在VMware Workstation的Ubuntu下安装和配置Hadoop与Ganglia

                在VMware Workstation的Ubuntu下安装和配置Hadoop与Ganglia

  相信大部分朋友对Hadoop肯定不陌生,它是一个开源的分布式计算框架,主要由MapReduce、HDFS、Hbase这几个核心部分组成。Hadoop作为云计算的基础平台,使用它的人越来越多,对于一般人而言,要想搭建真实的集群环境是比较难的,因此想要体验Hadoop,只有在虚拟机中搭建环境了。Hadoop集群环境运行起来之后,实时的获取集群的运行情况是比较重要的,因此需要一款监控工具来进行监控。Ganglia是一个开源的监控平台,可以用它来对Hadoop进行监控,今天就来讲一下如何在Ubuntu下搭建Hadoop环境以及如何利用Ganglia来监视集群运行情况。

一.安装VMWare Workstation和Ubuntu

  从网上下载VMWare Workstation和Ubuntu,在这里我用的是VMWare Workstation 8.0.4和Ubuntu 12.04.2(Ubuntu 10貌似很多更新源都停止服务了,所以这里采用Ubuntu 12,注意Ubuntu 12要求vmware版本在8.0以上),相关安装教程可以参考这篇博文:

  《手把手教你用VMWare安装Ubuntu》(注意他这篇文章在分配磁盘空间时是立即分配的,我建议最好 把那个选项取消掉,否则在创建虚拟机的时候要等很长时间)

  

    (立即分配所有磁盘空间取消掉)

  VMWare下载地址:http://www.itopdog.cn/utilities-operating-systems/virtual-machine/vmware-workstation.html

  ubuntu 下载:http://mirrors.163.com/ubuntu-releases/或者http://mirrors.sohu.com/ubuntu-releases/

  安装好Ubuntu后,由于ubuntu 12采用的是gnome 3的界面,反映比较慢,建议用回以前的经典界面gnome 2.方法:

  需要安装gnome-session-fallback软件:

  在命令行下输入 

  sudo apt-get intall gnome-session-fallback,安装完之后,点击右上角的“设置”图标,选择“Log out”,然后就出现登录初始界面了,点击 小扳手 图标,选择 gnome classic之后重新输入密码登录,以后默认就采用经典界面了。

  

  

  

  

  重新进入系统之后,发现界面就发生了变化:

  

  注意在使用的时候最好先shutdown(关闭)系统,再关闭虚拟机的电源,以免造成系统文件意外丢失。

二.安装配置Hadoop

  1.安装VMWare Tools

  安装了VMWare Tools后,可以在宿主机和虚拟机之间直接拷贝文件。安装方法如下:

  先运行命令: 

sudo apt-get install build-essential

   然后选择:

  

  就会弹出VMWare Tools所在的文件夹,然后右键VMWare Tools.tar.gz,copy到Home目录下。

  再打开Terminal,输入解压命令:

  

  解压完成之后,进入解压目录,进行安装:

  

  安装过程中根据提示不断回车或者输入“yes”或者“no”即可。

  当出现如下界面时,表示安装成功:

  

  之后重启系统就可以直接在宿主机和VM之间互相复制粘贴文件了。

  2.安装JDK

  由于Hadoop是用Java语言编写的,运行时必须要有java环境,因此需要安装JDK。

  首先去官网下载JDK安装包,下面是下载地址:

  http://www.oracle.com/technetwork/java/javase/downloads/jdk6downloads-1902814.html

  下载下来之后,先进入到/usr/lib目录下,建立文件夹java,然后拷贝jdk到java目录下,先赋予可执行权限,再直接解压进行安装:

  

  等待片刻安装完之后,输入命令

sudo gedit  /etc/profile

  来配置环境变量,把下面代码加入到文件末尾(注意路径里面的JAVA_HOME根据个人安装路径而定):

export JAVA_HOME=/usr/lib/java/jdk1.6.0_45 
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH 
export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

  保存退出之后输入source /etc/profile使更改生效,再将安装的jdk设置为系统默认的jdk,依次输入以下命令:

sudo update-alternatives --install "/usr/bin/java" "java" "/usr/lib/java/jdk1.6.0_45/bin/java" 300
sudo update-alternatives --install "/usr/bin/javac" "javac" "/usr/lib/java/jdk1.6.0_45/bin//javac" 300
sudo update-alternatives --config java
sudo update-alternatives --config javac

  注意前2条命令的数字300前面的那个路径根据个人jdk安装路径而定。

  最后输入java -version,若出现版本信息则安装成功。    

  

  3.安装和配置Hadoop

  先从Hadoop官网或者镜像网站上下载Hadoop的相应版本,下面是下载地址:

  http://archive.apache.org/dist/hadoop/core/

  我下载的是hadoop-0.20.203.0rc1.tar.gz,然后直接复制粘贴到ubuntu的Desktop上,再在/usr目录下建立hadoop文件夹,

  将hadoop-0.20.203.0rc1.tar.gz文件直接解压到到/usr/hadoop目录下。      

  

  解压之后,需要配置系统环境变量:

  运行命令 sudo gedit  /etc/profile

  添加如下内容(注意HADOOPHOME是自己的hadoop-0.20.203.0rc1.tar.gz文件解压所在路径):

export  HADOOPHOME=/usr/hadoop/hadoop-0.20.203.0
export  PATH=$HADOOPHOME/bin:$PATH

  添加完之后source /etc/profile,以保存更改。

  然后需要更改hadoop文件夹的所属者,将所属者赋予当前用户,我的当前用户是zwl(这个步骤很重要,否则集群运行时会提示权限不够),输入下面这个条命令(后面的zwl表示当前用户名,/usr/hadoop表示要修改的文件夹):

  sudo chown -hR zwl  /usr/hadoop

  接下来需要配置/usr/hadoop/hadoop-0.20.203.0/conf/hadoop-env.sh文件:

  在该文件中添加内容:

export JAVA_HOME=/usr/lib/java/jdk1.6.0_45 

  最后需要修改/usr/hadoop/hadoop-0.20.203.0/conf/目录下的core-site.xml、hdfs-site.xml、mapred-site.xml这三个文件:

  三个文件的内容修改为下:

  core-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

 <configuration>
      <property>
              <name>fs.default.name</name>
         <value>hdfs://localhost:9000</value>   
      </property>
</configuration>

  hdfs-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>
     <property>
         <name>dfs.replication</name>
         <value>1</value>
     </property>
</configuration>

  mapred-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>
     <property>
         <name>mapred.job.tracker</name>
         <value>localhost:9001</value>
     </property>
</configuration>

  在进行这些配置之后需要安装ssh,依次输入命令

  sudo apt-get install ssh

  sudo apt-get install rsync

  完成之后输入命令

  ssh localhost

  如果没有提示错误则安装成功(默认的.ssh文件夹在  /home/用户名/   这个路径下,它是隐藏文件,快捷键Ctrl+H可以显示隐藏文件),然后需要为ssh设置免密码登录和设置权限,依次输入下面几条命令:

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
chmod 700 ~/.ssh
chmod 644 ~/.ssh/authorized_keys

  完成之后再输入ssh localhost如果不需要输入密码的话则配置ssh免密码登录成功。

  现在就可以启动hadoop集群了:

  先进入到目录/usr/hadop/hadoop-0.20.203.0命令下,输入命令进行格式化:

  bin/hadoop namenode -format

  然后启动集群:bin/start-all.sh,,如果提示以下信息则表示安装成功:

  

  关闭集群可以通过命令bin/stop-all.sh来关闭。

  hadoop集群启动之后就可以向它提交作业了,一般提交作业先需要将输入文件上传到HDFS,再将整个作业进行提交:

  以自带的wordcount程序为例:

  先进入到hadoop目录下面,输入命令:

bin/hadoop dfs -put  /usr/test.txt  /home/testin

  这条命令要注意两个参数:/usr.text.txt 是需要单词计数的源文件所在路径,/home/testin是HDFS读取输入文件所在路径

  然后就可以提交了:

bin/hadoop jar hadoop-examples-*.jar wordcount /home/testin /home/testout

  这条命令主要注意后面两个路径,第一个路径是输入所在路径,第二个路径是作业执行的输出结果路径。

  至此hadoop集群的安装和配置已经完成,接下来需要安装和配置Ganglia

三.安装和配置Ganglia

  1.安装ganglia-monitor ganglia-webfrontend gmetad

  运行命令 sudo apt-get install ganglia-monitor ganglia-webfrontend gmetad进行安装。

  安装过程中会弹出提示让重新启动apache2,选择“Yes”:

  

   完了之后会提示配置ganglia-webfrontend,选择“Yes“:

    

  在这个过程会自动安装rrdtool,php这些东西,安装完成之后,需要进行一些配置:

  先需要配置gmetad.conf,输入命令

  sudo gedit /etc/ganglia/gmetad.conf

  如果里面存在

  datasource "my cluster" localhost

  

  则不用更改,否则添加进去

  接着配置gmond.conf,输入命令

  sudo gedit /etc/ganglia/gmond.conf

  找到cluster块,将name设置成 "my cluster"。

  

  然后分别重启gmetad和gmond:

  sudo /etc/init.d/gmetad restart
  sudo /etc/init.d/ganglia-monitor restart

  接下来需要配置apche2下的httpd.conf文件,输入命令:

  sudo gedit /etc/apache2/httpd.conf

  将  ServerName localhost:80   添加进去保存(若有则不用添加)。

  再将默认的ganglia-webfrontend文件夹复制到apache的www目录下,输入命令:

  sudo cp -r /usr/share/ganglia-webfrontend /var/www/ganglia       

  然后重启apache,输入命令:        

  sudo /etc/init.d/apache2 restart

  现在打开浏览器,在地址栏输入http://localhost/ganglia就可以看到ganglia的首页了。

  

  ganglia安装成功之后,就需要进行一些配置让它来监控hadoop,这里主要修改/usr/hadoop/hadoop-0.20.203.0/conf/目录下的

  hadoop-metrics2.properties文件,将这个文件的最下面六行注释去掉,改成:

namenode.sink.ganglia.servers=239.2.11.71:8649

datanode.sink.ganglia.servers=239.2.11.71:8649

jobtracker.sink.ganglia.servers=239.2.11.71:8649

tasktracker.sink.ganglia.servers=239.2.11.71:8649

maptask.sink.ganglia.servers=239.2.11.71:8649

reducetask.sink.ganglia.servers=239.2.11.71:8649

  保存关闭之后就可以对hadoop集群进行监控了。

  

  注意我这里所有的配置都是针对hadoop的伪分布式模式的,伪分布式模式就是Namenode和datanode都在一台机器上,模拟成分布式。

  关于hadoop和Ganglia的配置就讲到这里了,若有地方有问题,最好查阅官方文档。

posted @ 2013-05-09 11:15  Matrix海子  阅读(11617)  评论(6编辑  收藏  举报