Hadoop安装备忘

参考刘鹏的《实战Hadoop》一书，按照hadoop 0.20.2几个注意的地方。

第一，首先理解Hadoop中的几个后台进程。

NameNode，Secondary NameNode，JobTracker,TaskTracker,DataNode这几个角色。

NameNode：负责如何切分数据块，和切完放哪个节点。它对内存和I/O集中管理。

这个进程部署在Master节点上，是一个单点，它挂了整个系统都挂了。

Secondary NameNode：和NameNode一样，辅助程序。每个集群都有一个，它与NameNode进行通讯，定期保存HDFS元数据快照，当NameNode故障可以作为备用NameNode使用。它也是部署在Master节点上。

JobTracker负责调度作业，它决定哪些文件由哪些节点运行，并且监听TaskTracker发送来的心跳。当收不到心跳，即认为某个task失败，就会决定重启task。每个集群只有一个JobTracker。它是部署在Master节点上的。

上述三个进程都是部署在Master节点上的，而TaskTracker和DataNode进程进程是集群中各个几点都需要部署的。

DataNode负责将HDFS数据块读写到本地文件系统。当客户端读写某个数据库的时候，由NameNode告诉客户端去那个DataNode进行，然后客户端直接与这个DataNode的服务器通信，并操作相关的数据块。

TaskTracker也是位于从节点的，它负责独立执行具体的Task，每个从节点只能有一个TaskTracker，但是每个TaskTracker可以产生多个Java虚拟机，用于并行处理多个map和reduce认为。TaskTracker还会和JobTracker交互，JobTasker负责分配Task，并且检测TaskTracker的心跳，如果没有心跳，就认为已经崩溃，并将认为分配给其他的TaskTracker。

各个进程的部署图如下：

具体的安装环节，可以参考书中的步骤，但是有几个点需要注意。

主机和从机统一创建专门的运行hadoop的用户grid, 设置SSH的免密码登陆机制，可以参考http://chenlb.iteye.com/blog/211809。将所有的机器上的公钥文件上里的内容，都统一整合到一个authorized_keys文件，以此实现互相免密码登陆ssh。

启动hadoop的时候，注意要以grid用户登录，在grid用户的主目录下进行操作，有时权限的问题，此时要注意将主机和从机的hadoop文件夹的owner设置为grid用户和组。执行 chown -R grid:grid /home/grid/hadoop-1.2.1   （此处为hadoop的放置目录，这里要使用root用户修改）

然后可以到hadoop的文件夹中的bin目录下启动start-all.sh，可以看到如下的信息，说明启动成功。

此时还可以通过运行命令查看进程的启动情况，在主机上运行jdk中的jps文件，可以看到如下：

在从节点运行相同的命令，可以看到

至此，说明安装Hadoop已经成功了。