一、hadoop介紹及其環境介紹
1.1 Hadoop簡介
Hadoop是Apache軟件基金會旗下的一個開源分布式計算平臺。以Hadoop分布式文件系統（HDFS，Hadoop Distributed Filesystem）和MapReduce（Google MapReduce的開源實現）為核心的Hadoop為用戶提供了系統底層細節透明的分布式基礎架構。
對于Hadoop的集群來講，可以分成兩大類角色：Master和Salve。一個HDFS集群是由一個NameNode和若干個DataNode組成的。其中NameNode作為主服務器，管理文件系統的命名空間和客戶端對文件系統的訪問操作；集群中的DataNode管理存儲的數據。MapReduce框架是由一個單獨運行在主節點上的JobTracker和運行在每個集群從節點的TaskTracker共同組成的。主節點負責調度構成一個作業的所有任務，這些任務分布在不同的從節點上。主節點監控它們的執行情況，并且重新執行之前的失敗任務；從節點僅負責由主節點指派的任務。當一個Job被提交時，JobTracker接收到提交作業和配置信息之后，就會將配置信息等分發給從節點，同時調度任務并監控TaskTracker的執行。
從上面的介紹可以看出，HDFS和MapReduce共同組成了Hadoop分布式系統體系結構的核心。HDFS在集群上實現分布式文件系統，MapReduce在集群上實現了分布式計算和任務處理。HDFS在MapReduce任務處理過程中提供了文件操作和存儲等支持，MapReduce在HDFS的基礎上實現了任務的分發、跟蹤、執行等工作，并收集結果，二者相互作用，完成了Hadoop分布式集群的主要任務。
1.2 環境說明
集群中包括4個節點：1個Master，3個Salve，節點之間局域網連接，可以相互ping通。節點IP地址分布如下：
| role | hostname | ip | release |
|---|---|---|---|
| master | Master.Hadoop | 1.1.1.11 | centos6.5 |
| minion | Salve1.Hadoop | 1.1.1.12 | centos6.5 |
| minion | Salve2.Hadoop | 1.1.1.13 | centos6.5 |
| minion | Salve3.Hadoop | 1.1.1.14 | centos6.5 |
四個節點上均是CentOS6.5系統，并且有一個相同的用戶hadoop。Master機器主要配置NameNode和JobTracker的角色，負責總管分布式數據和分解任務的執行；3個Salve機器配置DataNode和TaskTracker的角色，負責分布式數據存儲以及任務的執行。其實應該還應該有1個Master機器，用來作為備用，以防止Master服務器宕機，還有一個備用馬上啟用。后續經驗積累一定階段后補上一臺備用Master機器。
1.3 網絡配置
下面的例子我們將以Master機器為例，即主機名為"Master.Hadoop"，IP為"192.168.1.2"進行一些主機名配置的相關操作。其他的Slave機器以此為依據進行修改。
1）修改當前機器名稱
修改/etc/sysconfig/network"文件修改其中"HOSTNAME"后面的值，改成我們規劃的名稱。
修改類似：HOSTNAME=Master.Hdoop、HOSTNAME=Slave1.Hadoop ...
2）配置hosts文件（必須）
> vim /etc/hosts
1.1.1.11 Master.Hadoop
1.1.1.12 Slave1.Hadoop
1.1.1.13 Slave2.Hadoop
1.1.1.14 Slave3.Hadoop
1.4 安裝和啟動SSH協議
在各機器間配置秘鑰對，主從互相訪問，建議用hadoop用戶進行。
all:
ssh-keygen
把/.ssh/id_rsa.pub追加到目標機器的/.ssh/authorized_keys
slave:chmod 600 ~/.ssh/authorized_keys
因為是實驗，建議把iptables和selinux關閉。
sed -i 's/SELINUX=enforcing/SELINUX=disabled/' /etc/sysconfig/selinux
chkconfig iptables off
/etc/init.d/iptables stop
1.5 所需軟件
安裝salt，執行批量化安裝
1）JDK軟件
下載地址：https://www.reucon.com/cdn/java/
JDK版本：jdk-7u45-linux-x64.tar.gz
2）Hadoop軟件
下載地址：http://apache.fayea.com/hadoop/common/hadoop-2.6.0/
Hadoop版本：hadoop-2.6.0.tar.gz
二、hadoop 環境部署
2.1安裝JDK
1）新建目錄
mkdir /data/{packages,sh,scripts,logs,py,tomcat,app} -p
cd /data/packages/
for i in `ls`;do tar xf $i;done
2.2配置環境變量
編輯"/etc/profile"文件，在后面添加Java的"JAVA_HOME"、"CLASSPATH"以及"PATH"內容。
mv jdk1.7.0_45/ /data/app/
echo 'export JAVA_HOME=/data/app/jdk1.7.0_45' >>/etc/profile
echo 'export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib::$JAVA_HOME/jre/lib' >>/etc/profile
echo 'export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin' >>/etc/profile
source /etc/profile
java -version #查看java版本
為所有機器執行此操作
三、hadoop的安裝和配置
3.1安裝hadoop
mv hadoop-2.6.0 /data/app/hadoop
chown hadoop.hadoop -R /data/app/hadoop
在"hadoop"下面創建tmp文件夾，把Hadoop的安裝路徑添加到"/etc/profile"中，修改"/etc/profile"文件（配置java環境變量的文件），將以下語句添加到末尾，并使其有效：
echo 'export HADOOP_HOME=/data/app/hadoop' >> /etc/profile
echo 'export PATH=$PATH:$HADOOP_HOME/bin' >> /etc/profile
source /etc/profile
mkdir /data/app/hadoop/tmp
3.2 配置hadoop
分別配置core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、slaves
1）配置hadoop-env.sh
cd /data/app/hadoop/etc/hadoop/
echo 'export JAVA_HOME=/data/app/jdk1.7.0_45' >>hadoop-env.sh
2）配置core-site.xml文件
修改Hadoop核心配置文件core-site.xml，這里配置的是HDFS的地址和端口號。
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>/data/app/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://Master.Hadoop:9000</value>
</property>
<!--
<property>
<name>io.file.buffer.size</name>
<value>512</value>
</property>
-->
</configuration>
3）配置hdfs-site.xml文件
修改Hadoop中HDFS的配置，配置的備份方式默認為3。
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///data/app/hadoop/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///data/app/hadoop/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>Master.Hadoop:50090</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
<property>
<name>dfs.datanode.ipc.address</name>
<value>0.0.0.0:50020</value>
</property>
<property>
<name>dfs.datanode.http.address</name>
<value>0.0.0.0:50075</value>
</property>
</configuration>
4）配置mapred-site.xml文件
修改Hadoop中MapReduce的配置文件，配置的是JobTracker的地址和端口。
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
<final>true</final>
</property>
<property>
<name>mapreduce.jobtracker.http.address</name>
<value>Master.Hadoop:50030</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>Master.Hadoop:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>Master.Hadoop:19888</value>
</property>
<property>
<name>mapred.job.tracker</name>
<value>http://Master.Hadoop:9001</value>
</property>
</configuration>
5）配置 yarm-site.xml文件
<property>
<name>yarn.resourcemanager.hostname</name>
<value>Master.Hadoop</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>Master.Hadoop:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>Master.Hadoop:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>Master.Hadoop:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>Master.Hadoop:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>Master.Hadoop:8088</value>
</property>
- 到此：單機的server就算是配好了，這個時候就可以啟動起來的可以看看效果；
四、變身集群
4.1 配置集群
1）配置slaves
>vim etc/hadoop/slaves
Slave1.Hadoop
Slave2.Hadoop
Slave3.Hadoop
2）copy目錄
把/data/app/hadoop/復制到每個salve
rsync -av -e 'ssh -p 22' --delete /data/app/hadoop/ 1.1.1.12:/data/app/hadoop/
rsync -av -e 'ssh -p 22' --delete /data/app/hadoop/ 1.1.1.13:/data/app/hadoop/
rsync -av -e 'ssh -p 22' --delete /data/app/hadoop/ 1.1.1.14:/data/app/hadoop/
4.2 啟動及驗證
1）格式化HDFS文件系統
在"Master.Hadoop"上使用普通用戶hadoop進行操作。(備注：只需一次，下次啟動不再需要格式化。)
hadoop namenode -format
或
hdfs namenode –format
2）啟動hadoop
sbin/start-dfs.sh
sbin/start-yarn.sh
順利的話，master節點上有幾下3個進程：jps （查看 hadoop的進程）
7482 ResourceManager
7335 SecondaryNameNode
7159 NameNode
slave上有幾下2個進程：
2296 DataNode
2398 NodeManager
同時可瀏覽：
http://1.1.1.11:8088/cluster/nodes
http://1.1.1.11:50070/dfshealth.html#tab-overview
- 另外也可以通過 bin/hadoop dfsadmin -report 查看hdfs的狀態報告
注：hadoop namenode不能啟動，9000端口沒有監聽，
解決：hdfs-site.xml
刪除dfs和tmp下的文件，然后重新格式化hadoop namenode -format
參考1： http://www.cnblogs.com/xia520pi/archive/2012/05/16/2503949.html
參考2 ：http://www.itnose.net/detail/6182168.html
