配置环境变量
依次右击“我的电脑”,在弹出的快捷菜单中依次单击“属性”→“高级系统设置”→“环境变量”,修改环境变量里的path设置,在其后添加Cygwin的bin目录。
2.4 安装sshd服务
单击桌面上的Cygwin图标,启动Cygwin,执行ssh-host-config命令,当要求输入Yes/No时,选择输人No。当显示“Havefun”时,表示sshd服务安装成功。
2.5 启动sshd服务
在桌面上的“我的电脑”图标上右击,在弹出的快捷菜单中单击“管理”命令,启动CYGWIN sshd服务,或者直接在终端下输人下面的命令启动服务:
net start sshd
2.6 配置SSH免密码登录
执行ssh-keygen命令生成密钥文件。按如下命令生成authorized_ keys 文件:
d -/ .ssh/
:p id_ r8a. pub authorized_ keys
完成上述操作后,执行exit命令先退出Cygwin窗口,如果不执行这一步操作,后续的操作可能会遇到错误。
接下来,重新运行Cygwin,执行ssh localhost命令,在第-一次执行时会有提示,然后输人yes,直接回车即可。
2.7 配置SSH免密码登录
执行ssh-keygen命令生成密钥文件。按如下命令生成authorized_ keys 文件:
cd -/ .ssh/
cp id_ rsa. pub authorized_ keys
完成上述操作后,执行exit命令先退出Cygwin窗口,如果不执行这一步操作,后续的操作可能会遇到错误。
接下来,重新运行Cygwin,执行ssh localhost命令,在第一次执行时会有提示,然后输人yes,直接回车即可。
2.4安装并运行hadoop
在Windows.上安装Hadoop与在Linux.上安装的过程一样,这里就不再赘述了,不过有两点需要注意:
1)在配置conf/hadoop-evn.sh文件中Java的安装路径时,如果路径之间有空格, 需要将整个路径用双引号引起来。例如可以进行配置:
export JAVA_ HOME=" / cygdrive/ c/Program Files/Java/jdk1.6.0 _22"
其中cygdrive表示安装cygdrive 之后系统的根目录。
另外一种办法是在cygwin窗口使用类似下面的命令创建文件链接,使后面的文件指向Windows'下安装的JDK,然后将conf/hadoop-env.sh中JDK配置为此链接文件:
$ 1n-s /eygdrive/c/Program\ Files/Java/jdk1.6.0_ 22 /usx/local/jdk
2)在配置conf/mapred site.xml文件时,应增加对mapred.child.tmp属性的配置,配置的值应为一个Linux系统的绝对路径,如果不配置,Job 在运行时就会报错。具体配置为:
<property>
cname >mapred . child. tmp< / name>
<value>/ home/Administrator /hadoop-1.0.1/tmp</value></property>
同样需要在conf/core-site.xml文件中为hadoop.tmp.dir属性配置一个和mapred.child.tmp属性相似的绝对路径。