之前的有點忘記了,這里在云筆記拿出來再玩玩.看不懂的可以留言

大家可以嘗試下Ambari來配置Hadoop的相關環境
快速的部署Hadoop,Hbase和Hive等并提供Ganglia和Nagios的監控功能,強烈推薦使用.
http://www.cnblogs.com/scotoma/archive/2013/05/18/3085248.html

Hadoop 2.0集群配置詳細教程
前言
Hadoop2.0介紹
Hadoop是 apache 的開源 項目，開發的主要目的是為了構建可靠，可拓展 scalable ，分布式的系 統， hadoop 是一系列的子工程的 總和，其中包含1. hadoop common ： 為其他項目提供基礎設施2. HDFS ：分布式的文件系 統3. MapReduce ： A software framework for distributed processing of large data sets on compute clusters 。一個 簡化分布式編程的框架。4. 其他工程包含： Avro( 序列化系 統 ) ， Cassandra( 數據 庫項目 ) 等
Hadoop,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。

為什么要使用2.0版本（來自董的博客）
該版本提供了一些新的、重要的功能，包括： ? HDFS HA ，當前只能 實現人工切換。Hadoop HA 分支 merge 進了該版本，并支持熱切，主要特性包括：（ 1 ） NN 配置文件有改變，使得配置更加簡單（ 2 ） NameNode 分 為兩種角色： active NN 與 standby NN ， active NN 對外提供讀寫服務，一旦出現故障，便切換到 standby NN 。（ 3 ） 支持 Client 端重定向，也就是 說，當 active NN 切 換到 standby NN 過程中， Client 端所有的 進行時操作都可以無縫透明重定向到 standby NN 上， Client 自己感 覺不到切換過程。（ 4 ） DN 同 時向 active NN 和 standby NN 匯報 block 信息。具體 設計文檔參考： https://issues.apache.org/jira/browse/HDFS-1623當前 Hadoop HA 只能 實現人工切換，該功能在某些情況下非常有用，比如，對 NN 進行升級時，先將 NN 切 換到 standby NN ，并 對之前的 active NN 進行升級，升級完成后，再將 NN 切 換至升級后的 NN 上，然后 對 standby NN 進行升級。
? YARN ，下一代 MapReduce 這是一套資源統一管理和調度平臺，可管理各種計算框架，包括 MapReduce 、 Spark 、 MPI 等。YARN 是一套 資源統一管理和調度平臺，可管理各種計算框架，包括 MapReduce ， Spark ， MPI 等。盡管它是完全重寫而成，但其思想是從 MapReduce 衍化而來的，并克服了它在 擴展性和容錯性等方面的眾多不足。具體參考：http://hadoop.apache.org/common/docs/r0.23.0/hadoop-yarn/hadoop-yarn-site/YARN.html? HDFS Federation ，允 許 HDFS 中存在多個 NameNode ，且每個 NameNode 分管一部分目 錄，而 DataNode 不 變，進而縮小了故障帶來的影響范圍，并起到一定的隔離作用。傳統 HDFS 是 master/slave 結構，其中， master （也就是 NameNode ）需要存 儲所有文件系統的元數據信息，且所有文件存儲操作均需要訪問多次 NameNode ，因而 NameNode 成 為制約擴展性的主要瓶頸所在。為了解決該問題，引入了 HDFS Federation ，允 許 HDFS 中存在多個 NameNode ，且每個 NameNode 分管一部分目 錄，而 DataNode 不 變，也就是 “ 從中央集權 專政變為各個地方自治 ” ， 進而縮小了故障帶來的影響范圍，并起到一定的隔離作用。具體參考：http://dongxicheng.org/mapreduce-nextgen/nextgen-mapreduce-introduction/? 基準性能測試該版本中為 HDFS 和 YARN 添加了性能的基準 測試集，其中 HDFS 測試包括：（ 1 ） dfsio 基準 測試 HDFS I/O 讀寫性能（ 2 ） slive 基準 測試 NameNode 內部操作的性能（ 3 ） scan 基準 測試 MapReduce 作 業訪問 HDFS 的 I/O 性能（ 4 ） shuffle 基準 測試 shuffle 階段性能（ 5 ） compression 基準 測試 MapReduce 作 業中間結果和最終結果的壓縮性能（ 6 ） gridmix-V3 基準 測試集群吞吐率YARN 測試包括 :（ 1 ） ApplicationMaster 擴展性基準測試主要 測試調度 task/container 的性能。與 1.0 版本比 較，大約快 2 倍。（ 2 ） ApplicationMaster 恢復性基準 測試測試 YARN 重 啟后，作業恢復速度。稍微解釋一下 ApplicationMaster 恢復作 業的功能：在作業執行過程中， Application Master 會不斷地將作 業運行狀態保存到磁盤上，比如哪些任務運行完成，哪些未完成等，這樣，一旦集群重啟或者 master 掛掉，重 啟后，可復原各個作業的狀態，并只需重新運行未運行完成的哪些任務。（ 3 ） ResourceManager 擴展性基準測試通 過不斷向 Hadoop 集群中添加 節點測試 RM 的 擴展性。（ 4 ） 小作 業基準測試專門測試批量小作業的吞吐率具體參考：http://hortonworks.com/blog/delivering-on-hadoop-next-benchmarking-performance/? 通過 protobufs 來提供HDFS 和YARN 的兼容性Wire-compatibility for both HDFS & YARNHadoop RPC采用了Hadoop自己的一套序列化框架 對 各種 對 象 進 行序列化反序列，但存在一個 問題 ： 擴 展性差，很 難 添加新的數據類型同 時 保 證 版本兼容性。 為 此，Hadoop 2.0將數據類型模 塊 從RPC中獨立出來，成 為 一個獨立的可插拔模 塊 ， 這樣 允 許 用 戶 根據個人 愛 好使用各種序列化/反序列化框架，比如thrift，arvo，protocal Buffer等，默 認 情況采用Protocal Buffer。http://hortonworks.com/blog/rpc-improvements-and-wire-compatibility-in-apache-hadoop/除了以上五個特性外， 還 有兩個非常重要的特性正在研 發 中，分別是：? HDFS快照用 戶 可在任意 時間對 HDFS做快照， 這樣 ，在HDFS出 現 故障 時 ，可將數據恢復到某個 時間 點的狀 態 。具體參考：http://hortonworks.com/blog/snapshots-for-hdfs/? HDFS HA自動 切換前面介 紹 的第一個功能“HDFS HA”當前只能 實現 人工切 換 ，也就是 說 ，管理 員運 行某個命令，使得acitve NN切 換 到standby NN上。以后將支持自 動 切 換 ，也就是 說 ， 監 控模 塊 可 檢測 出active NN何 時 出 現 故障，并自 動 將之切 換 到standby NN上， 這樣 可大大 較 小Hadoop集群 運維 人 員 的工作量。具體參考：http://s.apache.org/hdfs-autofailover

準備
機器準備
物理機器 總 共4臺，想配置基于物理機的hadoop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Ip分布 為192.168.1.201 hadoop1192.168.1.202 hadoop2192.168.1.203 hadoop3192.168.1.204 hadoop4
操作系 統為 CentOS 5.6 64bitMaster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。

修改主機名
修改主機名，所有 節點均一樣配置1 ， 連接到主節點 192.168.1.201 ，修改 network ， 執行 vim /etc/sysconfig/network ，修改 HOSTNAME=hadoop12 ，修改 hosts 文件， 執行 cd /etc 命令后 執行 vi hosts ，在行末尾添加 :
192.168.1.201 hadoop1192.168.1.202 hadoop2192.168.1.203 hadoop3192.168.1.204 hadoop4
3 ， 執行 hostname hadoop14 ， 執行 exit 后重新 連接可看到主機名以修改 OK
其他 節點 也修改主機名后添加 Host, 或者 host 文件可以在后面 執行 scp 覆蓋操作
配置SSH無密碼登陸
SSH 無密 碼原理簡介 :首先在 hadoop1 上生成一個密 鑰對，包括一個公鑰和一個私鑰，并將公鑰復制到所有的 slave(hadoop2-hadoop4) 上。然后當 master 通 過 SSH 連接 slave 時， slave 就會生成一個隨機數并用 master 的公 鑰對隨機數進行加密，并發送給 master 。最后 master 收到加密數之后再用私 鑰解密，并將解密數回傳給 slave ， slave 確 認解密數無誤之后就允許 master 不 輸入密碼進行連接了
2 ，具體步 驟（在root用戶和hadoop用戶登陸情況下執行）1 、 執行命令 ssh-keygen -t rsa 之后一路回 車，查看剛生成的無密碼鑰對： cd .ssh 后 執行 ll2 、把 id_rsa.pub 追加到授權的 key 里面去。 執行命令 cat ~/.ssh/id_rsa.pub >>~/.ssh/authorized_keys3 、修改權限： 執行 chmod 600 ~/.ssh/authorized_keys4 、確保 cat /etc/ssh/sshd_config 中存在如下內容
RSAAuthentication yesPubkeyAuthentication yesAuthorizedKeysFile .ssh/authorized_keys如需修改， 則在修改后執行重啟 SSH 服 務命令使其生效 :service sshd restart
5 、將公 鑰復制到所有的 slave 機器上 :scp ~/.ssh/id_rsa.pub 192.168.1.203 ： ~/ 然后 輸入 yes ，最后 輸入 slave 機器的密 碼6 、在 slave 機器上 創建 .ssh 文件夾 :mkdir ~/.ssh 然后 執行 chmod 700 ~/.ssh （若文件夾以存在 則不需要創建）7 、追加到授權文件 authorized_keys 執行命令 :cat ~/id_rsa.pub >> ~/.ssh/authorized_keys 然后 執行 chmod 600 ~/.ssh/authorized_keys8 、重復第 4 步9 、 驗證命令 : 在 master 機器上 執行 ssh 192.168.1.203 發現主機名由 hadoop1 變成 hadoop3 即成功，最后 刪除 id_rsa.pub 文件 :rm -r id_rsa.pub按照以上步 驟分別配置 hadoop1,hadoop2,hadoop3,hadoop4 ，要求每個都可以無密 碼登錄

源碼配置修改
/etc/profile
配置 環境變量： vim /etc/profile添加export HADOOP_DEV_HOME=/home/hadoop/hadoopexport PATH=$PATH:$HADOOP_DEV_HOME/binexport PATH=$PATH:$HADOOP_DEV_HOME/sbinexport HADOOP_MAPARED_HOME=${HADOOP_DEV_HOME}export HADOOP_COMMON_HOME=${HADOOP_DEV_HOME}export HADOOP_HDFS_HOME=${HADOOP_DEV_HOME}export YARN_HOME=${HADOOP_DEV_HOME}export HADOOP_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoopexport HDFS_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoopexport YARN_CONF_DIR=${HADOOP_DEV_HOME}/etc/hadoop
創建并配置hadoop-env.sh
vim /usr/hadoop/hadoop-2.0.0-alpha/etc/hadoop/hadoop-env.sh 在末尾添加 export JAVA_HOME=/usr/java/jdk1.6.0_27
core-site.xml
在 configuration 節點 里面添加屬性
<property><name>hadoop.tmp.dir</name><value>/hadoop/tmp</value><description>A base for other temporary directories.</description></property><property><name>fs.default.name</name><value>hdfs://192.168.1.201:9000</value></property>
添加 httpfs 的 選項<property><name>hadoop.proxyuser.root.hosts</name><value>192.168.1.201</value></property><property><name>hadoop.proxyuser.root.groups</name><value>*</value></property>
slave配置
vim /home/hadoop/hadoop/etc/hadoop/slaves 添加 slave 的 IP192.168.1.202192.168.1.203192.168.1.204
配置hdfs-site.xml
vim /home/hadoop/hadoop/etc/hadoop/hdfs-site.xml添加 節點
<property><name>dfs.replication</name><value>3</value></property>
<property><name>dfs.namenode.name.dir</name><value>file:/hadoop/hdfs/name</value><final>true</final></property>
<property><name>dfs.federation.nameservice.id</name><value>ns1</value></property>
<property><name>dfs.namenode.backup.address.ns1</name><value>192.168.1.201:50100</value></property>
<property><name>dfs.namenode.backup.http-address.ns1</name><value>192.168.1.201:50105</value></property>
<property><name>dfs.federation.nameservices</name><value>ns1</value></property>
<property><name>dfs.namenode.rpc-address.ns1</name><value>192.168.1.201:9000</value></property><property><name>dfs.namenode.rpc-address.ns2</name><value>192.168.1.201:9000</value></property>
<property><name>dfs.namenode.http-address.ns1</name><value>192.168.1.201:23001</value></property>
<property><name>dfs.namenode.http-address.ns2</name><value>192.168.1.201:13001</value></property>
<property><name>dfs.dataname.data.dir</name><value>file:/hadoop/hdfs/data</value><final>true</final></property>
<property><name>dfs.namenode.secondary.http-address.ns1</name><value>192.168.1.201:23002</value></property>
<property><name>dfs.namenode.secondary.http-address.ns2</name><value>192.168.1.201:23002</value></property>
<property><name>dfs.namenode.secondary.http-address.ns1</name><value>192.168.1.201:23003</value></property>
<property><name>dfs.namenode.secondary.http-address.ns2</name><value>192.168.1.201:23003</value></property>
配置yarn-site.xml
添加 節點
<property><name>yarn.resourcemanager.address</name><value>192.168.1.201:18040</value></property>
<property><name>yarn.resourcemanager.scheduler.address</name><value>192.168.1.201:18030</value></property>
<property><name>yarn.resourcemanager.webapp.address</name><value>192.168.1.201:18088</value></property>
<property><name>yarn.resourcemanager.resource-tracker.address</name><value>192.168.1.201:18025</value></property>
<property><name>yarn.resourcemanager.admin.address</name><value>192.168.1.201:18141</value></property>
<property><name>yarn.nodemanager.aux-services</name><value>mapreduce.shuffle</value></property>
配置httpfs-site.xml
同步代碼到其他機器
1.同步配置代 碼先在 slaves 的機器上也 創 建mkdir -p /home/hadoop/source部署hadoop代 碼 ， 創 建 軟連接 ，然后只要同步修改 過 的etc/hadoop下的配置文件即可2.同步 /etc/profile3.同步 /etc/hosts scp -r /etc/profile root@hadoop2:/etc/profilescp -r /etc/hosts root@hadoop2:/etc/hosts
其他機器以此操作
Hadoop啟動
格式化集群
hadoop namenode -format -clusterid clustername
啟動hdfs
執行start-dfs.sh
開 啟 hadoop dfs服 務
啟動Yarn
開 啟 yarn 資 源管理服 務start-yarn.sh

啟動httpfs
開 啟 httpfs 服 務httpfs.sh start使得 對外 可以提高 http 的restful接口服 務
測試
安裝結果驗證
驗證hdfs
在各臺機器 執行 jps 看 進程 是否都已 經啟動 了
[root@hadoop1 hadoop]# jps7396 NameNode24834 Bootstrap7594 SecondaryNameNode7681 ResourceManager32261 Jps
[root@hadoop2 ~]# jps8966 Jps31822 DataNode31935 NodeManager
進程啟動 正常
驗證 是否可以登 陸hadoop fs -ls hdfs://192.168.1.201:9000/ hadoop fs -mkdir hdfs://192.168.1.201:9000/testfolder hadoop fs -copyFromLocal ./xxxx hdfs://192.168.1.201:9000/testfolder hadoop fs -ls hdfs://192.168.1.201:9000/ testfolder

看以上 執行 是否正常
驗證map/reduce
在 master1 上， 創建輸入目錄 :hadoop fs -mkdir hdfs://192.168.1.201:9000/input將 /usr/hadoop/hadoop-2.0.1-alpha/ 目 錄下的所有 txt 文件復制到 hdfs 分布式文件系 統的目錄里，執行以下命令hadoop fs -put /usr/hadoop/hadoop-2.0.1-alpha/.txt hdfs://192.168.1.201:9000/input
在 hadoop1 上， 執行 HADOOP 自 帶的例子， wordcount 包，命令如下cd /usr/hadoop/hadoop-2.0.1-alpha/share/hadoop/mapreducehadoop jar hadoop-mapreduce-examples-2.0.1-alpha.jar wordcount hdfs://192.168.1.201:9000/input hdfs://192.168.1.201:9000/output
hadoop fs -put /usr/hadoop/hadoop-2.0.1-alpha/.txt hdfs://192.168.1.201:9000/input
在 hadoop1 上， 查看結果命令如下 :[root@master1 hadoop]# hadoop fs -ls hdfs://192.168.1.201:9000/outputFound 2 items-rw-r--r-- 2 root supergroup 0 2012-06-29 22:59 hdfs://192.168.1.201:9000/output/_SUCCESS-rw-r--r-- 2 root supergroup 8739 2012-06-29 22:59 hdfs://192.168.1.201:9000/output/part-r-00000
[root@hadoop1 hadoop]# hadoop fs -cat hdfs://192.168.1.201:9000/output/part-r-00000 即可看到每個 單詞的數量
驗證httpfs
HTTPFS操作：
OPEN,GETFILESTATUS,LISTSTATUS,GETHOMEDIRECTORY,GETCONTENTSUMMARY,GETFILECHECKSUM,GETDELEGATIONTOKEN,GETFILEBLOCKLOCATIONS,INSTRUMENTATION
GETHOMEDIRECTORY 路徑無關，返回根 節點路徑http://192.168.1.201:14000/webhdfs/v1/yxq?op=GETHOMEDIRECTORY&user.name=root
Path: "/user/root"
http://192.168.1.201:14000/webhdfs/v1/yxq/bitfoldersub0/bitwaretestfile0.bt?op=GETHOMEDIRECTORY&user.name=root
打開 / 下 載一個文件http://192.168.1.201:14000/webhdfs/v1/yxq/bitfoldersub0/bitwaretestfile0.bt?op=open&user.name=root
LISTSTATUS 現實目錄狀態
http://192.168.1.201:14000/webhdfs/v1/yxq/bitfoldersub0?op=LISTSTATUS&user.name=roothttp://192.168.1.201:14000/webhdfs/v1/yxq/bitfoldersub0/bitwaretestfile0.bt?op=LISTSTATUS&user.name=root

以下 實現 方法 還 有 錯誤現 在：----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
GETDELEGATIONTOKEN ERROR
http://192.168.1.201:14000/webhdfs/v1/yxq/bitfoldersub0/bitwaretestfile0.bt?op=GETDELEGATIONTOKEN&user.name=root
GETFILEBLOCKLOCATIONS error
http://192.168.1.201:14000/webhdfs/v1/yxq/bitfoldersub0/bitwaretestfile0.bt?op=GETFILEBLOCKLOCATIONS&user.name=root
INSTRUMENTATION error
http://192.168.1.201:14000/webhdfs/v1/yxq/bitfoldersub0/bitwaretestfile0.bt?op=INSTRUMENTATION&user.name=root

性能測試
使用內部的 benchmark 測試 不同文件大小及不同append大小的寫入情況hadoop jar /home/hadoop/hadoop/bin/BitwareHadoopBenchmark.jar BitwareHadoopBenchmark hdfs://192.168.1.201:9000 /bitwaretest01/ 0 20 200 4 0