最近要搭hadoop环境，不想装双系统，所以就想在虚拟机上实验一番 环境准备 1、光盘镜像:CentOS-6.0-i386-bin-DVD.iso 2、VMware10 3、hadoop版本：hahadoop-2.2.0 4、jdk1.8.0 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
最近要搭hadoop环境，不想装双系统，所以就想在虚拟机上实验一番
环境准备
1、光盘镜像:CentOS-6.0-i386-bin-DVD.iso
2、VMware10
3、hadoop版本：hahadoop-2.2.0
4、jdk1.8.0
我们要建立一个具有如下配置的集群：
| host name | ip address | os | |
| 1 | master | 192.168.230.128 | CentOS6.0 |
| 2 | slave1 | 192.168.230.129 | CentOS6.0 |
安装和配置步骤具体如下：
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。
创建虚拟机比较简单，注意VMnet配置使用NAT就可以了，创建两个centOS6虚拟机，当然为了方便，最好装一下VMware Tools，这种资料网上很多，就不赘述了。
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。我们在这里加入了master和slave1的映射项。（这里我把localhost都给删了，最好还是保留吧，直接在后面append这些映射项就可以了）
执行：service network restart 以重启网络。
下载最新版本的jdk，然后在namenode和datanode节点上安装
rpm -ivh jdk-8-linux-i586.rpmroot用户登陆，命令行中执行命令”vi /etc/profile”，配置环境变量
保存并退出，执行以下命令使配置生效
source /etc/profile
在终端输入java –version 查看java配置情况
(1)所有节点执行以下命令，生成rsa密钥对:
ssh-keygen -t rsa
这将在/root/.ssh/目录下生成一个私钥id_rsa和一个公钥id_rsa.pub。
(2)将所有datanode节点的公钥id_rsa.pub传送到namenode上:
cp id_rsa.pub datanode01.id_rsa.pub//复制一份id_rsa.pub
scp datanode01.id_rsa.pub namenode节点ip地址:/root/.ssh/
//将公钥文件传送到namenode
(3)namenode节点上综合所有公钥(包括自身)并传送到所有节点上
cp id_rsa.pub authorized_keys //authorized_keys名字不能错！
cat datanode01.id_rsa.pub >> authorized_keys
然后使用SSH协议将所有公钥信息authorized_keys复制到所有DataNode的.ssh目录下
scp authorized_keys data节点ip地址: /root/.ssh/
这样配置过后，所有节点之间可以相互SSH无密码登陆，可以通过命令
“ssh 节点ip地址”来验证。
配置完毕，在namenode上执行“ssh 本机，所有数据节点”命令，因为ssh执行一次之后将不会再询问。
在namenode和datanode节点上的/usr/etc/目录下新建hadoop文件夹，将hadoop-2.2.0解压到namenode节点的hadoop文件夹下（对于datanode节点上的hadoop，将用scp指令直接从namenode节点拷贝过去，这样更方便一些），修改namenode节点的/etc/profile文件，在后面添加环境变量，如下图所示：
保存并退出，执行以下命令使配置生效
source /etc/profile
1）解压缩hadoop-2.2.0.tar.gz
tar -zxf hadoop-2.2.0.tar.gz
默认解压缩到当前目录下面，这里解压缩/usr/etc/hadoop/目录下面
2) 修改hadoop配置文件
打开hadoop-2.2.0/etc/hadoop，修改里面的配置文件
a) hadoop-env.sh，找到里面的JAVA_HOME,修改为实际地址（java_home不能写${JAVA_HOME},经过测试）
b) yarn-env.sh ，同样找到里面的JAVA_HOME,修改为实际路径（java_home不能写${JAVA_HOME},经过测试）
c) slave 这个文件配置所有datanode节点，以便namenode搜索，本例配置如下
slave1
d) core-site.xml
注意fs.defaultFS为2.2.0新的变量，代替旧的：fs.default.name
e) hdfs-site.xml
新的：dfs.namenode.name.dir，旧：dfs.name.dir，新：dfs.datanode.name.dir，旧：dfs.data.dir
dfs.replication确定 data block的副本数目，hadoop基于rackawareness(机架感知)默认复制3份分block,（同一个rack下两个，另一个rack下一 份，按照最短距离确定具体所需block, 一般很少采用跨机架数据块，除非某个机架down了）
f) mapred-site.xml.template（或者mapred-site.xml，这两个名字都可以，已通过测试）
配置其使用 Yarn 框架执行 map-reduce 处理程序
这个地方需要把mapred-site.xml.template复制重新命名
新的计算框架取消了实体上的jobtracker, 故不需要再指定mapreduce.jobtracker.addres，而是要指定一种框架，这里选择yarn. 备注2：hadoop2.2.还支持第三方的计算框架，但没怎么关注过。
g) yarn-site.xml
3) 将上述文件配置好后，将hadoop-2.2.0文件复制到其余datanode机器上的相同路径下。
scp -r /usr/etc/hadoop/hadoop-2.2.0 slave1:/usr/etc/hadoop
切换到root用户，修改/etc/profile文件 设置hadoop环境变量，
增加之后保存，设置生效：source /etc/profile
最后两行特殊说明下，有的文章中遗漏掉这部分配置，最后在启动hadoop2.2时报了下面的错误
Hadoop 2.2.0 - warning: You have loaded library /home/hadoop/2.2.0/lib/native/libhadoop.so.1.0.0 which might have disabled stack guard.
Unable to load native-hadoop library for your platform... using builtin-java classes where applicableStarting namenodes on [Java HotSpot(TM) 64-Bit Server VM warning: You have loaded library /home/hadoop/2.2.0/lib/native/libhadoop.so.1.0.0 which might have disabled stack guard. The VM will try to fix the stack guard now.It's highly recommended that you fix the library with 'execstack -c', or link it with '-z noexecstack'. localhost]sed: -e expression #1, char 6: unknown option to `s'HotSpot(TM): ssh: Could not resolve hostname HotSpot(TM): Name or service not known64-Bit: ssh: Could not resolve hostname 64-Bit: Name or service not knownJava: ssh: Could not resolve hostname Java: Name or service not knownServer: ssh: Could not resolve hostname Server: Name or service not knownVM: ssh: Could not resolve hostname VM: Name or service not known
配置完成之后需要重启电脑，所有datanode节点也需要对环境变量增加上面配置，配置完成之后重启电脑
1）hadoop namenode的初始化,只需要第一次的时候初始化，之后就不需要了
cd /usr/etc/hadoop/hadoop-2.2.0/bin
hdfs namenode -format
2）启动
启动：在namenode机器上，进入/usr/etc/hadoop/hadoop-2.2.0/sbin
执行脚本start-all.sh
3) 关闭
在namenode节点上，进入/usr/etc/hadoop/hadoop-2.2.0/sbin
stop-all.sh
启动hadoop后，在主节点的浏览器中输入地址查看
http://master:50070
http://master:8088
http://master:19888(访问有问题，不知道为什么)
至此，hadoop平台的搭建全部结束。
=================================================================================
PS：配置文件里面的文件夹如果不存在不需要自己创建，会自动生成，已经过测试。
DataNode启动不了，可能是防火墙没关，也可能是需要编辑/etc/hosts,改成这样：
127.0.0.1 localhost
192.168.230.128 master
192.168.230.129 slave1
再重新启动就可以了。（用jps可能看不到slave1，但是http://master:50070可以看到slave1已经启动成功了）
1 )datanode无法启动的问题，报错如下：
2013-06-08 17:57:27,519 FATAL org.apache.hadoop.hdfs.server.datanode.DataNode: Initialization failed for block pool Block pool BP-770817654-172.17.50.119-1370685416301 (storage id DS-803461661-172.17.50.119-50010-1370681848198) service to localhost/127.0.0.1:9000 java.io.IOException: Incompatible clusterIDs in /usr/hadoop/tmp/dfs/data: namenode clusterID = CID-cd47cf1e-0f81-41b0-97df-7407db9f1fa5; datanode clusterID = CID-0462092f-2740-40a4-bf96-246be2efc49f at org.apache.hadoop.hdfs.server.datanode.DataStorage.doTransition(DataStorage.java:390) at org.apache.hadoop.hdfs.server.datanode.DataStorage.recoverTransitionRead(DataStorage.java:190) at org.apache.hadoop.hdfs.server.datanode.DataStorage.recoverTransitionRead(DataStorage.java:218) at org.apache.hadoop.hdfs.server.datanode.DataNode.initStorage(DataNode.java:851) at org.apache.hadoop.hdfs.server.datanode.DataNode.initBlockPool(DataNode.java:822) at org.apache.hadoop.hdfs.server.datanode.BPOfferService.verifyAndSetNamespaceInfo(BPOfferService.java:279) at org.apache.hadoop.hdfs.server.datanode.BPServiceActor.connectToNNAndHandshake(BPServiceActor.java:218) at org.apache.hadoop.hdfs.server.datanode.BPServiceActor.run(BPServiceActor.java:661) at java.lang.Thread.run(Thread.java:619)
通过在网上查找资料得出：每次namenode format会重新创建一个namenodeId,而tmp/dfs/data下包含了上次format下的id,namenode format清空了namenode下的数据,但是没有清空datanode下的数据,导致启动时失败,所要做的就是每次fotmat前,清空tmp一下 的所有目录.
最后，删除/usr/hadoop/tmp下的所有内容即可。
2 )运行脚本的时候报out of memory
解决的方法是：修改配置文件hadoop-env.sh中的export HADOOP_CLIENT_OPTS="-Xmx1024m $HADOOP_CLIENT_OPTS"这个选项，把XMX改大就可以了。
=========================================================================
参考文章：http://blog.itpub.net/7483882/viewspace-1069062/
http://blog.csdn.net/dyllove98/article/details/9228673
http://blog.csdn.net/w13770269691/article/details/16883663