在VMware Workstation的Ubuntu下安装和配置Hadoop与Ganglia
在VMware Workstation的Ubuntu下安装和配置Hadoop与Ganglia
相信大部分朋友对Hadoop肯定不陌生，它是一个开源的分布式计算框架，主要由MapReduce、HDFS、Hbase这几个核心部分组成。Hadoop作为云计算的基础平台，使用它的人越来越多，对于一般人而言，要想搭建真实的集群环境是比较难的，因此想要体验Hadoop，只有在虚拟机中搭建环境了。Hadoop集群环境运行起来之后，实时的获取集群的运行情况是比较重要的，因此需要一款监控工具来进行监控。Ganglia是一个开源的监控平台，可以用它来对Hadoop进行监控，今天就来讲一下如何在Ubuntu下搭建Hadoop环境以及如何利用Ganglia来监视集群运行情况。
一.安装VMWare Workstation和Ubuntu
从网上下载VMWare Workstation和Ubuntu，在这里我用的是VMWare Workstation 8.0.4和Ubuntu 12.04.2（Ubuntu 10貌似很多更新源都停止服务了，所以这里采用Ubuntu 12，注意Ubuntu 12要求vmware版本在8.0以上），相关安装教程可以参考这篇博文：
《手把手教你用VMWare安装Ubuntu》（注意他这篇文章在分配磁盘空间时是立即分配的，我建议最好 把那个选项取消掉，否则在创建虚拟机的时候要等很长时间）
（立即分配所有磁盘空间取消掉）
VMWare下载地址：http://www.itopdog.cn/utilities-operating-systems/virtual-machine/vmware-workstation.html
ubuntu 下载：http://mirrors.163.com/ubuntu-releases/或者http://mirrors.sohu.com/ubuntu-releases/
安装好Ubuntu后，由于ubuntu 12采用的是gnome 3的界面，反映比较慢，建议用回以前的经典界面gnome 2.方法：
需要安装gnome-session-fallback软件：
在命令行下输入
sudo apt-get intall gnome-session-fallback，安装完之后，点击右上角的“设置”图标，选择“Log out”，然后就出现登录初始界面了，点击 小扳手 图标，选择 gnome classic之后重新输入密码登录，以后默认就采用经典界面了。
重新进入系统之后，发现界面就发生了变化：
注意在使用的时候最好先shutdown（关闭）系统，再关闭虚拟机的电源，以免造成系统文件意外丢失。
二.安装配置Hadoop
1.安装VMWare Tools
安装了VMWare Tools后，可以在宿主机和虚拟机之间直接拷贝文件。安装方法如下：
先运行命令：
sudo apt-get install build-essential
然后选择：
就会弹出VMWare Tools所在的文件夹，然后右键VMWare Tools.tar.gz，copy到Home目录下。
再打开Terminal，输入解压命令：
解压完成之后，进入解压目录，进行安装：
安装过程中根据提示不断回车或者输入“yes”或者“no”即可。
当出现如下界面时，表示安装成功：
之后重启系统就可以直接在宿主机和VM之间互相复制粘贴文件了。
2.安装JDK
由于Hadoop是用Java语言编写的，运行时必须要有java环境，因此需要安装JDK。
首先去官网下载JDK安装包，下面是下载地址：
http://www.oracle.com/technetwork/java/javase/downloads/jdk6downloads-1902814.html
下载下来之后，先进入到/usr/lib目录下，建立文件夹java，然后拷贝jdk到java目录下，先赋予可执行权限，再直接解压进行安装：
等待片刻安装完之后，输入命令
sudo gedit /etc/profile
来配置环境变量，把下面代码加入到文件末尾（注意路径里面的JAVA_HOME根据个人安装路径而定）：
export JAVA_HOME=/usr/lib/java/jdk1.6.0_45 export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
保存退出之后输入source /etc/profile使更改生效，再将安装的jdk设置为系统默认的jdk，依次输入以下命令：
sudo update-alternatives --install "/usr/bin/java" "java" "/usr/lib/java/jdk1.6.0_45/bin/java" 300 sudo update-alternatives --install "/usr/bin/javac" "javac" "/usr/lib/java/jdk1.6.0_45/bin//javac" 300 sudo update-alternatives --config java sudo update-alternatives --config javac
注意前2条命令的数字300前面的那个路径根据个人jdk安装路径而定。
最后输入java -version，若出现版本信息则安装成功。
3.安装和配置Hadoop
先从Hadoop官网或者镜像网站上下载Hadoop的相应版本，下面是下载地址：
http://archive.apache.org/dist/hadoop/core/
我下载的是hadoop-0.20.203.0rc1.tar.gz，然后直接复制粘贴到ubuntu的Desktop上，再在/usr目录下建立hadoop文件夹，
将hadoop-0.20.203.0rc1.tar.gz文件直接解压到到/usr/hadoop目录下。
解压之后，需要配置系统环境变量：
运行命令 sudo gedit /etc/profile
添加如下内容（注意HADOOPHOME是自己的hadoop-0.20.203.0rc1.tar.gz文件解压所在路径）：
export HADOOPHOME=/usr/hadoop/hadoop-0.20.203.0 export PATH=$HADOOPHOME/bin:$PATH
添加完之后source /etc/profile，以保存更改。
然后需要更改hadoop文件夹的所属者，将所属者赋予当前用户，我的当前用户是zwl（这个步骤很重要，否则集群运行时会提示权限不够），输入下面这个条命令（后面的zwl表示当前用户名，/usr/hadoop表示要修改的文件夹）：
sudo chown -hR zwl /usr/hadoop
接下来需要配置/usr/hadoop/hadoop-0.20.203.0/conf/hadoop-env.sh文件：
在该文件中添加内容：
export JAVA_HOME=/usr/lib/java/jdk1.6.0_45
最后需要修改/usr/hadoop/hadoop-0.20.203.0/conf/目录下的core-site.xml、hdfs-site.xml、mapred-site.xml这三个文件：
三个文件的内容修改为下：
core-site.xml
<?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://localhost:9000</value> </property> </configuration>
hdfs-site.xml
<?xml version="1.0"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <!-- Put site-specific property overrides in this file. --> <configuration> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration>
mapred-site.xml
<?xml version="1.0"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <!-- Put site-specific property overrides in this file. --> <configuration> <property> <name>mapred.job.tracker</name> <value>localhost:9001</value> </property> </configuration>
在进行这些配置之后需要安装ssh，依次输入命令
sudo apt-get install ssh
sudo apt-get install rsync
完成之后输入命令
ssh localhost
如果没有提示错误则安装成功（默认的.ssh文件夹在 /home/用户名/ 这个路径下，它是隐藏文件，快捷键Ctrl+H可以显示隐藏文件），然后需要为ssh设置免密码登录和设置权限，依次输入下面几条命令：
ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
chmod 700 ~/.ssh
chmod 644 ~/.ssh/authorized_keys
完成之后再输入ssh localhost如果不需要输入密码的话则配置ssh免密码登录成功。
现在就可以启动hadoop集群了：
先进入到目录/usr/hadop/hadoop-0.20.203.0命令下，输入命令进行格式化:
bin/hadoop namenode -format
然后启动集群：bin/start-all.sh,，如果提示以下信息则表示安装成功：
关闭集群可以通过命令bin/stop-all.sh来关闭。
hadoop集群启动之后就可以向它提交作业了，一般提交作业先需要将输入文件上传到HDFS，再将整个作业进行提交：
以自带的wordcount程序为例：
先进入到hadoop目录下面，输入命令：
bin/hadoop dfs -put /usr/test.txt /home/testin
这条命令要注意两个参数：/usr.text.txt 是需要单词计数的源文件所在路径，/home/testin是HDFS读取输入文件所在路径
然后就可以提交了:
bin/hadoop jar hadoop-examples-*.jar wordcount /home/testin /home/testout
这条命令主要注意后面两个路径，第一个路径是输入所在路径，第二个路径是作业执行的输出结果路径。
至此hadoop集群的安装和配置已经完成，接下来需要安装和配置Ganglia
三.安装和配置Ganglia
1.安装ganglia-monitor ganglia-webfrontend gmetad
运行命令 sudo apt-get install ganglia-monitor ganglia-webfrontend gmetad进行安装。
安装过程中会弹出提示让重新启动apache2，选择“Yes”：
完了之后会提示配置ganglia-webfrontend，选择“Yes“：
在这个过程会自动安装rrdtool，php这些东西，安装完成之后，需要进行一些配置：
先需要配置gmetad.conf，输入命令
sudo gedit /etc/ganglia/gmetad.conf
如果里面存在
datasource "my cluster" localhost
则不用更改，否则添加进去
接着配置gmond.conf，输入命令
sudo gedit /etc/ganglia/gmond.conf
找到cluster块，将name设置成 "my cluster"。
然后分别重启gmetad和gmond：
sudo /etc/init.d/gmetad restart
sudo /etc/init.d/ganglia-monitor restart
接下来需要配置apche2下的httpd.conf文件，输入命令：
sudo gedit /etc/apache2/httpd.conf
将 ServerName localhost:80 添加进去保存（若有则不用添加）。
再将默认的ganglia-webfrontend文件夹复制到apache的www目录下，输入命令：
sudo cp -r /usr/share/ganglia-webfrontend /var/www/ganglia
然后重启apache，输入命令：
sudo /etc/init.d/apache2 restart
现在打开浏览器，在地址栏输入http://localhost/ganglia就可以看到ganglia的首页了。
ganglia安装成功之后，就需要进行一些配置让它来监控hadoop，这里主要修改/usr/hadoop/hadoop-0.20.203.0/conf/目录下的
hadoop-metrics2.properties文件，将这个文件的最下面六行注释去掉，改成：
namenode.sink.ganglia.servers=239.2.11.71:8649 datanode.sink.ganglia.servers=239.2.11.71:8649 jobtracker.sink.ganglia.servers=239.2.11.71:8649 tasktracker.sink.ganglia.servers=239.2.11.71:8649 maptask.sink.ganglia.servers=239.2.11.71:8649 reducetask.sink.ganglia.servers=239.2.11.71:8649
保存关闭之后就可以对hadoop集群进行监控了。
注意我这里所有的配置都是针对hadoop的伪分布式模式的，伪分布式模式就是Namenode和datanode都在一台机器上，模拟成分布式。
关于hadoop和Ganglia的配置就讲到这里了，若有地方有问题，最好查阅官方文档。
