在VMWare中建立Hadoop虚拟集群的详细步骤（使用CentOS）

最近在学习Hadoop，于是想使用VMWare建立一个虚拟的集群环境。网上有很多参考资料，但参照其步骤进行设置时却还是遇到了不少问题，所以在这里详细写一下我的配置过程，以及其中遇到的问题及相应的解决方法。一来做个记录，二来也希望能帮到大家。

目标

我们要建立一个具有如下配置的集群：

	host name	ip address	os
1	master	192.168.224.100	CentOS
2	slave1	192.168.224.201	CentOS
3	slave2	192.168.224.202	CentOS

其中master为name node和job tracker节点，slaveN为data node和task tracker节点。

步骤

1. 配置虚拟网络

如果你对VMWare和网络配置比较熟悉，可以忽略这一步，但是后面配置IP地址时具体的参数可能和我说的不一样。如果你想通过一步一步操作就能成功的话，就需要这些设置

通过VMWare -> Edit -> Virtual Network Editor打开如下对话框：

在上面的列表中选中VMnet8 NAT那一行，然后按图设置所有内容，之后点击NAT Setting按钮，打开如下对话框，确保各个参数如图中所示设置。

2. 创建虚拟机

虚拟机命名为master，创建过程中网络模式可以任意选择，下面假设选择的是NAT方式。需要额外注意的是去【控制面板/管理工具/服务】中看一下VMWare相关的服务是否都已经启用，我就曾因为NAT服务没有启用，而造成各个虚拟机之间无法ping通，而浪费了很多时间。

到http://www.centos.org/中下去CentOS的iso镜像，使用minimal版本就可以，这样能效的控制虚拟机的大小。

然后就是虚拟机安装的过程了，我们不需要安装VMWare Tools。而且这时不需要创建多台虚拟机，我们将统一配置一台虚拟机，然后复制出其它虚拟机，后面的详细的说明。

后面的步骤中我们假设使用root登录虚拟机，密码假设为hadoop。

2. 配置网络

关掉SELINUX：vi /etc/selinux/config ，设置SELINUX=disabled，保存退出。

关闭防火墙：/sbin/service iptables stop;chkconfig --level 35 iptables off

修改IP地址为静态地址：vi /etc/sysconfig/network-scripts/ifcfg-eth0，将其内容改为如下图所示，注意HWADDR那一行，你所创建的虚拟机的值很可能与之不同，保持原值，不要修改它！

修改主机名称： vi /etc/sysconfig/network，将其内容改为如下图所示：

修改hosts映射：vi /etc/hosts，将其内容改为如下图所示。我们在这里就加入了slave1和slave2的映射项，以简化后面的步骤。

执行：service network restart 以重启网络。

3. 安装putty

我使用这个工具将windows中的文件传到虚拟机中，因为使用wget下载相应的软件包比较困难。

从http://www.putty.org/下载putty套件，解压到你喜欢的目录就可以了，确保里面有pscp.exe。

4. 安装JDK

从下面的地址下载JDK，文件名是jdk-6u26-linux-i586.bin，如果这个地址已经失效，你可以在oracle的网站上下载最新的版本。

http://download.oracle.com/otn/java/jdk/6u26-b03/jdk-6u26-linux-i586.bin

我是在windows下用迅雷下载的，假设下载后文件放在 e:\jdk-6u26-linux-i586.bin 这个位置，在虚拟机开机的状态下从windows中打开命令提示符，运行如下命令（其中的pscp就是putty中的pscp.exe，所以你可能需要到相应的目录中去执行，或者将其所在的目录添加到PATH中）：

pscp e:\jdk-6u26-linux-i586.bin root@192.168.224.100:~/

如果提示输入密码，就输入虚拟机中root帐户的密码（假设为hadoop）。

然后进入虚拟机，执行如下命令：

mkdir -p ~/bin
mv ~/jdk-6u26-linux-i586.bin ~/bin
cd ~/bin
./jdk-6u26-linux-i586.bin

然后修改环境变量：vi ~/.bash_profile，在最后添加

export JAVA_HOME=/root/bin/jdk1.6.0_26
export PATH=$PATH:$JAVA_HOME/bin

保存退出后，执行 source ~/.bash_profile 使配置生效，之后可以执行java命令以判断是否已经配置成功。

5. 安装Hadoop

从http://labs.renren.com/apache-mirror/hadoop/common/hadoop-0.20.2/中下载hadoop-0.20.2.tar.gz，放到~/bin目录下（如果你是在windows下下载的，就通过上面的方法将其复制到虚拟机中）。执行下列命令：

tar -xzvf hadoop-0.20.2.tar.gz
cd ~/bin/hadoop-0.20.2/conf
vi hadoop-env.sh

将JAVA_HOME一行的注释去掉，并改为如下设置:

export JAVA_HOME=/root/bin/jdk1.6.0_26

然后添加环境变量 vi ~/.bash_profile ，使其内容如下所示（已经合并了前面关于JAVA的设置）

export JAVA_HOME=/root/bin/jdk1.6.0_26
export HADOOP_HOME=/root/bin/hadoop-0.20.2
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

现在就可以在shell中运行hadoop，以确定能正常执行了。下面还要对hadoop进行设置，所有要设置的文件都在~/bin/hadoop-0.20.2/conf目录下。如果你足够懒的话，可以在windows下创建这几个文件，把相应的内容复制到文件中，然后通过pscp.exe复制到虚拟机中去。

core-site.xml的内容：

<?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://master:9000</value>
  </property>
  <property>
    <name>Hadoop.tmp.dir</name>
    <value>/tmp/hadoop-root</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>3</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>master:9001</value>
  </property>
</configuration>

slaves

slave1
slave2

masters的内容为空，此文件用于配置secondary name node，我这次建立的集群不需要此节点，如果需要的话可以将其主机名加入此文件中（别忘了在/etc/hosts中加入相应的条目）。

6. 复制虚拟机

使用VMWare中clone功能，复制出另外两台虚拟机，分别命名为slave1和slave2。因为克隆出的虚拟机网卡地址已经改变，所以要分别在复制出的两台虚拟机中执行以下操作：

执行：rm -f /etc/udev/rules.d/70-persistent-net.rules
执行：reboot 重启虚拟机
执行：vim /etc/sysconfig/networking/devices/ifcfg-eth0 将其中的 HWADDR修改为新虚拟机的网卡地址，具体查看方式为：在虚拟机设置中选中Network Adapter，如下图所示，选择Advanced，如下图红框中所示即为网卡地址。
同样在此文件中将IPADDR改为192.168.224.201(对于slave1)或192.168.224.202(对于slave2)。
修改slave1和slave2的/etc/sysconfig/network文件，将主机名改为slave1或者slave2。

7. 设置SSH

打开三台虚拟机，登录到master中，执行如下命令：

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
ssh slave1 "mkdir ~/.ssh"
scp ~/.ssh/id_dsa.pub slave1:~/.ssh/authorized_keys
ssh slave2 "mkdir ~/.ssh"
scp ~/.ssh/id_dsa.pub slave2:~/.ssh/authorized_keys

中间可能需要输入密码，按提示输入即可。现在分别执行如下命令

ssh localhost
ssh slave1
ssh slave2

不需要再输入密码就对了。

8. 启动Hadoop

执行HDFS格式化命令：hadoop namenode -format

在master虚拟机中进入/root/hadoop-0.20.2/bin目录，执行 ./start-all.sh 就OK了。

你可以在宿主机中打开浏览器，指向 192.168.224.100:50070 查看HDFS的信息。

如果你是一步一步操作下来的，应该不会遇到什么问题，如果有问题，欢迎一起来讨论。

posted @ 2013-07-02 16:21 Bruce Bi 阅读(6962) 评论(3) 编辑收藏举报

刷新页面返回顶部