- 环境准备

系统：centos6.5
虚拟机：VMware Workstation
jdk文件:jdk-7u67-linux-x64.tar.gz
hadoop文件：hadoop-2.6.5.tar.gz
这里搭建集群包括4个节点，1个Master，3个Salve ，需要实现节点间局域网连接，可以相互ping通。
规划节点IP地址（可自定义），下面是采用机子原有IP：
Master.Hadoop 192.168.193.130
Salve1.Hadoop 192.168.193.131
Salve2.Hadoop 192.168.193.132
Salve3.Hadoop 192.168.193.133

环境设置

1. 修改机器名称

   将机器名字修改为Master.Hadoop，命令：hostname Master.Hadoop
   vim /etc/sysconfig/network
   将localhost对应修改为Master.Hadoop

2. 修改机器IP
   （注意：此步操作过后，会导致无法连接外网，后面需要解决这个问题，可不修改ip，下述步骤采用不修改ip的方式，可略过该步）
   vim /etc/sysconfig/network-scripts/ifcfg-eth0
   增加一行：IPADDR xxxxxx(ip地址)
   然后,source应用改变，或者reboot重启
   source /etc/sysconfig/network-scripts/ifcfg-eth0
   查看IP是否修正成功：ifconfig

3. 修改host配置文件
   将机器名称与机器ip对应，方便后续对应；
   vim /etc/hosts
   添加如下内容：
   192.168.193.130 Master.Hadoop
   192.168.193.131 Salve1.Hadoop
   192.168.193.132 Salve2.Hadoop
   192.168.193.133 Salve3.Hadoop
   然后将四台机器均进行相同的操作
   测试机器间是否可以相互ping通，如下：
   分别用ping Salve1.Hadoop或ping 192.168.193.131尝试。

4. 创建hadoop用户组
   一般要对集群的说有机器之间建立无密码ssh，方便集群之间的通信，设一个root外的用户可以避免暴露过多权限给hadoop。
   先创建hadoop用户组：groupadd hadoop
   添加用户：useradd hadoop -g hadoop
   添加用户密码：passwd hadoop

5. ssh无密码验证
   1、查看是否安装openssh与rsync(远程数据同步工具，可通过lan或wlan快速同步多套主机间文件)
   rpm -qa | grep openssh
   rpm -qa | grep rsync
   若未安装则进行安装
   yum install ssh
   yum install rsync
   2、切换至hadoop用户
   su hadoop
   3、配置Master可登陆其他Salve主机
   3.1 ssh-keygen:生成密码对，会在文件夹下生成id_rsa与id_rsa.pub两个文件。
   查看：ll ./.ssh
   3.2 将id_rsa.pub追加到authorized_keys文件中
   cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
   3.3 修改authorized_keys权限，默认权限700
   chmod 600 ~/.ssh/authorized_keys
   3.4 修改ssh配置文件，需切换root用户
   vim /etc/ssh/sshd_config
   找到如下三项：
   RSAAuthentication yes # 启用 RSA 认证
   PubkeyAuthentication yes # 启用公钥私钥配对认证方式
   AuthorizedKeysFile .ssh/authorized_keys # 公钥文件路径
   重启ssh服务
   service sshd restart
   3.5 测试是否成功
   ssh localhost
   中间填入yes，再次输入，不要求填写密码即成功。

6. master与salve间无密码互通
   1、每个机器按照第5步运行一遍
   2、将几台机器实现相互间无密码连通，剩下的操作在一台机器上操作即可，利用scp命令进行数据传输，以Master与Salve1之间的操作为例；
   scp ~/.ssh/authorized_keys hadoop@192.168.193.131:~/
   或scp ~/.ssh/authorized_keys hadoop@Salve1.Hadoop:~/
   3、为了操作方便，下述操作均在Master上操做，切换至Salve1,
   ssh Salve1.hadoop
   此时机器间还未实现无密码传输，需输入预先设定的密码
   4、此时已登入Salve1，将从Master中通过scp传入的authorized_keys 添加到Salve1下.ssh下authorized_keys中
   cat ~/authorized_keys >> ~/.ssh/authorized_keys
   5、从其他机器导入authorized_keys没用了，可以删除了
   rm ~/authorized_keys
   6、切换回Master机器，测试是否可无密码登陆Salve1
   ssh Salve1.Hadoop或ssh 192.168.193.131
   此时可发现无需密码即可登录。
   7、将Master与其他Salve之间操作同上1~5步。或者将各个节点上的id_pub导入到一个机器上authorized_keys中，然后复制到其他机器上。
   例如：
   切换到Salve2机器上ssh Salve2.Hadoop （需输入登录密码）
   然后scp ~/.ssh/authorized_keys hadoop@Salve1.Hadoop:~/
   再切换回Salve1，将从Salve2中获取的authorized_keys（或id_rsa.pub）导入到Salve1中的authorized_keys。。。以此类推
   操作完成以后，其他机器都可以无密登陆Salve1，将Salve1中的authorized_keys替代其他机器中的authorized_keys。

安装jdk

1. 切换至root用户
2. 上传jdk文件
   将jdk文件上传到虚拟机上自定义的文件夹中，这里放到/home/hortonworks下，安装在/usr/java中;
3. 将文件copy到其他机器上
   在各个节点上创建文件 mkdir /usr/java
   并将jdk文件传输到Slave上，以Salve1为例
   scp /home/hortonworks/jdk-7u67-linux-x64.tar.gz root@Salve1.Hadoop:/usr/java
   注意：采用root用户需输入密码，传输可用hadoop用户，已实现无密传输
4. 解压文件
   解压至文件夹 /usr/java中,进入到文件路径下
   cd /usr/java
   tar -zxvf /usr/java/jdk-7u67-linux-x64.tar.gz
5. 删除导入的jdk文件
   rm /usr/java/jdk-7u67-linux-x64.tar.gz
6. 配置环境变量
   vim /etc/profile
   在文件底部加入JAVA_HOME、ClASS_PATH、PATH
   
   使配置生效
   source /etc/profile
7. 验证 java是否安装成功
   java -version
   ok验证成功
8. 赋予hadoop用户操作权限
   用root用户，进入/usr文件夹，将java文件夹操作权限赋予hadoop用户
   chown -R hadoop:hadoop ./usr/java

安装hadoop集群

1. 设置安装路径
   各个节点上创建hadoop文件夹 mkdir /usr/hadoop
2. 将Master主机上的hadoop文件上传到其他节点上
   例如：
   scp /home/hortonworks/jdk-7u67-linux-x64.tar.gz hadoop@Salve1.Hadoop:/usr/hadoop
3. 解压文件
   进入/usr/hadoop路径，执行如下
   Master上：
   tar -zxvf /home/hortonworks/hadoop-2.6.5.tar.gz
   Salve上：tar -zxvf /usr/hadoop/hadoop-2.6.5.tar.gz
4. 将hadoop文件夹赋予hadoop用户读权限
   chown –R hadoop:hadoop hadoop
5. 删除安装包
   rm /usr/hadoop/hadoop-2.6.5.tar.gz
6. 添加tmp文件夹
   因为HDFS把namenode的格式化信息存在了系统的tmp目录下，该目录每次开机会被清空，因此每次重新启动机器，都需要重新格式化HDFS。解决方案是配置一个新的tmp目录给hadoop，这样无需每次重新格式化hdfs。
   mkdir /usr/hadoop/hadoop-2.6.5/tmp
7. hadoop环境配置
   vim /etc/profile
   在底部加入
   
   export HADOOP_HOME=/usr/hadoop/hadoop-2.6.5
   export PATH= HADOOPHOME/sbin: <script type="math/tex" id="MathJax-Element-1">HADOOP_HOME/sbin:</script>HADOOP_HOME/bin:$PATH
8. hadoop配置
   core-site.xml和hdfs-site.xml是站在HDFS角度上配置文件；core-site.xml和mapred-site.xml是站在MapReduce角度上配置文件
   1、配置hadoop-env.sh
   vim /usr/hadoop/hadoop-2.6.5/etc/hadoop/hadoop-env.sh
   配置java环境，在文件最底部添加：
   export JAVA_HOME=/usr/java/jdk1.7.0_67
   2、配置core-site.xml
   核心配置文件，设置临时目录及配置的是HDFS的地址和端口号，注：须将截图中的value中ip修改为192.168.193.130
   vim /usr/hadoop/hadoop-2.6.5/etc/hadoop/core-site.xml
   节点configuration中添加内容如下：
   
   3、配置hdfs-site.xml
   修改Hadoop中HDFS的配置，配置的备份方式默认为3,Salve少于3则会报错
   vim /usr/hadoop/hadoop-2.6.5/etc/hadoop/hdfs-site.xml
   
   4、配置mapred-site.xml
   cp /usr/hadoop/hadoop-2.6.5/etc/hadoop/mapred-site.xml.template /usr/hadoop/hadoop-2.6.5/etc/hadoop/ mapred-site.xml
   vim /usr/hadoop/hadoop-2.6.5/etc/hadoop/ mapred-site.xml
   添加如下内容：
   
   5、配置Master文件
   vim /usr/hadoop/hadoop-2.6.5/etc/hadoop/ masters
   添加master主机ip
   这里填入192.168.193.130
   6、配置Salves文件
   Master主机特有
   vim /usr/hadoop/hadoop-2.6.5/etc/hadoop/slaves
   添加：
   192.168.193.131
   192.168.193.132
   192.168.193.133
   9、配置Salve的hadoop，可以单机采用上述1-5；也可直接将master节点上的hadoop文件夹复制过去，salve机器上的slaves文件是无需配置的，但无所谓。
   9.1、scp -r /usr/hadoop root@Salve1.Hadoop:/usr/
   9.2、切换至salve机器的root用户， 例如ssh :Salve1.Hadoop。
   9.3、配置hadoop环境
   vim /etc/profile
   在底部加入
   
   9.4、usr下，将hadoop文件夹赋予hadoop用户读权限
   chown -R hadoop:hadoop hadoop

启动和验证

1. 关闭iptables服务
   查看iptables状态：service iptables status
   关闭iptables服务：chkconfig iptables off(重启后生效)
   临时关闭ptables服务：service iptables stop
2. 启动hadoop
   2.1格式化namenode
   hadoop namenode -format
   2.2启动：start-all.sh
   发现存在警告：WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable；
   解决方案:网上查找资料说是由于hadoop是32bit编译的，而系统为64位的所导致的；
   下载文件：
   http://dl.bintray.com/sequenceiq/sequenceiq-bin/hadoop-native-64-2.6.0.tar
   下载完以后，解压到hadoop的native目录下，覆盖原有文件即可。重新启动，就没有警告了。
3. 验证是否启动成功
   jps查看启动项
   master显示：
   
   slave显示：
   
   也可运行命令查看个节点信息：
   hadoop dfsadmin -report
   网页版检测：
   http:192.168.193.130:50070
4. 其他：
   若修改了ip，解决修改密码之后，无法上网的问题
   1、切换root用户运行：
   system-config-network
   会弹出对话框
   选择Device configuration，回车
   选择eth0，回车
   只保留name，device，use dhcp在中括号中添加*，其他均修改为空
   保存设置；
   重启网络服务：service network restart
   ok，可以上网了，缺点：修改的ip失效，回复原始ip，所以就返回修改，使用原本的ip，如果最初使用原始的ip也就无需这步了.

应用mapreduce

1. 启动hadoop集群
   start-all.sh
2. 在hadoop文件系统中增加文件
   hadoop fs 查看hdfs操作系统命令集合
3. 创建hdfs目录
   hadoop fs -mkdir /input
4. 上传文件
   hadoop fs -put /usr/hadoop/hadoop-2.6.5/README.txt /input/
5. 修改文件名称
   hadoop fs -mv /input/README.txt /input/readme.txt
6. 查看文件
   hadoop fs -ls /input
   输出文件夹为output，无需新建，若已存在需删除
7. 运行hadoop自带例子
   hadoop jar /usr/hadoop/hadoop-2.6.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.5.jar wordcount /input /output
8. 查看文件输出结果
   hadoop fs -ls /output
9. 查看词频统计结果
   hadoop fs cat /output/part-r-00000
10. 将hdfs上文件导出到本地
    hadoop fs -get /output/part-r-00000 /home/hadoop/data/pacc

实例学习

安装完成了，终于可以好好学习一些实例了。

参考blogurl