五、搭建Hadoop集群

上面的步骤，确认了单机可以执行Hadoop的伪分布执行，真正的分布式执行无非也就是多几台slave机器而已，配置方面的有一点点区别，配置起来就非常简单了。

1、准备三台服务器

在每台机器的/etc/hosts中都将ip及hostname给映射上：

其中192.168.56.101为前面配置的那台服务器，用于做为namenode及jobtracker，另外两台用于做slaves，用于执行datanode及tasktracker。

要使某台服务器成为namenode，必须在要core-site.xml中指定它；要使某个节点成为jobtracker，必须在mapred-site.xml指定它，这个参见第5点中的core-site.xml以及mapred-site.xml的配置。

对Hadoop来说，从hdfs的角度来看有namenode及datanode，namenode只能够有一个，而datanode可以有多个，namenode存放的是datanode中文件的元数据，客户端通过namenode获取datanode中文件的信息；从jobtracker角度来说看有jobtracker及tasktracker，jobtracker只能够有一个，而tasktracker可以有多外，tasktracker通过jobtracker来调度。

在本例中使用192.168.56.101做为namenode及jobtracker，使用192.168.56.102做为secondarynamenode、datanode以及tasktracker，使用192.168.56.103做为datanode以及tasktracker，详情参见下面的配置。

2、三台服务器要具有一致的配置信息

1）、JDK的路径必须相同；

2）、操作Hadoop的用户必须相同；

3）、Hadoop的存放路径必须相同；

Slave机器上的hadoop可直接将namenode上面的hadoop拷贝过去，不用做任何修改，只要路径放置就可以了；

4）、每台机器~/.ssh目录下存放相同的id_rsa及authorized_keys

将namenode的机器上的~/.ssh/id_rsa及authorized_keys拷贝到每台slave机器上的~/.ssh中，当然slave机器中也必须是安装了ssh的了，然后在每台机器上都通过ssh访问一下其它的两台机器，确保都是可以不输入密码访问的。

5）、三台机器的/etc/profile中的内容相同；

3、修改$HADOOP_HOME/conf/slaves文件

这个文件存放的是所有datanode的IP或者机器名，每行指定一个。我们这里使用nginx2及nginx3来做为datanode，因此slaves文件的配置如下：

4、修改$HADOOP_HOME/conf/masters文件（此例中可选）

masters文件中放置的是secondarynamenode的机器名，其中默认的内容为“localhost”，但是在生产环境中，肯定不会将namenode和secondarynamenode放置在同一台服务器上，在此例中我就将secondarynamename设置在第二台服务器上，那么此时文件中的内容应该如下：

5、修改core-site.xml、mapred-site.xml及hdfs-site.xml

只需要做简单的修改就可以了，不同点以红色字体标识出。

core-site.xml：

mapred-site.xml：

hdfs-site.xml：

6、启动验证

6.1查看进程

DataNode都是通过NameNode启动起来的，因而启动的时候只需要在NameNode上执行start-all.sh就可以了，此时我们查看各服务器中的进程。

Nginx1（NameNode）所在服务器：

Ngnix2：

Ngnix3：

从上面的进程信息，可以看到nginx1中启动了namenode及jobtracker,，nginx2和nginx3都分别启动了DataNode及TaskTracker，只是nginx2中比nginx3中多启动了一个SecondaryNameNode，这也是我们希望的结果。

通过如下命令：

可得到如下输出：

6.2 集群状态监控页面

查看namenode的状态

namenode是布署在192.168.56.101上，只需要输入：

http://192.168.56.101:50070

即可查看namenode的状态，如下图所示：

查看jobtracker的状态

因jobtracker和namenode是布署在同一台机器上的，输入：

http://192.168.56.101:50030

即可查看jobtracker的状态，如下图所示：

查看secondarynamenode的状态

Secondarynamenode是布署在192.168.56.102上面，输入：

http://192.168.56.102:50090

即可查看其状态，如下：

查看192.168.56.102上面的tasktracker的状态，打入：

http://192.168.56.102:50060

查看状态，如下：

从上面可以看出，监控的服务，都是以“500*”端口对外提供服务，不过这里发现一个问题，同为datanode以及tasktracker的192.168.56.103上面却没有开启一个“500*”这样的端口，而192.168.56.102上却开启除secondarynamenode之外的其它4个“500*”这样的端口：

192.168.56.102：

其中端口50090是secondarynamenode的监控端口，而50060是tasktracker的监控端口，而50010、50075以及50020都是datanode使用的端口。

而在192.168.56.103上，却只开了两个端口：

分别与namenode以及jobtracker相连着的。

为什么在192.168.56.103上面tasktracker以及datanode的监控呢？