搭建一个hadoop2.x需要准备哪些软件

工具/原料

linux系统（本篇使用的是CentOS v6.5）
Hadoop安装包（本篇使用的是hadoop v2.6.0）
环境要求

1
需要安装JDK6.0以上版本（可自行解压安装或使用自带的软件安装包，如yum）

2
需要无密码登录的SSH环境（安装ssh及sshd，具体配置步骤在后面介绍）

END
安装/配置 步骤

1
配置hosts文件，将主机名和对应IP地址映射。如图中Master、Slave1和Slave2是我们要搭建分布式环境的机器。Master为主机，Slavex为从机。

2
配置SSH的无密码登录：可新建专用用户hadoop进行操作，cd命令进入所属目录下，输入以下指令（已安装ssh）
ssh-keygen -t rsa -P ""
cat .ssh/id_rsa.pub >>.ssh/authorized_keys
解释一下，第一条生成ssh密码的命令，-t 参数表示生成算法，有rsa和dsa两种；-P表示使用的密码，这里使用“”空字符串表示无密码。
第二条命令将生成的密钥写入authorized_keys文件。
这时输入 ssh localhost，弹出写入提示后回车，便可无密码登录本机。同理，将authorized_keys文件 通过 scp命令拷贝到其它主机相同目录下，则可无密码登录其它机器。

3
安装hadoop：安装方式很简单，下载安装包到所属目录下，使用
tar -zxvf 安装包名
进行解压，解压完毕可通过mv 命令重命名文件夹，安装至此完成。解压后的目录内容如图所示。

4
hadoop配置过程：要实现分布式环境，配置过程是最为重要的，
这里要涉及到的配置文件有7个：
~/hadoop/etc/hadoop/hadoop-env.sh
~/hadoop/etc/hadoop/yarn-env.sh
~/hadoop/etc/hadoop/slaves
~/hadoop/etc/hadoop/core-site.xml
~/hadoop/etc/hadoop/hdfs-site.xml
~/hadoop/etc/hadoop/mapred-site.xml
~/hadoop/etc/hadoop/yarn-site.xml
之后会分别介绍各个配置的的作用和配置关键

5
配置文件1：hadoop-env.sh
该文件是hadoop运行基本环境的配置，需要修改的为java虚拟机的位置。
故在该文件中修改JAVA_HOME值为本机安装位置（如，export JAVA_HOME=/usr/lib/jvm/java-1.7.0）

6
配置文件2：yarn-env.sh
该文件是yarn框架运行环境的配置，同样需要修改java虚拟机的位置。
在该文件中修改JAVA_HOME值为本机安装位置（如，export JAVA_HOME=/usr/lib/jvm/java-1.7.0）

7
配置文件3：slaves
该文件里面保存所有slave节点的信息，以本篇为例
写入以下内容（hosts里从机的主机名）：
Slave1
Slave2

8
配置文件4：core-site.xml


hadoop.tmp.dir
/data/hadoop-${user.name}


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


这个是hadoop的核心配置文件，这里需要配置的就这两个属性，fs.default.name配置了hadoop的HDFS系统的命名，位置为主机的9000端口；hadoop.tmp.dir配置了hadoop的tmp目录的根位置。这里使用了一个文件系统中没有的位置，所以要先用mkdir命令新建一下。

9
配置文件5：hdfs-site.xml


dfs.http.address
Master:50070


dfs.namenode.secondary.http-addressMaster:50090


dfs.replication
1


这个是hdfs的配置文件，dfs.http.address配置了hdfs的http的访问位置；dfs.replication配置了文件块的副本数，一般不大于从机的个数。

10
配置文件6：mapred-site.xml


mapred.job.tracker
Master:9001


mapred.map.tasks
20


mapred.reduce.tasks
4


mapreduce.framework.name
yarn


mapreduce.jobhistory.addressMaster:10020

mapreduce.jobhistory.webapp.addressMaster:19888



这个是mapreduce任务的配置，由于hadoop2.x使用了yarn框架，所以要实现分布式部署，必须在mapreduce.framework.name属性下配置为yarn。mapred.map.tasks和mapred.reduce.tasks分别为map和reduce的任务数，至于什么是map和reduce，可参考其它资料进行了解。
其它属性为一些进程的端口配置，均配在主机下。

11
配置文件7：yarn-site.xml


yarn.resourcemanager.address
Master:8032


yarn.resourcemanager.scheduler.address
Master:8030


yarn.resourcemanager.webapp.address
Master:8088


yarn.resourcemanager.resource-tracker.addressMaster:8031


yarn.resourcemanager.admin.addressMaster:8033


yarn.nodemanager.aux-servicesmapreduce_shuffle


yarn.nodemanager.aux-services.mapreduce.shuffle.classorg.apache.hadoop.mapred.ShuffleHandler

该文件为yarn框架的配置,主要是一些任务的启动位置

12
将配置好的hadoop复制到其他节点
scp –r ~/hadoop hadoop@Slave1:~/
scp –r ~/hadoop hadoop@Slave2:~/
END
启动验证

格式化namenode：
./bin/hdfs namenode -format
若出现如图所示提示，则格式化成功

启动hdfs: ./sbin/start-dfs.sh
此时在Master上面运行的进程有：namenode secondarynamenode
Slave1和Slave2上面运行的进程有：datanode
启动yarn: ./sbin/start-yarn.sh
此时在Master上面运行的进程有：namenode secondarynamenode resourcemanager
Slave1和Slave2上面运行的进程有：datanode nodemanager

3
检查启动结果
查看集群状态：./bin/hdfs dfsadmin –report
查看文件块组成： ./bin/hdfsfsck / -files -blocks
查看HDFS: http://192.168.101.248:50070（主机IP）
查看RM: http:// 192.168.101.248:8088（主机IP）
正确情况如图显示