部署Hadoop时注意事项.docxVIP

?部署Hadoop时的注意事项（基础篇）2010-02-13 07:16?7863人阅读?评论(0)?收藏?举报hadoopmapreduce集群ssh防火墙服务器目录(?)[+]?本作品采用知识共享署名-非商业性使用-相同方式共享 2.5 中国大陆许可协议?进行许可。??最近云计算在中国极为火爆，但看了云计算的那些云山雾罩的概念后，实在让人望而却步。还好不是所有的东西都摸不着头脑，Hadoop就是实实在在的技术之一。不才最近仔细品读了Hadoop的基础资料，特别是如何部署Hadoop的相关技术文档，发现其中有许多不为人注意的东西，在此整理一下。关于如何部署Hadoop，网上可以搜到很多文章，在这里不打算凑这个热闹。Hadoop 开发者入门专刊(pdf)?是目前比较权威的文档；有什么与Hadoop相关的技术问题也可以到专业的Hadoop技术论坛?上去讨论。Hadoop 集群的组成成份Hadoop的核心功能有两个：HDFS与MapReduce?。与HDFS相关的服务有NameNode?、SecondaryNameNode?及DataNode?；与MapReduce?相关的服务有JobTracker?和TaskTracker?两种。Hadoop集群中有两种角色：master与slave，master又分为主master与次master。其中：主 master同时提供NameNode?、SecondaryNameNode?及JobTracker?三种服务；次master只提供SecondaryNameNode?服务；所有slave可以提供DateNode?或TaskTracker?两种服务。Hadoop有三种集群方式可以选择：Local (Standalone) Mode（无集群模式）Pseudo-Distributed?Mode（单机集群模式）Fully-Distributed?Mode（多机集群模式）一个Hadoop集群由多台电脑组成，每台电脑可作为一种或多种角色存在。当使用Pseudo-Distributed?Mode创建Hadoop集群时，一台电脑同时完成主master和slave两种角色的任务。在Fully-Distributed?Mode下，如果只有一台电脑作为master，则此电脑完成主master的任务；如果有多台电脑作为master存在，则第一台电脑完成主master的任务，其它电脑完成次master的任务。无密码SSH 登录启动Hadoop的方式是在主master上调用下面的命令：$HADOOP_HOME?/bin/start-all.sh此调用过程中，Hadoop依次启动以下服务：在主master上启动NameNode?服务；在主master上启动SecondaryNameNode?服务；在次master上启动SecondaryNameNode?服务；在所有slave上启动DataNode?服务；在主master上启动JobTracker?服务；在所有slave上的TaskTracker?服务。在此需要注意以下几点：启动NameNode?与JobTracker?服务不需要SSH授权；需要通过SSH登录之后才能启动SecondaryNameNode?、DataNode?以及TaskTracker?服务，因此：因为需要启动SencondaryNameNode?服务，所以要为主master提供SSH授权；因为需要启动SencoddaryNameNode?服务，所以要为所有的次master提供SSH授权；因为需要启动DataNode?和TaskTracker?服务，所以要为所有的slave提供SSH授权。总而言之，要为Hadoop集群中的所有计算机提供SSH授权。为什么要提供无密码SSH登录方式呢？为的是图省事儿。试想在启动 Hadoop集群过程中，要手动输入每一台电脑的SSH密码将是一件多么烦人的事！SSH授权的方法在这里不做详细的描述。无密码SSH登录技术也是相对成熟的技术。但有一个环节需要注意，那就是文件的访问权限问题。表现为：Linux系统中$HOME目录下的.ssh目录为用户所有，权限必须为700（只有用户自己可以全权访问）；.ssh目录下的授权文件“authorized_keys”为用户所有，权限必须为644。?关闭防火墙部署Hadoop集群时，master与slave的防火墙均要关闭。关闭防火墙的根本目的也是为了图省事儿，因为在使用HDFS与MapReduce?时，Hadoop会打开许多监听端口。它们分别是：与HDFS有关的地址及端口属性位置：conf/core-site.xml必须项：是常用值：hdfs://?[域名或IP地址]?:9000说明：NameNode?主服务器的地址必须在所有master及s