注：本文的主要目的是為了記錄自己的學習過程，也方便與大家做交流。轉載請注明來自：
http://blog.csdn.net/ab198604/article/details/8250461
要想深入的學習hadoop數據分析技術，首要的任務是必須要將hadoop集群環境搭建起來，可以將hadoop簡化地想象成一個小軟件，通過在各個物理節點上安裝這個小軟件，然后將其運行起來，就是一個hadoop分布式集群了。
說來簡單，但是應該怎么做呢？不急，本文的主要目的就是讓新手看了之后也能夠親自動手實施這些過程。由於本人資金不充裕，只能通過虛擬機來實施模擬集群環境，雖然說是虛機模擬，但是在虛機上的hadoop的集群搭建過程也可以使用在實際的物理節點中，思想是一樣的。也如果你有充裕的資金，自己不介意燒錢買諸多電腦設備，這是最好不過的了。
也許有人想知道安裝hadoop集群需要什么樣的電腦配置，這里只針對虛擬機環境，下面介紹下我自己的情況：
CPU：Intel酷睿雙核 2.2Ghz
內存: 4G
硬盤: 320G
系統：xp
老實說，我的本本配置顯然不夠好，原配只有2G內存，但是安裝hadoop集群時實在是很讓人崩潰，本人親身體驗過后實在無法容忍，所以后來再擴了2G，雖然說性能還是不夠好，但是學習嘛，目前這種配置還勉強可以滿足學習要求，如果你的硬件配置比這要高是最好不過的了，如果能達到8G，甚至16G內存，學習hadoop表示無任何壓力。
說完電腦的硬件配置，下面說說本人安裝hadoop的准備條件：
1 安裝Vmware WorkStation軟件
有些人會問，為何要安裝這個軟件，這是一個VM公司提供的虛擬機工作平台，后面需要在這個平台上安裝linux操作系統。具體安裝過程網上有很多資料，這里不作過多的說明。
2 在虛擬機上安裝linux操作系統
在前一步的基礎之上安裝linux操作系統，因為hadoop一般是運行在linux平台之上的，雖然現在也有windows版本，但是在linux上實施比較穩定，也不易出錯，如果在windows安裝hadoop集群，估計在安裝過程中面對的各種問題會讓人更加崩潰，其實我還沒在windows上安裝過，呵呵~
在虛擬機上安裝的linux操作系統為ubuntu10.04，這是我安裝的系統版本，為什么我會使用這個版本呢，很簡單，因為我用的熟^_^其實用哪個linux系統都是可以的，比如，你可以用centos, redhat, fedora等均可，完全沒有問題。在虛擬機上安裝linux的過程也在此略過，如果不了解可以在網上搜搜，有許多這方面的資料。
3 准備3個虛擬機節點
其實這一步驟非常簡單，如果你已經完成了第2步，此時你已經准備好了第一個虛擬節點，那第二個和第三個虛擬機節點如何准備？可能你已經想明白了，你可以按第2步的方法，再分別安裝兩遍linux系統，就分別實現了第二、三個虛擬機節點。不過這個過程估計會讓你很崩潰，其實還有一個更簡單的方法，就是復制和粘貼，沒錯，就是在你剛安裝好的第一個虛擬機節點，將整個系統目錄進行復制，形成第二和第三個虛擬機節點。簡單吧！~~
很多人也許會問，這三個結點有什么用，原理很簡單，按照hadoop集群的基本要求，其中一個是master結點，主要是用於運行hadoop程序中的namenode、secondorynamenode和jobtracker任務。用外兩個結點均為slave結點，其中一個是用於冗余目的，如果沒有冗余，就不能稱之為hadoop了，所以模擬hadoop集群至少要有3個結點，如果電腦配置非常高，可以考慮增加一些其它的結點。slave結點主要將運行hadoop程序中的datanode和tasktracker任務。
所以，在准備好這3個結點之后，需要分別將linux系統的主機名重命名（因為前面是復制和粘帖操作產生另兩上結點，此時這3個結點的主機名是一樣的），重命名主機名的方法：
Vim /etc/hostname
通過修改hostname文件即可，這三個點結均要修改，以示區分。
以下是我對三個結點的ubuntu系統主機分別命名為：master, node1, node2
基本條件准備好了，后面要干實事了，心急了吧，呵呵，別着急，只要跟着本人的思路，一步一個腳印地，一定能成功布署安裝好hadoop集群的。安裝過程主要有以下幾個步驟：
一、 配置hosts文件
二、 建立hadoop運行帳號
三、 配置ssh免密碼連入
四、 下載並解壓hadoop安裝包
五、 配置namenode,修改site文件
六、 配置hadoop-env.sh文件
七、 配置masters和slaves文件
八、 向各節點復制hadoop
九、 格式化namenode
十、 啟動hadoop
十一、 用jps檢驗各后台進程是否成功啟動
十二、 通過網站查看集群情況
下面我們對以上過程，各個擊破吧！~~
一、 配置hosts文件
先簡單說明下配置hosts文件的作用，它主要用於確定每個結點的IP地址，方便后續
master結點能快速查到並訪問各個結點。在上述3個虛機結點上均需要配置此文件。由於需要確定每個結點的IP地址，所以在配置hosts文件之前需要先查看當前虛機結點的IP地址是多少，可以通過ifconfig命令進行查看，如本實驗中，master結點的IP地址為：
如果IP地址不對，可以通過ifconfig命令更改結點的物理IP地址，示例如下：
通過上面命令可以將IP改為192.168.1.100。將每個結點的IP地址設置完成后，就可以配置hosts文件了，hosts文件路徑為;/etc/hosts，我的hosts文件配置如下，大家可以參考自己的IP地址以及相應的主機名完成配置
二、 建立hadoop運行帳號
即為hadoop集群專門設置一個用戶組及用戶，這部分比較簡單，參考示例如下：
sudo groupadd hadoop //設置hadoop用戶組
sudo useradd –s /bin/bash –d /home/zhm –m zhm –g hadoop –G admin //添加一個zhm用戶，此用戶屬於hadoop用戶組，且具有admin權限。
sudo passwd zhm //設置用戶zhm登錄密碼
su zhm //切換到zhm用戶中
上述3個虛機結點均需要進行以上步驟來完成hadoop運行帳號的建立。
三、 配置ssh免密碼連入
這一環節最為重要，而且也最為關鍵，因為本人在這一步驟裁了不少跟頭，走了不少彎
路，如果這一步走成功了，后面環節進行的也會比較順利。
SSH主要通過RSA算法來產生公鑰與私鑰，在數據傳輸過程中對數據進行加密來保障數
據的安全性和可靠性，公鑰部分是公共部分，網絡上任一結點均可以訪問，私鑰主要用於對數據進行加密，以防他人盜取數據。總而言之，這是一種非對稱算法，想要破解還是非常有難度的。Hadoop集群的各個結點之間需要進行數據的訪問，被訪問的結點對於訪問用戶結點的可靠性必須進行驗證，hadoop采用的是ssh的方法通過密鑰驗證及數據加解密的方式進行遠程安全登錄操作，當然，如果hadoop對每個結點的訪問均需要進行驗證，其效率將會大大降低，所以才需要配置SSH免密碼的方法直接遠程連入被訪問結點，這樣將大大提高訪問效率。
OK，廢話就不說了，下面看看如何配置SSH免密碼登錄吧！~~
(1) 每個結點分別產生公私密鑰。
鍵入命令：
以上命令是產生公私密鑰，產生目錄在用戶主目錄下的.ssh目錄中，如下：
Id_dsa.pub為公鑰，id_dsa為私鑰，緊接着將公鑰文件復制成authorized_keys文件，這個步驟是必須的，過程如下：
用上述同樣的方法在剩下的兩個結點中如法炮制即可。
(2) 單機回環ssh免密碼登錄測試
即在單機結點上用ssh進行登錄，看能否登錄成功。登錄成功后注銷退出，過程如下：
注意標紅圈的指示，有以上信息表示操作成功，單點回環SSH登錄及注銷成功，這將為后續跨子結點SSH遠程免密碼登錄作好准備。
用上述同樣的方法在剩下的兩個結點中如法炮制即可。
(3) 讓主結點(master)能通過SSH免密碼登錄兩個子結點（slave）
為了實現這個功能，兩個slave結點的公鑰文件中必須要包含主結點的公鑰信息，這樣
當master就可以順利安全地訪問這兩個slave結點了。操作過程如下：
如上過程顯示了node1結點通過scp命令遠程登錄master結點，並復制master的公鑰文件到當前的目錄下，這一過程需要密碼驗證。接着，將master結點的公鑰文件追加至authorized_keys文件中，通過這步操作，如果不出問題，master結點就可以通過ssh遠程免密碼連接node1結點了。在master結點中操作如下：
由上圖可以看出，node1結點首次連接時需要，“YES”確認連接，這意味着master結點連接node1結點時需要人工詢問，無法自動連接，輸入yes后成功接入，緊接着注銷退出至master結點。要實現ssh免密碼連接至其它結點，還差一步，只需要再執行一遍ssh node1，如果沒有要求你輸入”yes”，就算成功了，過程如下：
如上圖所示，master已經可以通過ssh免密碼登錄至node1結點了。
對node2結點也可以用同樣的方法進行，如下圖：
Node2結點復制master結點中的公鑰文件
Master通過ssh免密碼登錄至node2結點測試：
第一次登錄時：
第二次登錄時：
表面上看，這兩個結點的ssh免密碼登錄已經配置成功，但是我們還需要對主結點master也要進行上面的同樣工作，這一步有點讓人困惑，但是這是有原因的，具體原因現在也說不太好，據說是真實物理結點時需要做這項工作，因為jobtracker有可能會分布在其它結點上，jobtracker有不存在master結點上的可能性。
對master自身進行ssh免密碼登錄測試工作：
至此，SSH免密碼登錄已經配置成功。
四、下載並解壓hadoop安裝包
關於安裝包的下載就不多說了，不過可以提一下目前我使用的版本為hadoop-0.20.2，
這個版本不是最新的，不過學習嘛，先入門，后面等熟練了再用其它版本也不急。而且《hadoop權威指南》這本書也是針對這個版本介紹的。
注：解壓后hadoop軟件目錄在/home/zhm/hadoop下
五、配置namenode,修改site文件
在配置site文件之前需要作一些准備工作，下載java最新版的JDK軟件，可以從oracle官網上下載，我使用的jdk軟件版本為：jdk1.7.0_09，我將java的JDK解壓安裝在/opt/jdk1.7.0_09目錄中，接着配置JAVA_HOME宏變量及hadoop路徑，這是為了方便后面操作，這部分配置過程主要通過修改/etc/profile文件來完成，在profile文件中添加如下幾行代碼：
然后執行： 
讓配置文件立刻生效。上面配置過程每個結點都要進行一遍。
到目前為止，准備工作已經完成，下面開始修改hadoop的配置文件了，即各種site文件，文件存放在/hadoop/conf下，主要配置core-site.xml、hdfs-site.xml、mapred-site.xml這三個文件。
Core-site.xml配置如下：
Hdfs-site.xml配置如下：
接着是mapred-site.xml文件：
六、配置hadoop-env.sh文件
這個需要根據實際情況來配置。
七、配置masters和slaves文件
根據實際情況配置masters的主機名，在本實驗中，masters主結點的主機名為master,
於是在masters文件中填入：
同理，在slaves文件中填入：
八、向各節點復制hadoop
向node1節點復制hadoop：
向node2節點復制hadoop:
這樣，結點node1和結點node2也安裝了配置好的hadoop軟件了。
九、格式化namenode
這一步在主結點master上進行操作：
注意：上面只要出現“successfully formatted”就表示成功了。
十、啟動hadoop
這一步也在主結點master上進行操作：
十一、 用jps檢驗各后台進程是否成功啟動
在主結點master上查看namenode,jobtracker,secondarynamenode進程是否啟動。
如果出現以上進程則表示正確。
在node1和node2結點了查看tasktracker和datanode進程是否啟動。
先來node1的情況:
下面是node2的情況：
進程都啟動成功了。恭喜~~~
十二、 通過網站查看集群情況
在瀏覽器中輸入：http://192.168.1.100:50030，網址為master結點所對應的IP：
在瀏覽器中輸入：http://192.168.1.100:50070，網址為master結點所對應的IP：
至此，hadoop的完全分布式集群安裝已經全部完成，可以好好睡個覺了。~~