Hadoop学习笔记(3)
——分布式环境搭建
前面，我们已经在单机上把Hadoop运行起来了，但我们知道Hadoop支持分布式的，而它的优点就是在分布上突出的，所以我们得搭个环境模拟一下。
在这里，我们采用这样的策略来模拟环境，我们使用3台ubuntu机器，1台为作主机(master)，另外2台作为从机(slaver)。同时，这台主机，我们就用第一章中搭建好的环境来。
我们采用与第一章中相似的步骤来操作:
- 运行环境搭建
在前面，我们知道，运行hadoop是在linux上运行的。所以我们单机就在ubuntu上运行着。所以同样，2台从机，同样采用linux系统。为了节省资源，本人试验时用了2台centOS系统，而且是采用命令行的方式，没有用图形方式。
系统中软件准备，第一章中我们准备了subversion ssh ant 和jdk。那在这里，从机上我们不要这么多了，我们不用再下载、编译代码了，从主机上复制就行。所以在从机上只需要安装ssh 和jdk这两个：
先用 sudo apt-get install ssh这个命令，把SSH安装起来。
注：在centOS中，使用yum install ssh。
java环境，可以在网上下载一个JDK安装包，如：jdk-6u24-linux-i586.bin
安装直接在目录下运行./jdk-6u24-linux-i586.bin即可。
然后配置jdk目录：
先进入安装目录 cd jdk-6u24-…
然后输入 PWD 就可以看到java安装目录,复制下来：
命令行执行：sudo gedit /etc/profile
在打开的文件里，追加：
export JAVA_HOME=/home/administrator/hadoop/jdk1.6.0_27 //这里要写安装目录
export PATH=${JAVA_HOME}/bin:$PATH
执行source /etc/profile 立即生效
- 网络配置
要想运行分布式环境，那这3台计算机（虚拟机）肯定是要联网才行。同时，三台之前也要畅通无阻。
如果直接采用虚拟机，就比较方便了，默在虚拟机中都使用NAT联网方式即可：
分别进入三个系统，用ifconfig命令，可以查到当前分配过来的IP地址：
如上图中可以看到是10.0.0.11。
如果发现没有eth0，也就是说网卡还没启用或分配好地址，则可以手动分配：
ifconfig eth0 10.0.0.12 netmask 255.255.255.0 //设置eht0 的IP地址
route add default gw 10.0.0.2 //设置网关
在VMware中，怎么看到网关呢，可以在菜单 编辑->虚拟网络编辑器 中看到：
网关一定要配置对，否则光IP地址后，机器之前互想ping不通的。
在配置好IP后，可以尝试ping一下网关和其他机器，看是否能通。
在这里，我们3台机IP为：
主机 master : 10.0.0.10
从机1 salter1 :10.0.0.11
从机2 salter2 :10.0.0.12
有了3台机器的IP地址，我们想，后面在配置中肯定会用到，但为了方便以后IP地址的变动，所以我们还是用另名吧。在window中，我们知道在C:\Windows\System32\driver\etc下，有个host文件，修改后，就可以将IP换成别名了。
在linux中，同样有这个文件，在/etc/hosts中。所以编辑一下： $vi /etc/hosts：
文件保存后，就可以试一下ping master ping node1来代替IP地址了。
这个操作需要在三个机器上都操作一下。
现在网络了，为了后面操作，在所有部署运行hadoop的机器上，都必须使用相同的帐号。所以需要在2台从机上创建一个与主机一样的帐号、密码：
比如都用zjf帐号： $user add zjf 设置密码： $passwd zjf 进入该帐号： $su zjf
有可能机器上会有防火墙，影响后面的远程，所以可以先关一下：
$ service iptables stop
- 配置SSH
第1章中我们了解了SSH的功能，在这里就可真正派用处了。
我们在master机中，用ssh试一下连接node1:
可以看到，需要输入密码才能够进入。远程启动所有从机时，一个个输入密码，也不是个好事，得配置下：
-
在从机node1中先实现自己登陆自己时不要输入密码。
这个在第1章中已经描述。这里就不多述了。结果就是：
-
让主结点(master)能通过SSH免密码登录两个子结点（slave）
为了实现这个功能，两个slave结点的公钥文件中必须要包含主结点的公钥信息，这样当master就可以顺利安全地访问这两个slave结点了。操作过程如下：
$cd ~/.ssh
$scp zjf@master:~/.ssh/id_dsa.pub ./master_dsa.pub
$cat master_dsa.pub >> authorized_keys
好了，配置完后，回到master机器中，再来试一下ssh node1:
OK，成功进入，没有要输入密码。
同样，把node2也安这个方式操作一下。
- 配置hadoop
在第一章配置基础上，我们需要增加两项配置：
在conf文件夹下，找到masters文件，编辑，在里面输入master后保存：
在同文件夹下，找到slaves，编辑，在里面输入node1 node2后保存：
打开conf下core-site.xml:
里面的localhost换成master。
打开conf下的marped-site.xml:
同样，也是里面的localhost换成master。
- 复制hadoop包
前面，在一台机器上部署时，我们的hadoop包是通过SVN下载了源码，然后再用ant编译出来的，但在这里，从机上就不用这么麻烦了，我们可以从主机上复制过去。如何复制呢？ 远程登陆我们用SSH，远程复制就用SCP。在复制前要注意，我们在主机中hadoop存放在什么位置，在从机中也要存放在该位置才行。
比如，在主机中，我们存放于test下，所以在2台node上，都创建一下test文件夹。
然后在主机上执行：scp -r hadoop-0.20.2/ node1:~/test 然后会看到刷屏，表示在复制了。
同样执行： scp -r hadoop-0.20.2/ node2:~/test
好了，现在两台从机上也都有了hadoop包了。
- 运行
在主机上，进入hadoop-0.20.2目录，运行bin/start-all.sh，即可以启动整个分布式系统了。
然后在主机上运行jps:
在从机上运行jps:
在主服务器上打开 http://localhost:50070，可以看到：
有两个活动的结点，点进去，可以看到：
点下面的结点可以查看详细，如果点开页面打不开，则有可能是机器防火墙阻止了。
可以进入相应机器，执行
$ service iptables stop
来关闭防火墙。
我们可以尝试上传一下文件：
$bin/hadoop fs -put ~/Tool/eclipse-SDK-3.7.1-linux-gtk.tar.gz test1.tar.gz
可以看到：
再上传一下文件：
$bin/hadoop fs -put ~/Tool/eclipse-SDK-3.7.1-linux-gtk.tar.gz test2.tar.gz
可以看到：
但发现不平衡，都跑一台上了。所以可以执行命令
$bin/hadoop balancer -threshold 1
这样，再来看：
平衡了。