共有 3 台机器,均使用的 linux 系统,Java 使用的是 jdk1.6.0。 配置如下:
Hadoop1.example.com:172.20.115.1(NameNode)
hadoop2.example.com:172.20.1152(DataNode)
hadoop3.example.com:172.115.20.3 (DataNode)
hadoop4.example.com:172.20.115.4
主机与IP之间有正确解析
对于 Hadoop 来说,在 HDFS 看来,节点分为 Namenode 和 Datanode,其中Namenode 只有一个, Datanode 可以是很多;在 MapReduce 看来,节点又分为Jobtracker 和 Tasktracker,其
中 Jobtracker 只有一个,Tasktracker 可以是很多。我是将 namenode 和 jobtracker 部署在 hadoop1 上, hadoop2, hadoop3 作为 datanode和 tasktracker 。当然你也可以将
namenode ,datanode ,jobtracker,tasktracker 全部部署在一台机器上（这样就是伪分布式）。
2.目录结构
由于 Hadoop 要求所有机器上 hadoop 的部署目录结构要相同,并且都有一个相同的用户名的帐户。
我 的 三 台 机 器 上 是 这 样 的 : 都 有 一 个 hadoop 的 帐 户 , 主 目 录是/home/hadoop。
添加用户hadoop
#useradd -u 800 hadoop
#passwd hadoop 给用户hadoop创建密码
下载hadoop-2.6.0.tar.gz
解压 #tar zxf hadoop-2.6.0.tar.gz
#mv hadoop-2.6.0/ /home/hadoop/
#cd /home/hadoop
#ln -s hadoop-2.6.0/ hadoop
切到hadoop用户 #su - hadoop
下载jdk-6u32-linux-x64.bin到家目录下
$sh jdk-6u32-linux-x64.bin
$cd /home/hadoop/
$mv jdk1.6.0_32 hadoop-1.2.1/
$cd hadoop-2.6.0/
创建软链接，以便与日后的更新、升级
$ln -s jdk1.6.0_32 jdk
再次切换到root
#chown -R hadoop.hadoop hadoop-2.6.0/
3.SSH设置
在 Hadoop 启动以后,Namenode 是通过 SSH(Secure Shell)来启动和停止各个节点上的各种守护进程的,这就需要在节点之间执行指令的时候是不需要输入密码的方式,故我们需要配置 SSH 使用无密码公钥认证的方式。
首先要保证每台机器上都装了 SSH 服务器,且都正常启动。实际中我们用的都是 OpenSSH,这是 SSH 协议的一个免费开源实现。
以本文中的 3 台机器为例,现在 hadoop1 是主节点,它需要主动发起 SSH连接到 hadoop2 ,对于 SSH 服务来说, hadoop1 就是 SSH 客户端,而hadoop2,hadoop3 则是 SSH 服务端,因此在 hadoop2,hadoop3 上需要确定 sshd 服务已经启动。简单的说,在 hadoop1 上需要生成一个密钥对,即一个私钥,一个公钥。将公钥拷贝到 hadoop2 上,这样,比如当 hadoop1 向 hadoop2 发起 ssh 连接的时候,hadoop2 上就会生成一个随机数并用 hadoop1 的公钥对这个随机数进行加密并发送给 hadoop1,hadoop1 收到这个加密的数以后用私钥进行解密,并将解密后的数发送回hadoop2,hadoop2 确认解密的数无误后就允许 hadoop1 进行连接了。这就完成了一次公钥认证过程。
对于本文中的 3 台机器,首先在 hadoop1 上生成密钥对:
#su - hadoop
$ssh-keygen
这个命令将为 hadoop1 上的用户 hadoop 生成其密钥对。生成的密钥对id_rsa,id_rsa.pub,在/home/hadoop/.ssh 目录下。
$ssh-copy-id localhost
$ssh-copy-id 172.20.115.2
$ssh-copy-id 172.20.115.3
发布密钥到你本地和hadoop2、hadoop3
试着登录本地和hadoop2、hadoop3看是否有密码验证，无密码即验证成功
4.环境变量（此版本中的配置目录发生很大变化，大家要注意哦！）
在 /home/hadoop/hadoop-2.6.0/etc/hadoop/ 目 录 下 的 hadoop-env.sh 中 设 置Hadoop 需 要 的 环 境 变 量 , 其 中 JAVA_HOME 是 必 须 设 定 的 变 量 。
HADOOP_HOME 变量可以设定也可以不设定,如果不设定, HADOOP_HOME默认的是 bin 目录的父目录,即本文中的/home/hadoop/hadoop。
vim /home/hadoop/hadoop-2.6.0/etc/hadoop/hadoop-env.sh
export JAVA_HOME=/home/hadoop/hadoop/jdk(大概在第25行)
先进行简单测试：
$cd /home/hadoop/hadoop/
$mkdir input
$cp /etc/hadoop/* input/
$bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar grep input output 'dfs[a-z.]+'
$cd output
$cat *
统计文件中的单词：
$bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount input test
$cd test/
$cat *
5.hadoop配置文件
$cd /home/hadoop/hadoop/etc/hadoop/
配置HDFS
/core-site.xml:
configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://hadoop1.example.com:9000</value>
</property></configuration>
/hdfs-site.xml:
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property></configuration>
伪分布式测试：