Ubantu 14.04下Hadoop完全分布式集群安装
本文目的是教大家配置Hadoop的完全分布式的集群，除了完全分布式还有两种分别是单节点和伪分布式部署。伪分布式只需要一台虚拟机，配置的东西也相对较少，大多用作代码调试，大家稍微查阅资料，或者对我的配置进行一些删减，就可以实现伪分布式，所以我这里还是使用完全分布式，开了三台虚拟机，都只分配了1G，1核的默认内存，跑得无压力，所以你的笔记本大概需要4G+的内存，就可以完成这个实验。
基于Hadoop 2.x版本和1.x版本的巨大差异，而我更熟悉1.x版本，所以本次使用的Hadoop版本是1.2.1，至于2的操作和配置，你熟悉了1以后一定是手到擒来，再者网上大多资料以及书籍都是基于1.x的，这样，即使你遇到了问题，也会更好解决。
至于Hadoop下载地址网上多的是，官网也有，大家可以自行获取，我用的Linux版本是Ubantu 14.04，为什么选这个系统呢？因为我用得顺手。如果大家使用CentOS，有些指令可能略有不同，不过这应该难不倒你，百度谷歌就能告诉你答案。
先行条件：
安装Hadoop之前，有两个先行条件，一个是JAVA环境的安装，因为Hadoop是基于java开发的，具体过程我后面会讲；另一个是实现SSH互通，这个大家上课做过实验，但是Ubantu的设置和Centos有所不同！！所以我也会写在下面。
让我们开始把！
注意：1.本实验全程不要使用sudo su操作，那样非常不专业，容易导致很多安全问题的发生。
2.合理使用tab键让你linux操作更加顺手。
为了统一，大家点击虚拟机的编辑，选择虚拟网络编辑器。如下配置：
打开终端，第一步是修改hosts文件，输入：sudo vim /etc/hosts，加上以下三行：
192.168.217.130 master
192.168.217.201 slave1
192.168.217.202 slave2
然后要修改ip地址，根据上面所填写的三个内容，ip地址的设置也是不一样的。这里，要注意，Ubantu不要在终端下修改ip地址，不然后果很严重，不吹不黑，大家就用他自带图形界面来修改就好，方便又直观。
根据不同的主机，address不同，其他的一样。
然后要建立一个hadoop账户，输入如下指令：
sudo addgroup hadoop
sudo adduser --ingroup hadoop hadoop（前一个hadoop为组名，后面才是用户名，用户名可以自己取，我方便起见写了hadoop，不过我自己的虚拟机不是这样，所以看截图的时候不要太过于纠结。后面会让你输入一个密码，是你登录这个用户时的密码，键入之后，出现任何提示都直接回车表示默认）
sudo gedit /etc/sudoers（不要使用vim，因为那样子打开文件是只读的，除非你进入root，修改后，再把权限改为只读，一定要改回只读。但是这个好麻烦，没有gedit直接根据提示apt-get即可，）
在root ALL=(ALL:ALL) ALL下面，加上hadoop ALL=(ALL:ALL) ALL
添加这句话是为了让hadoop用户也能使用sudo。
输入su hadoop即可登入该用户
注：三个虚拟机都需要进行上面的操作。（可以先做一份，然后克隆两份，再进行修改，记得登录hadoop用户，接下来的配置都在这个用户下进行配置）
接下来，需要进行ssh无密码互连的操作。
输入sudo apt-get install ssh来获取ssh。
输入ls -a /home/u(u为你的当前用户，即hadoop)
里面应该可以看到一个.ssh的隐藏文件夹，如果没有可以手动创建，接下来输入命令：
ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa(这里就不详细解释每个参数的作用了，~代表当前用户文件夹，此处是/home/hadoop)
这个命令会在.ssh文件夹下创建两个文件id_dsa及id_dsa.pub,相当于现实中的锁和钥匙，把后者追加到授权的key中去，输入：
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys.
这样就可以实现无密码ssh自登陆，可以试试命令：ssh localhost
exit退出登录
为了实现master与slave之间互相都能免密码ssh登录，这里需要把id_dsa.pub发送到每一个主机的authorized_keys中，先把id_dsa.pub文件通过scp命令传输过去。
这里推荐大家进入slave1和slave2，把他们的id_dsa.pub发送到master上，然后再添加到master的authorized_keys中，再把master中的authorized_keys传到slave1和slave2中即可。
scp ~/.ssh/id_dsa.pub u@master:~/.ssh/id_dsa.pub.slave1（u处填你master的用户，即hadoop，slave1用来区别不同主机的公钥）。
然后，输入，cat ~/.ssh/id_dsa.pub.slave1 >> ~/.ssh/authorized_keys
当slave1和slave2的公钥都传入后，再键入：
scp ~/.ssh/authorized_keys slave1:~/.ssh/authorized_keys
scp ~/.ssh/authorized_keys slave2:~/.ssh/authorized_keys
此时，若在master输入ssh slave1 可以连接到slave1，那就算配置完成了。
接下来，下载hadoop。输入
wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-1.2.1/hadoop-1.2.1.tar.gz
文件会下载在当前目录，为了方便配置，换到另一个位置
mv hadoop-1.2.1.tar.gz /opt
cd /opt
tar -zxvf hadoop-1.2.1.tar.gz
解压完成后，会生成一个hadoop-1.2.1的文件夹。
我们进入，该文件夹。
cd hadoop-1.2.1
ls
我们要进入其中的conf文件夹进行配置。
我们需要配置如下参数，其余的保持默认即可。
其中每个文件的配置请大家登录我的个人主页进行下载：
http://114.215.84.38/doc/Hadoopconf.rar
然后，我们还需要配置一下JDK，前面一直忘记说了。汗，不过JDK的配置过程十分简单，先去Oracle官网获取JDK1.6以上的版本。下载下来后解压，解压命令上面写过，记住解压的位置。
然后，配置profile。输入：vim /etc/profile
箭头位置分别填入你jdk解压后的文件夹路径和Hadoop的文件夹路径。
保存后，输入
source /etc/profile
使profile立刻生效。
接下来，输入hadoop回车，应该可以看见相应的指令提示。
我们要注意，hadoop的运行脚本是放在hadoop的bin文件夹下的，我们进入那个文件夹
其中的start-all.sh和stop-all.sh是最重要的两个脚本，是用来启动和关闭我们的hadoop的，这个操作请在master上运行，否则后果很严重。
运行这个指令之前，要先初始化namenode
hadoop namenode -format
然后就可以准备运行了，在这之前，让我们输入一下jps来查看有什么java进程正在运行。
三台机器应该都是只有jps一个进程，现在让我们在master上输入
start-all.sh
然后再输入jps
master的结果应该是：
NameNode
SecondaryNameNode
JobTracker
jps
两个slave的结果应该是：
DataNode
TaskTracker
jps
这样就算安装完成了，可以试试
hadoop fs -ls来查看集群上的文件。
也可以打开浏览器，输入master：50030和master：50070来查看状态
PS：
为什么最后面的内容没有截图呢！因为我操作的时候，不小心ssh了slave1，然后在这个状况下格式化了namenode并启动了，直接就崩了好吧！！遇到这种情况怎么办，其实是有办法的。
把这四个文件夹全部删除，然后再重新创建就好了。唉，不说了，面壁了。
下面关于Hadoop的文章您也可能喜欢，不妨看看：