wiki:jazz/Hadoop_Lab3

Version 8 (modified by jazz, 15 years ago) (diff)

--

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
    

step 1. 設定兩台機器登入免密碼

  • 在node1上操作

~$ 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enter鍵,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:hadoop 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


  • 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!


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。

Attachments (2)

Download all attachments as: .zip