Changes between Initial Version and Version 1 of Hadoop_Lab7_018

Timestamp:

Apr 26, 2010, 12:19:22 PM (14 years ago)

Author:

waue

Comment:

--

Hadoop_Lab7_018

@@ +1 @@
+{{{
+#!html
+<div style="text-align: center;"><big
+ style="font-weight: bold;"><big><big>實作七： Hadoop 叢集安裝</big></big></big></div>
+}}}
+[[PageOutline]]
+
+== 前言 ==
+
+ * 您手邊有兩台電腦，假設剛剛操作的電腦為"主機一" ,另一台則為"主機二" 。則稍後的環境如下
+ 
+ || || '''管理Data的身份''' || '''管理Job的身份''' ||
+ || '''"主機一" ''' || namenode + datanode || jobtracker + tasktracker||
+ || '''"主機二" ''' || datanode|| 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。
+
+ * 確認您"主機一"的 hostname 與 "主機二" 的 hostname，並將下面指令有 主機一與主機二 的地方作正確的取代
+
+ * 維持好習慣，請幫你待會要操作的主機設root密碼
+{{{
+~$ sudo passwd
+}}}
+
+=== 清除所有在實做一作過的環境 ===
+
+ * 在 "主機一"  （有操作過 實做一 的電腦）上操作
+{{{
+~$ cd ~
+~$ /opt/hadoop/bin/stop-all.sh
+~$ rm -rf /tmp/hadoop-hadooper*
+~$ sudo rm -rf /opt/hadoop
+~$ rm -rf ~/.ssh
+}}}
+ == step 0. 設定機器的ip & hostname 資訊 == 
+
+
+
+ == step 1. 設定兩台機器登入免密碼 ==
+
+ * 請注意我們實驗環境已經把 /etc/ssh/ssh_config裡的StrictHostKeyChecking改成no，下面的指令可以檢查，如果你的設定不同的話，請修改此檔會比較順。
+{{{
+$ cat /etc/ssh/ssh_config |grep StrictHostKeyChecking
+StrictHostKeyChecking no
+}}}
+
+ * 在"主機一" 上操作
+ * 接著將key產生並複製到其他node上
+{{{
+~$ ssh-keygen -t rsa -f ~/.ssh/id_rsa -P ""
+~$ cp ~/.ssh/id_rsa.pub ~/.ssh/authorized_keys
+~$ scp -r ~/.ssh 主機二:~/
+}}}
+ * 測試看看是否登入免密碼
+{{{
+~$ ssh 主機二
+~$ ssh 主機一
+~$ 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隻手軟而已....
+
+ == step 2. 安裝java ==
+
+ * 為兩台電腦安裝java
+   * "主機一"  & "主機二"  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
+~$ ssh 主機二
+~$ sudo apt-get purge java-gcj-compat
+~$ sudo apt-get install sun-java6-bin  sun-java6-jdk sun-java6-jre
+~$ exit
+}}}
+    
+
+ == step 3. 下載安裝Hadoop到"主機一"  ==
+
+ * 先在"主機一" 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 ==
+ 
+ * "主機一" 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
+
+{{{
+#!sh
+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=/tmp/hadoop/logs
+export HADOOP_PID_DIR=/tmp/hadoop/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[http://hadoop.apache.org/core/docs/r0.18.3/quickstart.html 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
+
+{{{
+#!sh
+<configuration>
+  <property>
+    <name>fs.default.name</name>
+    <value>hdfs://主機一:9000/</value>
+    <description> </description>
+  </property>
+  <property>
+    <name>mapred.job.tracker</name>
+    <value>主機一:9001</value>
+    <description>  </description>
+  </property>
+  <property>
+    <name>hadoop.tmp.dir</name>
+    <value>/tmp/hadoop/hadoop-${user.name}</value>
+    <description> </description>
+  </property>
+</configuration>
+}}}
+   * 注意！ 我們多加了一個參數hadoop.tmp.dir，讓預設的中介資料存放在/tmp/hadoop/ 而不是/tmp/ 下，更多內容可以看conf/hadoop-default.xml
+   * 注意！fs.default.name = hdfs://主機一:9000/ ；而mapred.job.tracker = 主機一:9001，看出差異了嗎！一個有指hdfs://，一個沒有，重要！易混淆。
+   
+ == step 6. 設定masters及slaves ==
+ 
+ * 接著我們要編輯哪個主機當namenode, 若有其他主機則為datanodes
+   * 編輯 conf/slaves
+{{{
+/opt/hadoop$ gedit conf/slaves 
+}}}
+ 原本內容只有localhost一行，請刪除此行並換上"主機一" 及"主機二" 的ip
+{{{
+#!sh
+主機一
+主機二
+}}}
+
+== step 7. Hadoop_Home內的資料複製到其他主機上 ==
+
+ * 在"主機一" 上對遠端"主機二" 作開資料夾/opt/hadoop及權限設定
+{{{
+/opt/hadoop$ ssh 主機二 "sudo mkdir /opt/hadoop"
+/opt/hadoop$ ssh 主機二 "sudo chown -R hadooper:hadooper /opt/hadoop"
+}}}
+
+ * 複製"主機一" 的hadoop資料夾到"主機二" 上
+{{{
+/opt/hadoop$ scp -r /opt/hadoop/* 主機二:/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"主機一"  上操作 
+ 
+{{{
+/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 = 主機一
+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 主機一
+************************************************************/
+}}}
+
+== step 9. 啟動Hadoop ==
+
+ * bin/start-dfs.sh腳本會參照namenode上${HADOOP_CONF_DIR}/slaves文件的內容，在所有列出的slave上啟動datanode。
+ 
+   * 在"主機一" 上，執行下面的命令啟動HDFS：
+   
+{{{
+/opt/hadoop$ bin/start-dfs.sh
+}}}
+
+
+------
+   * http://主機一:50070/ - Hadoop DFS 狀態
+   * [[Image(wiki:0428Hadoop_Lab3:datanode.png)]]
+------
+   
+   * ps: 然而JobTracker還沒啟動，因此 http://主機一:50030/ 網頁無法顯示
+
+ * bin/start-mapred.sh腳本會參照jobtracker上${HADOOP_CONF_DIR}/slaves文件的內容，在所有列出的slave上啟動tasktracker。
+
+   * 在"主機一"執行下面的命令啟動Map/Reduce：
+   
+{{{
+/opt/hadoop$ /opt/hadoop/bin/start-mapred.sh
+}}}
+
+ * 啟動之後, jobtracker也正常運作囉！
+------
+   * http://主機一:50030/ - Hadoop 管理介面
+   * [[Image(wiki:0428Hadoop_Lab3:job.png)]]
+------
+
+== step 10. 停止hadoop ==
+
+ * 在"主機一" 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${HADOOP_CONF_DIR}/slaves文件的內容，在所有列出的slave上停止namenode
+
+ * 在"主機一" 上，執行下面的命令停止Map/Reduce：
+{{{
+/opt/hadoop$ 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"主機一"  只當 namenode ，"主機二"  只當 jobtracker，而node3, node4 兩台電腦則身兼 datanode及tasktracker的工作。