Ubuntu12.04 64bit搭建Hadoop-2.2.0

栏目：互联网时间：2014-10-12 10:51:36

一、准备工作：

集群安装ubuntu12.04 64bit系统,配置各结点IP地址
开启ssh服务，方便以后远程登录，命令sudo apt-get install openssh-server(无需重启)
使用命令：ssh hadoop@192.168.0.125测试服务连接是否正常
设置无密钥登录：
- 修改主机名：sudo vim /etc/hostname将各主机设置成相应的名字，如mcmaster、node1、node2...
- 修改/etc/hosts文件:sudo vim /etc/hosts，建立master和各结点之间的ip和hostname映射关系：
  127.0.0.1 localhost 192.168.0.125 master 192.168.0.126 node2 192.168.0.127 node3
- 打通各主机之间的无密钥登录(该操作在每个结点上都要进行)：
  - 进入当前用户目录中的.ssh文件夹:cd ~/.ssh
  - ssh-keygen -t rsa之后一路回车(产生密钥)
  - 将id_rsa.pub追加到授权的key中去：cat id_rsa.pub >> authorized_keys
  - 重启ssh服务使其生效：service ssh restart
设置远程无密码登录：由于有node2~node3多个子节点，所以需要将master的公钥添加到各结点的authorized_keys中去，以实现master到各slave的无密钥登录。

进入master的.ssh目录，执行scp authorized_keys hadoop@node2:~/.ssh/authorized_keysmc_from_master
进入node2的.ssh目录，执行cat authorized_keys_from_master >> authorized_keys
至此，可以在master上执行ssh node2进行无密码登录了，其他结点操作相同
安装jdk,这里需要手动下载sun的jdk,不使用源中的openJDK.由于使用的是64bit ubuntu，所以需要下载64bit的jdkhttp://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html
- 将jdk解压到文件夹/usr/lib/jvm/jdk1.7.0
- 打开/etc/profile,追加如下信息：
  
  export JAVA_HOME=/usr/lib/jvm/jdk1.7.0 export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/lib export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
- 执行命令source /etc/profile使环境变量生效
- 每个结点均如此设置，使用java -version进行验证
关闭防火墙：ubuntu系统的iptables默认是关闭的，可通过命令sudo ufw status查看防火墙状态
编译hadoop-2.2.0 64bit.由于apache官网提供的hadoop可执行文件是32bit对于64bit的按照文件则需要用户手动编译生成。
- 这些库和包在编译过程中都会用到，缺少的话会影响编译，因此首先从源里将它们直接装上
  
  sudo apt-get install g++ autoconf automake libtool cmake zlib1g-dev pkg-config libssl-dev
- 另外还需要使用最新的2.5.0版本的protobuf:https://code.google.com/p/protobuf/downloads/list,解压，依次执行如下命令安装
  
  $ ./configure --prefix=/usr $ sudo make $ sudo make check $ sudo make install
  
  执行如下命令检查一下版本：
  
  $ protoc --version libprotoc 2.5.0
- 安装配置maven:直接使用apt-get从源中安装 sudo apt-get install maven
- 编译hadoop-2.2.0：进入如下页面下载hadoop-2.2.0源代码http://apache.fayea.com/apache-mirror/hadoop/common/hadoop-2.2.0/
  
  解压到用户目录/home/hadoop/Downloads/ 进入hadoop-2.2.0执行编译：
  
  $ tar -vxzf hadoop-2.2.0-src.tar.gz $ cd hadoop-2.2.0-src $ mvn package -Pdist,native -DskipTests -Dtar
  
  编译过程中maven会自动解决依赖，编译完成后，系统会提示一下信息：
  
  [INFO] BUILD SUCCESS [INFO] ------------------------------------------------ [INFO] Total time: 15:39.705s [INFO] Finished at: Fri Nov 01 14:36:17 CST 2013 [INFO] Final Memory: 135M/422M
  
  然后在以下目录中可以获取编译完成的libhadoop:
  
  hadoop-2.2.0-src/hadoop-dist/target/hadoop-2.2.0
  
  出现问题：
  
  [ERROR] COMPILATION ERROR : [INFO] ------------------------------------------------------------- [ERROR] /home/hduser/code/hadoop-2.2.0-src/hadoop-common-project/hadoopauth/src/test/java/org/apache/hadoop/security/authentication/client/AuthenticatorTestCase.java:[88 ,11] error: cannot access AbstractLifeCycle [ERROR] class file for org.mortbay.component.AbstractLifeCycle not found /home/hduser/code/hadoop-2.2.0-src/hadoop-common-project/hadoopauth/src/test/java/org/apache/hadoop/security/authentication/client/AuthenticatorTestCase.java:[96 ,29] error: cannot access LifeCycle [ERROR] class file for org.mortbay.component.LifeCycle not found
  
  解决方案：需要编辑hadoop-common-project/hadoop-auth/pom.xml文件，添加以下依赖：
  
  <dependency> <groupId>org.mortbay.jetty</groupId> <artifactId>jetty-util</artifactId> <scope>test</scope> </dependency>
  
  再次执行命令编译即可。

二、安装配置hadoop-2.2.0

在mcmaster上建立Cloud文件夹，并将hadoop-2.2.0拷贝到该文件夹下

$ cd ~ $ mkdir Cloud $ cp ....
编辑~/.bashrc文件，加入如下内容：

export HADOOP_PREFIX="/home/hadoop/Cloud/hadoop-2.2.0" export PATH=$PATH:$HADOOP_PREFIX/bin export PATH=$PATH:$HADOOP_PREFIX/sbin export HADOOP_MAPRED_HOME=${HADOOP_PREFIX} export HADOOP_COMMON_HOME=${HADOOP_PREFIX} export HADOOP_HDFS_HOME=${HADOOP_PREFIX} export YARN_HOME=${HADOOP_PREFIX}

保存退出，然后source ~/.bashrc，使之生效
需要修改如下文件：
core-site.xml: hadoop core的配置项，例如hdfs和mapreduce常用的I/O设置等
mapred-site.xml: mapreduce守护进程的配置项，包括jobtracker和tasktracker
hdfs-site.xml: hdfs守护进程配置项
yarn-site.xml: yarn守护进程配置项
masters: 记录运行辅助namenode的机器列表
slaves: 记录运行datanode和tasktracker的机器列表
在hadoop-2.2.0/etc/hadoop目录中依次编辑如上所述的配置文件，若未找到mapred-site.xml文件，可自行创建，其中core-site.xml、mapred-site.xml、hdfs-site.xml、yarn-site.xml为配置文件:
core-site.xml:

<configuration> <property> <name>io.native.lib.avaliable</name> <value>true</value> </property> <property> <name>fs.default.name</name> <value>hdfs://mcmaster:9000</value> <final>true</final> </property> <property> <name>hadoop.tmp.dir</name> <value>/home/hadoop/Cloud/workspace/tmp</value> </property> </configuration>

hdfs-site.xml:

<configuration> <property> <name>dfs.replication</name> <value>3</value> </property> <property> <name>dfs.permissions</name> <value>false</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>/home/hadoop/Cloud/workspace/hdfs/data</value> <final>true</final> </property> <property> <name>dfs.namenode.dir</name> <value>/home/hadoop/Cloud/workspace/hdfs/name</value> </property> <property> <name>dfs.datanode.dir</name> <value>/home/hadoop/Cloud/workspace/hdfs/data</value> </property> <property> <name>dfs.webhdfs.enabled</name> <value>true</value> </property> </configuration>

mapred-site.xml:

<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.job.tracker</name> <value>hdfs://mcmaster:9001</value> <final>true</final> </property> <property> <name>mapreduce.map.memory.mb</name> <value>1536</value> </property> <property> <name>mapreduce.map.java.opts</name> <value>-Xmx1024M</value> </property> <property> <name>mapreduce.reduce.memory.mb</name> <value>3072</value> </property> <property> <name>mapreduce.reduce.java.opts</name> <value>-Xmx2560M</value> </property> <property> <name>mapreduce.task.io.sort.mb</name> <value>512</value> </property> <property> <name>mapreduce.task.io.sort.factor</name> <value>100</value> </property> <property> <name>mapreduce.reduce.shuffle.parallelcopies</name> <value>50</value> </property> <property> <name>mapreduce.system.dir</name> <value>/home/hadoop/Cloud/workspace/mapred/system</value> <final>true</final> </property> <property> <name>mapreduce.local.dir</name> <value>/home/hadoop/Cloud/workspace/mapred/local</value> <final>true</final> </property> </configuration>

yarn-site.xml:

<configuration> <property> <name>yarn.resourcemanager.address</name> <value>mcmaster:8080</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>mcmaster:8081</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>mcmaster:8082</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> <value>org.apache.hadoop.mapred.ShuffleHandler</value> </property> </configuration>

slaves:

node2 node3

在hadoop-2.2.0/etc/hadoop目录下的hadoop-env.sh中添加如下内容，另外在yarn-env.sh中填充相同的内容：

export HADOOP_PREFIX=/home/hadoop/Cloud/hadoop-2.2.0 export HADOOP_COMMON_HOME=${HADOOP_PREFIX} export HADOOP_HDFS_HOME=${HADOOP_PREFIX} export PATH=$PATH:$HADOOP_PREFIX/bin export PATH=$PATH:$HADOOP_PREFIX/sbin export HADOOP_MAPRED_HOME=${HADOOP_PREFIX} export YARN_HOME=${HADOOP_PREFIX} export HADOOP_CONF_HOME=${HADOOP_PREFIX}/etc/hadoop export YARN_CONF_DIR=${HADOOP_PREFIX}/etc/hadoop export JAVA_HOME=/usr/lib/jvm/jdk1.7.0
将配置完成的hadoop分发到各结点：

$ scp ~/Cloud/hadoop-2.2.0 node2:~/Cloud/ $ ...
进入mcmaster的hadoop根目录下，格式化namenode,随后启动集群：

$ cd hadoop-2.2.0 $ bin/hdfs namenode -format $ sbin/start-all.sh

可以使用jps命令产看守护进程是否启动
登录192.168.0.1258088可产看资源管理页面

三、运行实例测试程序

WordCount是最简单的mapreduce测试程序，该程序的完整代码可以在hadoop安装包的"src/examples"目录下找到，测试步骤如下：

创建本地示例文件
在/home/hadoop/Downloads/下创建两个示例文件test1.txt和test2.txt

$ cd ~/Downloads $ echo "hello hadoop" > test1.txt $ echo "hello world" > test2.txt
在HDFS上创建输入文件夹

hadoop fs -mkdir /input
上传本地文件到集群的input目录

hadoop fs -put test1.txt /input hadoop fs -put test2.txt /input
运行WordCount
hadoop jar ~/Cloud/hadoop-2.2.0/share/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /input /output
如果配置正确的话，会在/output下输出part-r-00000文件，该文件中保存这次执行的输出结果
注意：此处的输出文件夹 /output必须在执行前不存在

------分隔线----------------------------

上一篇 许鹏：从零开始学习，Apache Spark源码走读（一）

下一篇 腾讯云陈晓建：用技术实现公有云服务

------分隔线----------------------------