實作三： Hadoop 叢集安裝

前言

• 您手邊有兩台電腦，假設剛剛操作的電腦為node1,另一台則為node2。則稍後的環境如下

	管理Data的身份	管理Job的身份
node1	namenode(master)& datanode	tasktracker(slave)
node2	datanode(slave)	jobtracker(master)& tasktracker

• 這個實做會架設運作在叢集環境上的Hadoop，因此若是你的電腦還存在著之前的實做一的環境，請先作step 0，以移除掉之前的設定。

• 以下Node_1_IP_Addr代表你node1的ip位址，Node_2_IP_Addr為你node2的ip位址，請查清楚之後作設定

• 為了簡化操作步驟，大部分的指令在node1執行即可，不過step2 的安裝java則需要在node2上實機操作喔！

清除所有在實做一作過的環境

• node1 （有操作過實做一的電腦）執行

  ~$ cd ~
  ~$ killall java
  ~$ rm -rf /tmp/hadoop-hadooper*
  ~$ sudo rm -rf /opt/hadoop
  ~$ rm -rf ~/.ssh
  

• change root password

  ~$ sudo passwd
  

• check IP adress of Node 1 and Node 2

  ~$ /sbin/ifconfig
  

• edit /etc/hosts

  ~$ sudo su -
  ~# echo "192.168.100.1 Node_1_IP_Addr" >> /etc/hosts
  ~# echo "192.168.100.2 Node_2_IP_Addr" >> /etc/hosts
  

• share /etc/hosts from Node 1 to Node 2

  ~# scp /etc/hosts root@Node2_IP_Addr:/etc/hosts
  ~# exit
  

step 1. 設定兩台機器登入免密碼

• 在node1上操作

~$ alias ssh='ssh -o "ssh Node_1_IP_Addr"'
~$ ssh-keygen -t rsa -f ~/.ssh/id_rsa -P ""
~$ cp ~/.ssh/id_rsa.pub ~/.ssh/authorized_keys
~$ scp -r ~/.ssh Node_2_IP_Addr:~/
~$ ssh Node_2_IP_Addr
~$ ssh Node_1_IP_Addr
~$ exit
~$ exit

• 完成後請登入確認不用輸入密碼，（第一次登入需按 yes ，第二次就可以直接登入到系統），以免日後輸入密碼不只手軟而已....

step 2. 安裝java

• 為兩台電腦安裝java
  • node1 & node2 都要操作以下指令

    ~$ sudo apt-get purge java-gcj-compat
    ~$ sudo apt-get install sun-java6-bin  sun-java6-jdk sun-java6-jre
    

step 3. 下載安裝Hadoop到node1

• 先在node1上安裝，其他node的安裝等設定好之後在一起作

~$ cd /opt
/opt$ sudo wget http://ftp.twaren.net/Unix/Web/apache/hadoop/core/hadoop-0.18.3/hadoop-0.18.3.tar.gz
/opt$ sudo tar zxvf hadoop-0.18.3.tar.gz
/opt$ sudo mv hadoop-0.18.3/ hadoop
/opt$ sudo chown -R hadooper:hadooper hadoop

step 4. 設定 hadoop-env.sh

• node1上用gedit 編輯 conf/hadoop-env.sh

/opt$ cd hadoop/
/opt/hadoop$ gedit conf/hadoop-env.sh

將以下資訊貼入 conf/hadoop-env.sh 檔內

export JAVA_HOME=/usr/lib/jvm/java-6-sun
export HADOOP_HOME=/opt/hadoop
export HADOOP_CONF_DIR=/opt/hadoop/conf
export HADOOP_LOG_DIR=/home/hadooper/logs
export HADOOP_PID_DIR=/home/hadooper/pids

• 注意，在此實做中，我們多設定了HADOOP_PID_DIR及HADOOP_LOG_DIR的參數，並且把值寫入到我們hadooper的家目錄中，此舉並非完全必要，但一個目的是介紹更多hadoop-env.sh內的參數，另一目的為讓log,pid等常變資料與hadoop家目錄分離

step 5. 設定 hadoop-site.xml

• 第二個設定檔是 hadoop-site.xml，由於官方所提供的範例並無法直接執行，因此我們參考​線上文件，做了以下的修改。

/opt/hadoop# gedit conf/hadoop-site.xml 

將以下資料取代掉原本的內容

<configuration>
  <property>
    <name>fs.default.name</name>
    <value>hdfs://Node_1_IP_Addr:9000/</value>
    <description> </description>
  </property>
  <property>
    <name>mapred.job.tracker</name>
    <value>Node_2_IP_Addr:9001</value>
    <description>  </description>
  </property>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/tmp/hadoop/hadoop-${user.name}</value>
    <description> </description>
  </property>
</configuration>

• 注意！ 我們多加了一個參數hadoop.tmp.dir，讓預設的中介資料存放在/tmp/hadoop/ 而不是/tmp/ 下，更多內容可以看conf/hadoop-default.xml
• 注意！fs.default.name = hdfs://Node_1_IP_Addr:9000/ ；而mapred.job.tracker = Node_2_IP_Addr:9001，看出差異了嗎！一個有指hdfs://，一個沒有，重要！易混淆。

step 6. 設定masters及slaves

• 接著我們要編輯哪個主機當namenode, 若有其他主機則為datanodes
  • 編輯 conf/slaves

    /opt/hadoop$ gedit conf/slaves 
    

原本內容只有localhost一行，請刪除此行並換上Node1及node2的ip

Node_1_IP_Addr
Node_2_IP_Addr

step 7. Hadoop_Home內的資料複製到其他主機上

• 在node1上對遠端node2作開資料夾/opt/hadoop及權限設定

  /opt/hadoop$ ssh Node_2_IP_Addr "sudo mkdir /opt/hadoop"
  /opt/hadoop$ ssh Node_2_IP_Addr "sudo chown -R hadooper:hadoop /opt/hadoop"
  

• 複製node1的hadoop資料夾到node2上

  /opt/hadoop$ scp -r /opt/hadoop/* Node_2_IP_Addr:/opt/hadoop/
  

step 8. 格式化HDFS

• 以上我們已經安裝及設定好 Hadoop 的叢集環境，接著讓我們來啟動 Hadoop ，首先還是先格式化hdfs，在node1 上操作

/opt/hadoop$ /opt/hadoop$ bin/hadoop namenode -format

執行畫面如：

09/03/23 20:19:47 INFO dfs.NameNode: STARTUP_MSG: 
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG:   host = Node_2_IP_Addr
STARTUP_MSG:   args = [-format]
STARTUP_MSG:   version = 0.18.3
STARTUP_MSG:   build = https://svn.apache.org/repos/asf/hadoop/core/branches/branch-0.18 -r 736250; compiled by 'ndaley' on Thu Jan 22 23:12:08 UTC 2009
************************************************************/
09/03/23 20:19:47 INFO fs.FSNamesystem: fsOwner=hadooper,hadooper
09/03/23 20:19:47 INFO fs.FSNamesystem: supergroup=supergroup
09/03/23 20:19:47 INFO fs.FSNamesystem: isPermissionEnabled=true
09/03/23 20:19:47 INFO dfs.Storage: Image file of size 82 saved in 0 seconds.
09/03/23 20:19:47 INFO dfs.Storage: Storage directory /tmp/hadoop/hadoop-hadooper/dfs/name has been successfully formatted.
09/03/23 20:19:47 INFO dfs.NameNode: SHUTDOWN_MSG: 
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at Node_2_IP_Addr
************************************************************/

step 9. 啟動Hadoop

• bin/start-dfs.sh腳本會參照namenode上${HADOOP_CONF_DIR}/slaves文件的內容，在所有列出的slave上啟動datanode。

• 在node1上，執行下面的命令啟動HDFS：

/opt/hadoop$ bin/start-dfs.sh

---

• ​http://Node_1_IP_Addr:50070/ - Hadoop DFS 狀態
• 

---

• ps: 然而JobTracker還沒啟動，因此 ​http://Node_2_IP_Addr:50030/ 網頁無法顯示

• bin/start-mapred.sh腳本會參照jobtracker上${HADOOP_CONF_DIR}/slaves文件的內容，在所有列出的slave上啟動tasktracker。

• 用ssh 操作node2執行下面的命令啟動Map/Reduce：

/opt/hadoop$ ssh Node_2_IP_Addr "/opt/hadoop/bin/start-mapred.sh"

• 啟動之後, jobtracker也正常運作囉！

---

• ​http://Node_2_IP_Addr:50030/ - Hadoop 管理介面
• 

---

step 8. 檢查運作狀態

step 9. 停止hadoop

• 在node1上，執行下面的命令停止HDFS：

  /opt/hadoop$ bin/stop-dfs.sh
  

  • bin/stop-dfs.sh腳本會參照namenode上${HADOOP_CONF_DIR}/slaves文件的內容，在所有列出的slave上停止namenode

• 在node1上，執行下面的命令停止Map/Reduce：

  /opt/hadoop$ bin/stop-mapred.sh
  

  • bin/stop-mapred.sh腳本會參照jobtracker上${HADOOP_CONF_DIR}/slaves文件的內容，在所有列出的slave上停止tasktracker。

練習

• 看 conf/hadoop-default.xml 的更多內容
• 和別人組隊，組成4台node的cluster，其中node1 只當 namenode ，node2 只當 jobtracker，而node3, node4 兩台電腦則身兼 datanode及tasktracker的工作。