2.4 HDFS的安装和配置

HDFS通过一个NameNode作为master来统筹管理多个作为slaves的DataNode，是Hadoop的核心功能组件。安装完Hadoop后，即完成了HDFS的安装。HDFS为分布式计算存储提供了底层支持，功能及用法类似于本地文件系统。

2.4.1 Hadoop的安装

HDFS是Hadoop的核心项目，安装程序已经包含在Hadoop核心程序包中，从一定意义上讲，HDFS的安装配置与Hadoop是一致的。

Hadoop集群安装主要有以下工作。

1．准备工作

（1）首先从官网下载一个Hadoop程序包。一般Hadoop分为两个压缩文件，一个是源代码，一个是编译好的程序包。用户可根据需要选择不同的版本下载安装。

（2）安装Linux服务器和必要的软件。Hadoop既可以支持单台服务器的伪分布式部署，也可以多台集群配置部署。必需的软件主要有Java、SSH等。

（3）对Linux进行必要的系统配置。如主机名、DNS、环境变量等。

2．安装Java并配置SSH无密码访问

通过配置SSH实现基于公钥方式的无密码登录，具体操作步骤为：创建一个新的hadoop账户，生成这个账户的SSH公钥，配置公钥授权文件及设置SSH服务登录方式等。

3．解压安装Hadoop安装包

将安装软件解压到集群内的所有机器上。

通常，安装路径要一致，一般用HADOOP_HOME指代安装的根路径，集群里的所有机器的HADOOP_HOME路径相同。

如果集群内机器的环境完全一样，可以在一台机器上配置好，然后将整个文件夹拷贝到其他机器的相同位置即可。

4．配置hadoop-env.sh文件

包含Hadoop启动的时候配置的环境变量，包括Hadoop自身配置、JDK等的设置。

5．配置core-site.xml、hdfs-site.xml、mapred-site.xml等文件

配置信息将在后面详细介绍。

6．格式化HDFS文件系统

这类似于Windows文件系统使用前需要格式化。

7．启动所有节点并测试

本章中，我们将下载使用Hadoop 2.6.0版本，在CentOS 6.5上分别搭建伪分布式环境（即在单独的一台服务器上安装运行所有的Hadoop功能组件）和集群环境作为实验平台。

（1）伪分布式部署。

①安装CentOS 6.5操作系统，如图2-14所示。

②检查Java安装情况，如图2-15所示。如未安装，可用rpm包或者yum等方式安装Java。这里，我们使用Java 1.7版本。

③修改hosts文件，设置主机名。在hosts文件最后，加入一行主机名与IP地址，如图2-16所示。

④使用useradd命令创建“hadoop”用户，登录并配置SSH无密码登录，如图2-17所示。

进入．ssh目录，将id_rsa.pub复制，并且命名为“authorized_keys”，然后设置文件权限，如图2-18所示。

⑤将Hadoop安装包解压到要安装的路径中。这里，将Hadoop安装在/home/hadoop/用户目录下。

⑥配置环境变量。在/etc/profile文件中配置Java及Hadoop相关的环境变量，并使之生效。如图2-19所示。

⑦配置Hadoop安装文件中的环境变量。

配置etc/hadoop/hadoop-env.sh文件，如图2-20所示。

配置etc/hadoop/core-site.xml文件，加入如图2-21所示的内容。

配置etc/hadoop/hdfs-site.xml文件，加入如图2-22所示的内容。

配置etc/hadoop/slaves，加入DataNode节点，即当前主机名，如图2-23所示。

⑧在服务器上创建目录/home/hadoop/hadoop/tmp、/home/hadoop/hadoop/dfs/name、/home/hadoop/hadoop/dfs/data，并赋予读写权限。

至此，基于单台服务器的Hadoop伪集群安装部署完成，启动运行即可。

（2）集群部署。

分布式集群部署与单机Hadoop类似，流程上稍微复杂一些。我们以安装包括1个NameNode和3个DataNode的Hadoop集群为例。配置见表2-3。

①在各个节点安装CentOS 6.5操作系统，安装Java、SSH等软件，配置允许SSH通过防火墙或者直接关闭各个主机的防火墙；添加名为“hadoop”的Linux用户；修改“/etc/sysconfig/network”中的hostname设置。

②配置各个主机的IP，并修改“/etc/hosts”文件，将每个节点的主机名写入到hosts文件中进行解析，如图2-24所示。

③配置SSH无密码登录。首先在各个节点的hadoop用户下创建密钥，然后将4个节点的公钥文件id_rsa.pub的内容放到authorized_keys文件里，并设置文件权限。最后测试节点之间是否能够通过SSH互相连通，如图2-25所示。

④将Hadoop安装包解压到要安装的路径中。这里，我们将Hadoop安装在用户目录“/home/hadoop/”下面。

⑤配置环境变量。在所有节点的“/etc/profile”文件中配置Java及Hadoop相关的环境变量，并使之生效，如图2-26所示。

⑥在NameNode节点中，修改Hadoop安装目录中的配置文件。

配置etc/hadoop/hadoop-env.sh文件，增加Java接口设置，如图2-27所示。

配置etc/hadoop/core-site.xml，加入如图2-28所示的内容。

配置etc/hadoop/hdfs-site.xml，加入如图2-29所示的内容。

配置etc/hadoop/slaves，加入DataNode节点，如图2-30所示。

⑦创建Hadoop数据目录：/home/hadoop/hadoop/tmp、/home/hadoop/hadoop/dfs/name、/home/hadoop/hadoop/dfs/data，并赋予读写权限。

⑧将目录“/home/hadoop/Hadoop”整体复制到其他三个节点，如图2-31所示。

至此，Hadoop集群安装完成。

主要区别在于：

●SSH无密码登录配置。需要在每一台Hadoop的节点上都配置SSH无密码登录，使节点之间能够相互访问。

●系统配置文件。在每台服务器上进行系统配置及网络主机名配置。

●Hadoop配置。在Hadoop安装包的etc/hadoop/slaves中加入所有数据节点。其他配置，如文件副本数量等，可按实际情况设置。

2.4.2 HDFS的配置

Hadoop与HDFS相关的配置文件主要是core-site.xml、hdfs-site.xml、mapred-site.xml等三个配置文件，默认情况下，这些配置文件都是空的。

1. core-site.xml的配置

core-site.xml是Hadoop的核心配置项，是全局配置，包括HDFS和MapReduce常用的I/O设置等。其中，涉及HDFS的主要配置选项见表2-4。

分布式集群部署模式时，核心配置文件core-site.xml的参考配置格式如下：

        <configuration>
            <property>
              <name>fs.defaultFS</name>
              <value>hdfs://master:9000</value>
            </property>
            <property>
              <name>io.file.buffer.size</name>
              <value>131072</value>
            </property>
            <property>
              <name>hadoop.tmp.dir</name>
              <value>file:/home/hadoop/tmp</value>
            </property>
            <property>
              <name>hadoop.proxyuser.hduser.hosts</name>
              <value>＊</value>
            </property>
            <property>
              <name>hadoop.proxyuser.hduser.groups</name>
              <value>＊</value>
            </property>
        </configuration>

2. hdfs-site.xml配置

hdfs-site.xml是HDFS的局部配置文件，主要配置选项见表2-5。

3. mapred-site.xml配置

mapred-site.xml用于配置MapReduce使用的框架，与HDFS的关联主要是文件和I/O操作。这里简单介绍一下mapred-site.xml的相关配置项，见表2-6。

2.4.3 启动HDFS

配置完成后，需要先在NameNode中格式化HDFS系统，然后再启动。

1. HDFS的格式化

如图2-32所示，我们使用“hdfs namenode -format”命令格式化Hadoop 2.6.0的HDFS系统。

2. HDFS的启动

通过执行脚本start-dfs.sh或start-all.sh启动Hadoop文件系统，如图2-33所示。

3．验证

可以使用Java自带的小工具jps查看进程，如图2-34所示；也可以用“hdfs dfsadmin-report”命令查看Hadoop集群的状态，如图2-35所示。

打开浏览器，输入“http://localhost:50070”，页面显示正常内容，说明Hadoop安装成功并在运行中，如图2-36所示。