VirtualBox环境下基于多台ubuntu虚拟机的Hadoop分布式计算环境搭建
作者：李磊 beginner_Lee
完成时间：2011-5-23 12:15
版本：v2.0
摘要：本文介绍了在VirtualBox下安装3台ubuntu虚拟机，并搭建Hadoop环境的基本步骤，最后运行了Hadoop自带example中的wordcount例程，可以作为初学者的入门教材。
备注：原创作品，首发blog.csdn.net/beginner_Lee，如有转载敬请注明。
环境：
主机：ubuntu11.04
VirtualBox版本：4.0.6 r71344
ubuntu虚拟机版本：ubuntu11.04
ubuntu虚拟机jdk版本：jdk-1.6.0_25
ubuntu虚拟机hadoop版本：hadoop-0.20.2
关键词：Hadoop，wordcount，ssh
总体概述要在单独的一台计算机上实现Hadoop多节点分布式计算，需要通过虚拟机建立多个主机，鉴于VirtualBox的大小只是VMware的十分之一，我选择了前者。依次完成新建虚拟机、安装ssh、配置密钥实现无密码访问、安装jdk、安装hadoop并配置后，就可以运行wordcount来见识一下了不起的东西了！
详细步骤
安装虚拟机首先要在vbox中建立ubuntu系统，无论主机的操作系统是windows还是linux都没关系，我们之后进行的所有操作都只在虚拟机的ubuntu中进行。由于是在虚拟机中安装，就没有硬盘安装ubuntu那样麻烦了。上官网把ubuntu10.04LTS.iso下好，放在本地文件夹中，启动vbox，新建一个子os，选项都很简单，网卡设置为host-only，从之前下载的iso镜像启动。启动后的安装步骤在这里不再赘述，如有疑问请参照我之前的一篇文章。当第一个虚拟机建好后，不要使用同样的方法建立第二个ubuntu系统，vbox为我们提供了简便的复制方法，在Terminal中输入sudo vboxmanage clonevdi [source.vdi] [destination.vdi];就可以完全克隆一个os，之后new一个os，在选择硬盘那里找到刚clone的destination.vdi作为硬盘即可。我们用这种方法建立3台虚拟机，分别命名为UB01，UB02和UB03，它们的用户名必须一致，这里设置为vbox，为了简单，密码也统一设定为vbox。进行到这里，可以用ifconfig查看三台虚拟机的ip地址，正常的话它们的ip各不相同，且相互之间可以ping通，到这里就完成了第一步。
安装配置ssh仅仅能ping通还是不够的，为了完成分布式计算系统，需要三台机器相互之间可以无密码访问（或者是master可以无密码访问2个slave）。首先在三台虚拟机上安装ssh-openserver
sudo apt-get install ssh rsync完成后，在个人目录/home/vbox/下新建.ssh文件夹，在.ssh中执行
ssh-keygen -t rsa系统会问你一些配置，由于是初次实验，不需要这些内容，点回车继续下去即可。完成后会在.ssh/下生成id_rsa和id_isa.pub两个文件，三台机器做同样处理。忘了一件事，需要配置三台机器的别名，这样就不用通过ip互访了，打开/etc/hosts，清空里面的内容，写入
127.0.0.1localhostlocalhost.localdomainlocalhost
192.168.56.101UB01UB01.localdomainUB01
192.168.56.102UB02
192.168.56.103UB03对于UB01按如上书写，对于UB02如下，UB03则可一并推出(这里的每一个ip地址都应该是ifconfig后看到的，因机而异）
127.0.0.1localhostlocalhost.localdomainlocalhost
192.168.56.101UB01
192.168.56.102UB02UB02.localdomainUB02
192.168.56.103UB03设置完别名，可以相互ping一下看看是否生效，这里ping的对象就不是ip地址而是别名了。接下来把它们的密钥相互交换，如在UB01中执行
scp ~/.ssh/id_isa.pub vbox@UB02:/home/vbox/.ssh/id_isa.pub.UB01
scp ~/.ssh/id_isa.pub vbox@UB03:/home/vbox/.ssh/id_isa.pub.UB01这样做的目的是把UB01的密钥交给UB02和UB03，对UB02和UB03做同样处理，完成后每一个机器的/.ssh/中应该有3个密钥，一个是自己的，另两个是别人的，把自己的密钥连同别人的两个密钥加到授权密钥中（对UB01）
cat id_isa.pub >> authorized_keys;
cat id_isa.pub.UB02 >> authorized_keys;
cat id_isa.pub.UB03 >> authorized_keys;对其它两台机器做同样处理。接下来检验相互之间是否可以通过ssh实现无密码访问，在终端输入（对UB01）
ssh UB02;
ssh UB03;访问成功会现实欢迎信息，初次访问需要yes，之后就可以不直接访问了。
安装jdk在ubuntu系统中安装jdk的方法我只简述一下，有困难者请google之，网络上资源多多。首先下载对应版本的jdk，下载完成后把.bin包移动到个人目录/home/vbox/，执行
chmod u+x jdk-a.b.c.bin;
sudo -s ./jdk-a.b.c.bin;等待安装完成，会在当前路径生成jdk目录，接下来设置环境变量，在/etc/profile/中添加JAVA_HOME、JRE_HOME、CLASSPATH和PATH的值，reboot后在Terminal输入java -version会看到版本信息，证明安装成功。为了备忘，环境变量的配置还是写在下边吧
JAVA_HOME=/home/vbox/jdk1.6.0_25
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
expoet PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
安装hadoop将下载到的hadoop-0.20.2.tar.gz移动到个人目录/home/vbox/，执行安装操作
tar -xzvf hadoop-0.20.2.tar.gz会在当前路径生成hadoop文件夹，接着修改文件夹所有者
chown vbox:vbox hadoop-0.20.2随后把hadoop的环境变量加入到/etc/profile中，添加如下内容
export HADOOP_HOME=/home/vbox/hadoop-0.20.2
export PATH=$HADOOP_HOME/bin:$PATH接下来需要修改hadoop/conf/目录下的配置文件，共有6个文件需要修改，分别是masters、slaves、core-site.xml、mapred-site.xml、hdfs-site.xml、hadoop-env.sh，修改如下文件masters
UB01文件slaves
UB02
UB03文件core-site.xml
hadoop.tmp.dir
/home/vbox/tmp
As you like
fs.default.name
hdfs://UB01:9000
文件mapred-site.xml
mapred.job.tracker
UB01:9001
文件hdfs-site.xml
dfs.replication
1
文件hadoop-env.sh在末尾添加
export JAVA_HOME=/home/vbox/jdk1.6.0_25说明几个地方，以上几个文件中具体的版本号、路径与ip地址要根据各自虚拟机信息区别配置，不要把我的ip抄到你的文件里，没用的。注意hdfs-site.xml中设定为1的value是最小节点数，之前为3，会出现2个slave运行不能的情况，以上配置信息对UB01、UB02和UB03完全一致。
执行wordcount例程进入/home/vbox/hadoop/目录，格式化文件系统并启动所有服务
hadoop namenode -format;
start-all.sh编写输入文件，建立input输入并将文件写入input
echo “It is such a boring thing” > input_test_01;
echo “But I like it” > input_test_02;
hadoop fs -mkdir input;
hadoop fs －copyFormatLocal input_test_0* input;执行wordcount并察看计数结果
hadoop jar hadoop-0.20.2-examples.jar wordcount input output;
hadoop fs -cat output/part-r-00000;会在Terminal中看到如下wordcount信息
51
Damn!1
NAT1
...注意，在第一次执行wordcount后，input和output文件依旧存在，若再次执行wordcount会出现无法响应的错误，需要通过以下的命令删除input与output，系统才会正常工作。使用xxxxxx命令关闭防火墙。
hadoop dfs -rmr input output
观察运行结果，有三种方式通过web方式 http://UB01:50070通过java方式Terminal输入jps监测HDFS方式 Terminal输入hadoop dfsadmin -report
过程截图略
常用hadoop命令
hadoop namenode -format格式化节点
start-all.sh开启所有服务
hadoop dfsadmin -report察看报告
hadoop fs -mkdire input新建输入目录
hadoop fs -ls/列出文件系统
hadoopfs -put conf input将conf目录put到input目录
hadoop fs -rmr output删除output目录
hadoop jar hadoop-0.20.2-examples.jar wordcount input output运行wordcount
hadoop fs -get ouput /home/output拷贝到本地
home/cat otuput/*显示
hadoop fs -copyToLocal input /home/vbox拷贝，同fs -get
Some tips
Q：datanode个数为0或者小于预设值
A：删除各个/home/vbox/tmp文件夹
Q：将各个节点的id_rsa.pub相互追加后无法实现ssh无密码互访
A：先搞二个互访，再一个一个加上去
Q：3台ubuntu11.04的虚拟机慢死了
A：换成10.04
2012-10-25 15:291楼
"有3个密钥，一个是自己的，另两个是别人的，把自己的密钥连同别人的两个密钥加到授权密钥中（对UB01）
cat id_isa.pub >> authorized_keys;
cat id_isa.pub.UB02 >> authorized_keys;
cat id_isa.pub.UB03 >> authorized_keys;
对其它两台机器做同样处理。接下来检验相互之间是否可以通过ssh实现无密码访问，在终端输入（对UB01）
ssh UB02;
ssh UB03;
访问成功会现实欢迎信息，初次访问需要yes，之后就可以不直接访问了。"看上去，上面"cat id_isa.pub.UB03 >> authorized_keys;"后面似乎有分号或冒号，但实际上应该没有吧？另外，若说安装不了openssh-server,那么，应该试图改一下软件源，然后 sudo apt-get update
