Hadoop安裝備忘

參考劉鵬的《實戰Hadoop》一書，按照hadoop 0.20.2幾個注意的地方。

第一，首先理解Hadoop中的幾個后臺進程。

NameNode，Secondary NameNode，JobTracker,TaskTracker,DataNode這幾個角色。

NameNode：負責如何切分數據塊，和切完放哪個節點。它對內存和I/O集中管理。

這個進程部署在Master節點上，是一個單點，它掛了整個系統都掛了。

Secondary NameNode：和NameNode一樣，輔助程序。每個集群都有一個，它與NameNode進行通訊，定期保存HDFS元數據快照，當NameNode故障可以作為備用NameNode使用。它也是部署在Master節點上。

JobTracker負責調度作業，它決定哪些文件由哪些節點運行，并且監聽TaskTracker發送來的心跳。當收不到心跳，即認為某個task失敗，就會決定重啟task。每個集群只有一個JobTracker。它是部署在Master節點上的。

上述三個進程都是部署在Master節點上的，而TaskTracker和DataNode進程進程是集群中各個幾點都需要部署的。

DataNode負責將HDFS數據塊讀寫到本地文件系統。當客戶端讀寫某個數據庫的時候，由NameNode告訴客戶端去那個DataNode進行，然后客戶端直接與這個DataNode的服務器通信，并操作相關的數據塊。

TaskTracker也是位于從節點的，它負責獨立執行具體的Task，每個從節點只能有一個TaskTracker，但是每個TaskTracker可以產生多個Java虛擬機，用于并行處理多個map和reduce認為。TaskTracker還會和JobTracker交互，JobTasker負責分配Task，并且檢測TaskTracker的心跳，如果沒有心跳，就認為已經崩潰，并將認為分配給其他的TaskTracker。

各個進程的部署圖如下：

具體的安裝環節，可以參考書中的步驟，但是有幾個點需要注意。

主機和從機統一創建專門的運行hadoop的用戶grid, 設置SSH的免密碼登陸機制，可以參考http://chenlb.iteye.com/blog/211809。將所有的機器上的公鑰文件上里的內容，都統一整合到一個authorized_keys文件，以此實現互相免密碼登陸ssh。

啟動hadoop的時候，注意要以grid用戶登錄，在grid用戶的主目錄下進行操作，有時權限的問題，此時要注意將主機和從機的hadoop文件夾的owner設置為grid用戶和組。執行 chown -R grid:grid /home/grid/hadoop-1.2.1   （此處為hadoop的放置目錄，這里要使用root用戶修改）

然后可以到hadoop的文件夾中的bin目錄下啟動start-all.sh，可以看到如下的信息，說明啟動成功。

此時還可以通過運行命令查看進程的啟動情況，在主機上運行jdk中的jps文件，可以看到如下：

在從節點運行相同的命令，可以看到

至此，說明安裝Hadoop已經成功了。