Hadoop自学笔记（五）配置分布式Hadoop环境

上一课讲了如何在一台机器上建立Hadoop环境，我们只配置了一个NHName Node, 这个Name Node里面包含了我们所有Hadoop的东西，包括Name Node, Secondary Name Node, Job Tracker, Task Tracker，这一课讲解如何把上述配置放到不同机器上，从而构建一个分布式的

上一课讲了如何在一台机器上建立Hadoop环境，我们只配置了一个NHName Node, 这个Name Node里面包含了我们所有Hadoop的东西，包括Name Node, Secondary Name Node, Job Tracker, Task Tracker，这一课讲解如何把上述配置放到不同机器上，从而构建一个分布式的hadoop配置。

1. hadoop分布式安装概览

a) 2-10个nodes:Name Node, Job Tracker, Secondary Name Node都可以放在一台机器上，所有的Data Node和Task Tracker放在其他机器上

b) 10-40个nodes: 可以把Secondary Name Node分开来

c) 100+ nodes: 所有的Node和Trackers都分开放，并且添加rack awareness支持，同时需要各类优化设置。

本课的流程：

配置好ssh到所有的机器上，使其可以免输入密码连接（如同上一课所述）

配置好masters和slaves

配置好所有的*-site文件

学习使用命令来启动，控制和关闭Hadoop（常用脚本说明如下图）。

2. 配置Hadoop到2-10个节点上

这个图很帅，我们在HN Client机器上来控制所有的Hadoop机器，每个机器给一个窗口（下图已经通过ssh链接到每台机器了，链接方式见上一课）。

第一步：取消所有机器上面的ssh密码访问

ssh-copy-id -i $HOME/.ssh/id-rsa.pub nuggetuser@HNData1

把这个文件拷贝到所有的HNData和Secondary Name Node上面。这样就可以无密码登陆了。

第二步：配置Master和Slaves

所有的配置文件都在/usr/local/hadoop/conf文件夹下面

配置好masters来指向Secondary Name Node， 然后配置slaves文件指向所有的HNData Node

Master文件默认的是localhost

用任何编辑器打开masters文件，删除localhost, 输入HN2ndName (就是你Secondary Name Node 的名称)

同样，编辑slaves文件，把所有的HNData Node名称输入

第三步：配置所有的Data Node，让它们指向Name Node，所有的Task Tracker指向Job Tracker

通过core-site.xml配置前者，通过mapred-site.xml配置后者

在HNData Node配置core-site.xml如下（因为我们是直接把上次的机器配置拷贝进来的，所以可以发现这个文件已经配置过了，如下：）

配置mapred-site.xml如下：

上面的配置应该已经是这样了，不过最好还是检查好每一个Data Node中的配置是不是这样

第四步：重新格式化Name Node

hadoop namenode -format

第五步：配置完成了，可以试着看看能否启动

start-dfs.sh 这个命令启动所有的Name Nodes和Data Nodes，可以使用jps命令来查看是否成功启动了。

start-mapred.sh 这个命令启动所有的Job Trackers和Task Trackers， 同样使用jps来检测是否启动了，如果没有成功，可以去看看logs文件

3. 启动和关闭Hadoop各部分的命令

如果要删除一个node，可以建立一个excludes文件，在里面输入你不想要的node名称，比如HNData3.

然后配置HN Name Node中core-site.xml如下（在最后添加一个property）

同样可以建立一个includes文件来指定包含哪些节点

配置完成后，启用配置：

hadoop dfsadmin -refreshNodes

我们可以在hnname:50070上面看到被排除的Node

运行rebalancer命令

start-balancer.sh

关闭Job Tracker， Task Tracker：

stop-mapred.sh

关闭Name Node, Data Nodes:

stop-dfs.sh

如果要同时启动HNName Node, Data Node, Job Tracker, Task Tracker,则直接输入：

start-all.sh