Hadoop安裝手冊1-基礎掃盲及準備工作

　　如今的Hadoop不僅聲名遠揚，影響力在apache的開源專案中也佔據著頭把交椅，國內外已有非常的成功應用。就目前來說，我對Hadoop整個體系連個大概的瞭解都說不上，個人倒是老早就想深入學習這套體系，本地磁碟上的安裝包更是早就下載好了，不過檔案儲存日期久遠的我自己都不好意思看。

　　值此新年伊始，欣喜地看到tigerfish老師第四期hadoop課程開班，我也趕緊報名參與，希望能在tigerfish老師的指導下，專心聽課認真做題，爭取在課程結業的時候，使自己對hadoop的瞭解能達到入門的水平。

　　Hadoop如今已經成長為一套體系，包含的元件眾多，要學習的知識很多，目前網際網路上的各類參考資料更是浩瀚，遇到這種情況很多朋友可能都在苦惱不知道該從何開始。就我來說倒沒有這方面的煩惱，從來這麼多年，接觸的東西也很多，但不管要學習什麼，我的學習路徑很像那些愛玩遊戲的孩子，接觸到一個感興趣的新東西，第一件事並不翻開它的說明書，而是先拿在手裡把玩一番，遇著不懂的就去找專門應對方案。等有大致瞭解之後，再會系統的閱讀官方提供的文件。

　　就Hadoop來說，在使用之前我們得首先有一套環境，因此這篇文章就算是我初次接觸Hadoop的一個記錄吧，先跟三思一起來了解到底什麼是hadoop，而後我們再親自動手，部署一套Hadoop叢集出來。

0、基礎部分掃盲

0.0 關於Hadoop

　　聽說過Doug Cutting沒，聽說過Lucene沒，聽說過Nutch沒，什麼，都沒聽過？哎，我真不知道該如何向你解釋。GOOGLE聽說過沒，這個總歸有印象了吧。為什麼要提GOOGLE呢，按照tigerfish老師所說，Hadoop就是山寨版的GOOGLE搜尋。

　　很多朋友都好奇GOOGLE/BAIDU這類搜尋引擎，是怎麼實現這麼高效的查詢速度，用的什麼資料庫等等，GOOGLE當然不會把自己的核心技術全面公開，即使對它最瞭解的非GOOGLE人士，也只能用連蒙帶猜的方式推測，因此能回答這個問題的人怕是不多的。不過我想說的是，HADOOP實現了一套類似GOOGLE的解決方案，如果你瞭解了它，那麼對於前面的問題想必也就有答案了。

　　前面提示的Nutch/Lucene又是怎麼回事兒呢，這部分內容暫不多扯，待後面我八卦些小道訊息再論。如有素材歡迎提供。

0.1 關於Hadoop家族

　　Hadoop的核心模組有兩個：HDFS(Hadoop Distributed Filesystem)和MapReduce，前者提供儲存，後者負責計算，可謂珠聯璧合，除此之後還有：

Hbase：類似Google BigTable的分散式列式資料庫；
Hive：基於Hadoop的資料倉儲工具，可以將結構化的資料檔案對映成資料庫表，並且提供SQL查詢功能，能夠將SQL語句轉換成MapReduce任務執行；
Pig：與Hive類似也是基於hadoop的擴充套件專案，據說本意是為了簡化hadoop程式設計，提供一個高度抽象的資料處理方式，具體能夠多麼簡化我也不知道，有機會接觸了再說；
ZooKeeper：分散式系統中的資源管理系統，可用於維護叢集中的資源排程；

　　其它也許還有，以後必將更多，Hadoop做為Apache基金會的頂級專案，自身也是高速發展。

0.2 hadoop的體系結構

　　Hadoop叢集中從大的粒度來看可以分為兩種角色：Master和Slave，其中master又可以分為主master和輔助master，一個節點屬於什麼角色，是由其提供的服務決定的：

主Master：主要提供下列服務：
- NameNode：管理HDFS名稱空間；
- SecondaryNameNode：輔助NameNode，可視為NameNode備份，儲存檢查點資訊，用於快速恢復NameNode；
- JobTracker：任務分配器；
輔助Master：
SecondaryNameNode：
Slave：
DataNode：HDFS資料儲存節點；
TaskTracker：任務處理器；

1、準備工作

　　正常情況下Hadoop叢集是由多個節點組成，每個節點做為其中的一個角色承擔不同的任務，比如說某個節點執行namenode，某些節點執行datanode等等，不過，使用者也可以將所有的應用都放在一個節點上，這種情況儘管也可以執行，其實就稱不上分散式了。可是，這種模式還不算極端，Hadoop還支援一種本地模式。

　　因此歸納一下，Hadoop叢集可以分三種部署方式：

Local Mode：這種模式不需要守護程式，主要用於開發階段，本地除錯MapReduce程式比較方便，可以採用這種模式，環境部署和維護各方面都簡單；
Pseudo-distributed Mode：看名字就知道了，偽分散式嘛，這種就是前面說的，所有任務都執行在同一個節點上，但是部署的時候還是按照分散式的方式部署，這種模式比較適用個人測試，它對環境的要求會低一些；
Fully-Distributed Mode：標準模式，本文中的hadoop環境就是基於這種模式部署(一主兩從的最小規模)；

1.1 初始化第一個節點

　　Hadoop執行需要JAVA環境，因此首先需要檢查系統中是否安裝的Java JDK：

[root@hdnode3 ~]# /usr/local/jdk1.7.0_09/bin/java -version

java version "1.7.0_09"

Java(TM) SE Runtime Environment (build 1.7.0_09-b05)

　　如果沒有找到java的話，需要先安裝jdk。安裝包可以到SUN官網進行下載，或者直接通過yum進行安裝，我這裡是。

編譯本地hosts檔案：

# more /etc/hosts

127.0.0.1 localhost localhost.localdomain

::1 localhost localhost.localdomain

192.168.30.203 hdnode1

192.168.30.204 hdnode2

建立使用者：

# useradd grid

# passwd grid

Changing password for user grid.

New password:

解壓縮hadoop安裝包到指定目錄下：

# tar xvfz /data/software/hadoop-0.20.2.tar.gz -C /usr/local/

不知道哪裡下載安裝包？http://www.apache.org/dyn/closer.cgi/hadoop/common/ 這裡瞅一瞅。

修改資料夾的使用者屬主：

# chown grid:grid /usr/local/hadoop-0.20.2/ -R

生成節點間金鑰，切換到grid使用者下操作：

[root@hdnode1 ~]# su - grid

[grid@hdnode1 ~]$ ssh-keygen -t rsa

Generating public/private rsa key pair.

Enter file in which to save the key (/home/grid/.ssh/id_rsa):

Created directory ¨/home/grid/.ssh¨.

Enter passphrase (empty for no passphrase):

Enter same passphrase again:

Your identification has been saved in /home/grid/.ssh/id_rsa.

Your public key has been saved in /home/grid/.ssh/id_rsa.pub.

The key fingerprint is:

b6:17:4b:7a:e1:7d:04:e6:01:49:bc:61:72:fb:b6:f3 grid@hdnode1

The key¨s randomart image is:

+--[ RSA 2048]----+

| oo. |

| . *. |

| + ++ |

| oo o |

| S +.. . |

| . = =o. |

| o =.... |

| o o. |

| oE |

而後將公鑰資訊儲存到authorized_keys檔案中：

[grid@hdnode1 ~]$ cat ~/.ssh/id_rsa.pub > ~/.ssh/authorized_keys

注意修改authorized_keys檔案許可權為600，否則節點間無密碼訪問仍有可能失敗。

配置grid使用者環境變數：

[grid@hdnode1 ~]$ vi ~/.bash_profile

增加下列內容：

export JAVA_HOME=/usr/local/jdk1.7.0_09

export HADOOP_HOME=/usr/local/hadoop-0.20.2

1.2 初始化第二和第三節點

在hdnode2和hdnode3節點上分別重複上面的步驟。

1.3 配置節點間無密碼訪問

現在我們們先將hdnode2和hdnode3兩個節點的公鑰資訊全部輸出到hdnode1的authorized_keys檔案中：

[grid@hdnode1 ~]$ ssh hdnode2 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

The authenticity of host ¨hdnode2 (192.168.30.204)¨ can¨t be established.

RSA key fingerprint is 2d:e3:a1:b8:7e:5e:06:ae:04:55:73:73:13:24:94:c8.

Are you sure you want to continue connecting (yes/no)? yes

Warning: Permanently added ¨hdnode2,192.168.30.204¨ (RSA) to the list of known hosts.

grid@hdnode2¨s password:

[grid@hdnode1 ~]$ ssh hdnode3 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

The authenticity of host ¨hdnode3 (192.168.30.205)¨ can¨t be established.

RSA key fingerprint is 2d:e3:a1:b8:7e:5e:06:ae:04:55:73:73:13:24:94:c8.

Are you sure you want to continue connecting (yes/no)? yes

Warning: Permanently added ¨hdnode3,192.168.30.205¨ (RSA) to the list of known hosts.

修改認證金鑰檔案的許可權為只有屬主使用者可讀寫：

[grid@hdnode1 ~]$ chmod 600 .ssh/authorized_keys

然後將authorized_keys檔案複製到其它節點，直接執行scp命令就可以：

[grid@hdnode1 ~]$ scp ~/.ssh/authorized_keys hdnode2:/home/grid/.ssh/authorized_keys

grid@hdnode2¨s password:

authorized_keys 100% 1182 1.2KB/s 00:00

[grid@hdnode1 ~]$ scp ~/.ssh/authorized_keys hdnode3:/home/grid/.ssh/authorized_keys

grid@hdnode3¨s password:

接下來，如果有興趣的話可以在各節點試一下ssh連線其它節點，應該不需要輸入密碼了：

[grid@hdnode1 ~]$ ssh hdnode1 date

Tue Jan 29 16:09:49 CST 2013

[grid@hdnode1 ~]$ ssh hdnode2 date

Tue Jan 29 16:09:51 CST 2013

[grid@hdnode1 ~]$ ssh hdnode3 date

注意嘍，第一次訪問時會提示，將要訪問的節點加入到已知主機列表，這是正常的，輸入yes同意，後面再訪問就不會再提示了。

至此，我們們這個無密碼訪問就算配置好了。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/7607759/viewspace-756807/，如需轉載，請註明出處，否則將追究法律責任。