Ubuntu下HadoopMapReduce集群搭建以及程序运行

记得上学期有门课程就是MapReduce,在顺利通过之后，还是决定好好整理一下，方便日后用到，同时也能跟大家分享交流一下。

具体的步骤和过程如下所示：

一、创建Hadoop用户

~$ sudo addgroup hadoop
~$ sudo adduser --ingroup hadoop hadoop注：创建之后的用户还不具备admin权限，所以要给新创建的用户赋予admin权限

~$ sudo gedit /etc/sudoers
# Members of the admin group may gain root privileges
%admin ALL=(ALL) ALL
hadoop ALL=(ALL) ALL这样，所创建的hadoop用户就拥有admin权限了。

注：以下操作，都是在hadoop用户下完成的。同时，集群中的每一台机器都要创建这样的Hadoop用户，并且都是在这样的用户下进行如下操作。
二、配置好JAVA环境

详细过程可以参考：http://blog.csdn.net/jojozhangju/article/details/19475835

注：每一台机器，都要配置好Java环境。不过，话说这部分我的集群上的集群是1个64位3个32位，而且一个是jdk1.7其它的多是openjdk，结果事实证明，没有问题出现。大家可以根据自己的实际情况进行调整。

三、修改/etc/hosts文件

~$ sudo gedit /etc/hosts

127.0.0.1 localhost
192.168.1.102 zhangju-ThinkPad-T420
192.168.1.107 jojo-Thinkpad-R60
192.168.1.100 ubuntu
192.168.1.104 zhaohui-ThinkPad-X230
# The following lines are desirable for IPv6 capable hosts
::1 ip6-localhost ip6-loopback
fe00::0 ip6-localnet
ff00::0 ip6-mcastprefix
ff02::1 ip6-allnodes
ff02::2 ip6-allrouters集群中的每一台机器，都要填好以上的信息。这里需要强调的是，我们一开始是用无线路由器配置的，后来，证明速度有些慢，后来改成了网线，建议大家一开始就用网线固定IP地址的分配。
四、安装配置SSH

注：所有的集群上的机器都需要关闭防火墙：

~$ sudo ufw disable

~$ sudo apt-get install ssh这个安装完后，可以直接使用ssh命令了。 

执行

$ netstat -nat查看22端口是否开启了。 

测试：

ssh localhost
输入当前用户的密码，回车就ok了。说明安装成功，同时ssh登录需要密码。 

注：这种默认安装方式完后，默认配置文件是在/etc/ssh/目录下。sshd配置文件是：/etc/ssh/sshd_config，在所有机子都需要安装ssh。 
   
安装之后：

~$ cd /home/hadoop
~$ ssh-keygen -t rsa然后一直回车，完成后，在home跟目录下会产生隐藏文件夹.ssh。

~$ cd .ssh
~$ ls
~$ cp id_rsa.pub authorized_keys测试：

~$ ssh localhost

第一次ssh会有提示信息：

     The authenticity of host ‘node1 (10.64.56.76)’ can’t be established.

     RSA key fingerprint is 03:e0:30:cb:6e:13:a8:70:c9:7e:cf:ff:33:2a:67:30.

     Are you sure you want to continue connecting (yes/no)?

输入 yes 来继续。这会把该服务器添加到你的已知主机的列表中发现链接成功，并且无需密码。

复制authorized_keys到集群其他机器上，为了保证主节点可以无需密码自动登录到其他机器，先在其他机器上执行：

~$ su hadoop
~$ cd /home/hadoop
~$ ssh-keygen -t rsa一路按回车

然后回到主节点，复制authorized_keys到其他集群的机器上：

~$ cd /home/hadoop/.ssh
~$ scp authorized_keys node1.2.3.....n:/home/hadoop/.ssh/这里会提示输入密码,输入hadoop账号密码就可以了。 

改动authorized_keys 文件的许可权限 

~$ sudo chmod 644 authorized_keys测试：ssh node1.2.....n（第一次需要输入yes）。 

如果不须要输入密码则配置成功，如果还须要请检查上面的配置能不能正确。
五、安装Hadoop

~$ sudo wget http://apache.mirrors.tds.net//hadoop/common/hadoop-0.20.203.0/hadoop-0.20.203.0rc1.tar.gz下载安装包后，直接解压安装即可：  

~$ tar -zxvfhadoop-0.20.203.0rc1.tar.gz注意：

1.安装Hadoop集群通常要将安装软件解压到集群内的所有机器上。并且安装路径要一致，如果我们用HADOOP_HOME指代安装的根路径，通常，集群里的所有机器的HADOOP_HOME路径相同。

2.如果集群内机器的环境完全一样，可以在一台机器上配置好，然后把配置好的软件即hadoop-0.20.203整个   文件夹拷贝到其他机器的相同位置即可。

3.可以将Master上的Hadoop通过scp拷贝到每一个Slave相同的目录下，同时根据每一个Slave的Java_HOME 的不同修改其hadoop-env.sh 。

4.为了方便，使用hadoop命令或者start-all.sh等命令，修改Master上/etc/profile 新增以下内容： 

   export HADOOP_HOME=/home/hadoop/hadoop-0.20.203

   exportPATH=$PATH:$HADOOP_HOME/bin

   修改完毕后，执行source /etc/profile 来使其生效。 

conf/core-site.xml

fs.default.name
hdfs://192.168.1.102:9000


hadoop.tmp.dir
/home/hadoop/tmp

conf/mapred-site.xml

mapred.job.tracker
192.168.1.102:9001


conf/hdfs-site.xml

dfs.replication

4

七、配置masters和slaves主从节点：
配置conf/masters和conf/slaves来设置主从结点，注意最好使用主机名，并且保证机器之间通过主机名可以互相访问，每个主机名一行。

~$ sudo gedit masterszhangju-ThinkPad-T420

~$ sudo gedit slavesjojo-Thinkpad-R60 

ubuntu 

zhangju-ThinkPad-T420 

zhaohui-ThinkPad-X230

最后,将hadoop文件夹拷贝到集群中的各个机器上：

~$ scp -r /home/hadoop/hadoop root@node1.2.....n: /home/hadoop/
八、Hadoop启动以及测试

~$ cd /home/hadoop/hadoop/bin
~$ hadoop namenode -format成功情况下系统将输出类&＃20284;如下信息：

12/02/06 00:46:50 INFO namenode.NameNode:STARTUP_MSG:
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG: host = ubuntu/127.0.1.1
STARTUP_MSG: args = [-format]
STARTUP_MSG: version = 0.20.203.0
STARTUP_MSG: build =http://svn.apache.org/repos/asf/hadoop/common/branches/branch-0.20-security-203-r 1099333; compiled by ‘oom‘ on Wed May 4 07:57:50 PDT 2011
************************************************************/
12/02/0600:46:50 INFO namenode.FSNamesystem: fsOwner=root,root
12/02/06 00:46:50 INFO namenode.FSNamesystem:supergroup=supergroup
12/02/06 00:46:50 INFO namenode.FSNamesystem:isPermissiOnEnabled=true
12/02/06 00:46:50 INFO common.Storage: Imagefile of size 94 saved in 0 seconds.
12/02/06 00:46:50 INFO common.Storage: Storagedirectory /opt/hadoop/hadoopfs/name1 has been successfully formatted.
12/02/06 00:46:50 INFO common.Storage: Imagefile of size 94 saved in 0 seconds.
12/02/06 00:46:50 INFO common.Storage: Storagedirectory /opt/hadoop/hadoopfs/name2 has been successfully formatted.
12/02/06 00:46:50 INFO namenode.NameNode:SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode atv-jiwan-ubuntu-0/127.0.0.1
************************************************************/启动服务：

~$ start-all.sh停止服务：

~$ stop-all.sh查看：

NameNode - http://node1:50070/

JobTracker - http://node1:50030/

如果操作正确，就会看到，集群的节点数，以及所有的相关信息显示。

九、运行实例

~$ cd /home/hadoop/hadoop/bin
~$ hadoop fs -mkdir input
~$ hadoop fs ls
~$ cd ..
~$ hadoop fs -put NOTICE.txt REDME.txt input
~$ hadoop fs -ls input
~$ hadoop jar hadoop-examples-1.0.4.jar wordcount input output

然后就可以看到map reduce的过程。

~$ hadoop fs -ls output
~$ hadoop fs -cat output/part-r-00000

就可以看到相关的程序结果了。 以上操作就是关于ubuntu上进行hadoop reduce集群的环境搭建，并且进行了测试和实例的运行，在这个基础上就可以进行mapreduce的学习编程和大数据的处理了。