首页 > 代码库 > Ubuntu12.04 64bit搭建Hadoop-2.2.0

Ubuntu12.04 64bit搭建Hadoop-2.2.0

2024-07-24 13:57:38   221人阅读

一、准备工作：

  1. 集群安装ubuntu12.04 64bit系统,配置各结点IP地址

  2. 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)

  3. 使用命令：ssh hadoop@192.168.0.125测试服务连接是否正常

  4. 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

  5. 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

  6. 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

  7. 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

  8. 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

  1. 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 ....

  2. 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

  3. 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

  4. 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

  5. 将配置完成的hadoop分发到各结点：

    $ scp ~/Cloud/hadoop-2.2.0 node2:~/Cloud/
$ ...

  6. 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


  7. 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：

  1. 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

  2. 在HDFS上创建输入文件夹

     hadoop fs -mkdir /input

  3. 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
  4. 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

Ubuntu12.04 64bit搭建Hadoop-2.2.0


联系
我们