作者：田逸( sery@163.com )  from http://blog.formyz.org 如需转载请注明出处及署名，否则追究责任。

因为需要分析大量的访问日志，现有的分析方式（单机）不能满足需求，因此需要部署hadoop来解决这个问题。在我做分布式文件系统之前，曾经部署测试过hadoop，使用的版本为hadoop-0.19.0，记得当时配置起来很快就成功了。这次测试，我使用的是最新版本hadoop-0.20.1,在部署过程中，花了不少时间才做成功（2天）。为备忘，特记录之。

 

hadoop-0.20.1跟旧的版相比，有些文件发生了变化，主要的变化是conf目录，我在这里给出一个简单的对比表：

 

网上现有的hadoop文章，需要修改的文件是hadoop-site.xml,可是hadoop-0.20.1版本确没有这个文件，取而代之的是core-site.xml。

 

一、部署hadoop

hadoop部署分两步：名称节点（namenode）无密码访问各数据节点(datanode)和配置hadoop.我的实验环境为一个名称节点，两个数据节点.不幸的是其中的一个数据节点坏了。因此只能用一个数据节点来测试。在这个测试中，namenode的ip:192.168.199.135，datanode的ip:192.168.199.136.

 

(一)、名称节点（namenode）无密码访问各数据节点(datanode)

 

1、名称节点和数据节点各自创建用户hadoop,使用相同的密码。

 

2、以hadoop用户名登陆名称节点执行  ssh-keygen  -t  rsa 然后一路回车，完毕后生成文件.ssh/id_rsa.pub,把这个文件复制到当前位置，命名为authorized_keys；然后执行命令 ssh 127.0.0.1,如果不需要密码则直接登陆进去的话，就达到要求；否则需检查authorized_keys的权限，看是否为644（-rw-r--r--）。接下来，同样也hadoop用户登陆数据节点服务器，创建.ssh目录，并给与600权限（chmod 600 .ssh）; 再把名称服务器上的authorized_keys复制到目录./ssh,注意权限和目录结构跟名称节点保持一致，然后再从名称节点用ssh登陆数据节点，如果不需要密码能登陆成功，则ssh的配置结束。

 

(二) hadoop配置

 

1、下载jdk并设置。我的 JAVA_HOME =/usr/local/jdk1.6.0_06

 

2、下载hadoop，解包，复制到/usr/local/hadoop.即 HADOOP_HOME=/usr/local/hadoop

 

3、数据存放目录分离，即数据的实际存放不在 HADOOP_HOME（网上的n多文章是在hadoop安装目录）.我用2个1TB的硬盘单独来存放实际的数据块，其名称为/disk2,/disk3.格式化这两个硬盘并创建文件系统，然后挂接到这2个目录。相关步骤省略。

 

4、设置目录、文件的属主。chown -R  hadoop:hadoop  /disk2  /disk3  /usr/local/hadoop

 

5、在文件/usr/local/hadoop/conf/core-site.xml 的<configuration>与</configuration>中间插入如下内容（内容从网上找的）：

 

根据字面意思，不难理解每个文本块的作用，因此这里不再啰嗦。有一点需要提及，就是“<value> hdfs://hadoop:9000</value>”，我起初用的是ip,运行程序时可能会出错。

 

6、修改文件/usr/local/hadoop/conf/slaves及/usr/local/hadoop/conf/masters,把数据节点的主机名加到slaves、名称节点主机名加到masters。可以加多个，每行一个。注意主机名需要在每个服务器的/etc/hosts映射好。

 

7、修改文件/usr/local/hadoop/conf/hadoop-env.sh,加入 export JAVA_HOME=/usr/local/jdk1.6.0_06一行即可。

 

8、在每个数据节点重复1~7这些步骤。

 

 

二、初始化和启动hadoop集群

 

（一）hadoop的大部分操作都是在命名节点进行的。以hadoop用户登陆系统然后执行 hadoop namenode -format ,一般都能顺利完成这个过程。执行完初始化后，各数据节点并没有进行任何操作（最重要的事情就是生成一堆目录）。

 

（二）启动hadoop服务。命名服务器以hadoop用户执行 start-all.sh . 查看进程，如果正常，应该看见2-3个java进程。启动正常的话，数据节点开始生成相关的目录。其对比输出如下：

 

三、测试

1、查看hadoop状态，使用命令 $hadoop dfs -report.下面是我的服务器的输出：

 

特别要注意有没有“ Datanodes available: 1 (1 total, 0 dead)”出现，如果没有数据节点被连接，请登录数据节点，查看hadoop的日志文件，查找其失败的原因。

 

2、创建目录。$hadoop  dfs -mkdir sery ,然后再传几个大文件 $hadoop dfs -put 7.*  sery . 传了900M  左右的数据（2个iso文件），很快传完。执行 $hadoop dfs -ls sery , 其输出为：

也可以通过浏览器，输入 http://192.168.199.135:50070/dfshealth.jsp 查看其存储情况。我的一个输出如下：

 

 

3、故障测试。需要2个数据节点，先关闭一个数据节点，然后网hadoop创建目录和拷贝数据。完毕后启动被关闭的数据节点的服务，观察其运行情况。

 

 

四、杂项

 

如果数据节点有2个以上的分区或硬盘需要拿来存放数据，则需要修改配置文件core-site.xml,请看下面的例子：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>

<property>
  <name>fs.default.name</name>
  <value>hdfs://192.168.0.135:9000</value>
  <description>The name of the default file system. Either the literal string "local" or a host:port for DFS.</description>
</property>

<property>
  <name>mapred.job.tracker</name>
  <value>hadoop-m:9001</value>
  <description>The host and port that the MapReduce job tracker runs at. If "local", then jobs are run in-process as a single map an
d reduce task.</description>
</property>

<property>
  <name>hadoop.tmp.dir</name>
  <value >/disk2/hadoop/filesystem/tmp,/disk3/hadoop/filesystem/tmp</value>
  <description>A base for other temporary directories.</description>
</property>

<property>
  <name>dfs.name.dir</name>
  <value>/ disk2/hadoop/filesystem/name,/disk3/hadoop/filesystem/name</value>
  <description>Determines where on the local filesystem the DFS name node should store the name table. If this is a comma-delimited
list of directories then the name table is replicated in all of the directories, for redundancy. </description>
</property>

<property>
  <name>dfs.data.dir</name>
  <value >/disk2/hadoop/filesystem/data,/disk3/hadoop/filesystem/data</value>
  <description>Determines where on the local filesystem an DFS data node should store its blocks. If this is a comma-delimited list
of directories, then data will be stored in all named directories, typically on different devices. Directories that do not exist are
 ignored.</description>
</property>

<property>
  <name>dfs.replication</name>
  <value>1</value>
  <description>Default block replication. The actual number of replications can be specified when the file is created. The default i
s used if replication is not specified in create time.</description>
</property>

</configuration>

 

注意：<value>......</value>出现2个字段值，中间用逗号分割。如有更多共享分区，则依照这个规则加入。