搭建HDFS分布式文件系統

HDFS 即Hadoop分布式文件系統，之所以使用 HDFS，主要是因為普通的硬盤雖然容量日益增大，但是訪問速度卻比較低。例如，對于常用的1TB的硬盤來說，平均數據傳輸率大概在150 MB/秒左右，如果存滿了數據，要將全盤的數據讀取出來，要花費兩個半小時。為了提高速度，可以采取分布讀取的方式加以解決。例如，

可以將原來單個1TB硬盤的數據分散存儲100個1T的硬盤上，讓每個磁盤存儲1%的內容，之后讓這些磁盤并行運行，這樣，通過執行并發讀取操作，只需花費兩分鐘左右的時間，就可以讀取原盤上的所有數據。

HDFS工作模式

利用HDFS分布式文件系統，就可以根據以上原理，有效提升磁盤的訪問速度，即通過DataNode節點的添加和刪除，實現HDFS存儲空間動態的增加和減小。HDFS實際上由群集組成，包含Master和Slave兩類角色。在Master角色上運行NameNode（名稱節點），在Slave角色上運行的是DataNode（數據存儲節點）。Slave角色承擔存儲數據的任務，Master角色僅僅作為客戶端的訪問點和群集的調度服務器使用。

在DataNode節點上，數據以分塊的形式存儲。例如，對于10個DataNode節點來說，當存儲1000GB的數據時，在每個節點上分別存儲100GB，進行并發讀取速度自然大大提高。因此，對于HDFS來說，Slave角色增多，不僅可以增大存儲容量，還可以提高讀寫效率和安全性。

配置實驗環境

在本例中，使用了五臺CentOS 6.5主機，一臺作 為Master主 機， IP為192.168.1.100，其他作為Slave主 機，IP從192.168.1.101到192.168.1.104。為了便于操作，對其進行更名操作。例如，在Master主機上執行“vim /etc/sysconfig/network”命令，在編輯界面 中 的“HOSTNAME=” 欄設置合適的主機名，例如“hdfszhuji”。 執 行“hostname hdfszhuji”、“bash”命令，使其重啟后可以永久地更改主機名。

執 行“vim/etc/sysconfig/networkscripts/ifcfg-eth0” 命令，在網絡配置修改界面中 將“ONBOOT”的 值 設 置為“yes”， 將“BOOTPROTO”的 值 設 置 為“static”，將“IPADDR” 的 值 設 置為“192.168.0.10”， 將“NETMASK”的值設置為“255.255.255.0”。保存文件后，執行“/etc/init.d/network restart”命令，重啟網卡使配置生效。

執 行“vim /etc/hosts” 命 令，在 其 中添 加“192.168.1.100 hdfszhuji”、“192.168.1.101 hdfscong1”、“192.168.1.102 hdfscong2”、“192.168.1.103 hdfscong3”、“192.168.1.104 hdfscong4”等多行內容，將指定的地址與主機名綁定。為了便于通訊，執行“iptables -F”命令，來禁用防火墻。按照同樣的方法，對其余的Slave主機進行配置，名稱從“hdfscong1”到“hdfscong4”。

為了便于安裝軟件，需要配置YUM源，方法是，執行“cd /etc/yum.repos.d”、“rm -rf CentOSDebuginfo.repo CentOSVault.repo CentOS-Base.repo”、“vim CentOSMedia.repo”命令，在該文件中只保留“name=CebtOS-$releasever -Media”、“baseurl=file:///media”、“gpgcheck=0”、“enable=1”、“gpgkey=file:///etc/pki/rpm-gpg/RPM-GPGKEY-CentOS-6”等內容，之后插入CentOS 6.5光盤，執行“mount /dev/cdrom /media/”命令，配置好YUM源。

安裝所需軟件

搭建HDFS文件系統需要Java組件的支持，所以需要安裝JDK組件。執行“tar zxvf jdk-7u65-linux-x64.gz”命令，對JDK包進行解壓。執行“mv jdk1.7.0_65//usr/local/jave”， 將 其移動到指定目錄。執行“vim /etc/profile” 命令，在該配置文件中的“export PATH”行下面添加“export JAVA_HOME=/usr/local/jave” 和“export PATH=$PATH:$JAVA_HOME/bin”兩行，之后保存該文 件。 執 行“source /etc/profile”命 令，執 行刷新操作。執行“java-version”命令，查看Java配置信息。執行“useradd hadoop”命 令，創 建 名 為“hadoop”的賬戶名。執行“echo "hadpass" | passwd hadoop --stdin”命令，設置密碼，密碼為“hadpass”。

在所有主機上分別執行以上命令，來安裝JDK組件和添加賬戶操作。為了讓名為“hdfszhuji”的主機可以直接控制其他主機，執行“su - hadoop”命令，切換到“hadoop”賬戶環境中，執行“ssh-keygen”命令，來生成SSH密鑰對。

在出現的“Enter file in which to save key(/home/hadoop/.ssh/id_rsa)”欄中直接回車，在“enter passphrase” 欄中輸入合適的密碼，例如“key123”，來生成所需的密鑰。執行“ssh-copy-id -I.ssh/id_ras.pub hadoop@hdfscong1”命令，按照提示輸入名為“hdfscong1”主機的密碼，將密鑰復制到該機中。

分別執行執行“sshcopy-id -I .ssh/id_ras.pub hadoop@hdfscong2”、“ssh-copy-id -I .ssh/id_ras.pub hadoop@hdfscong3”、“ssh-copyid -I .ssh/id_ras.pub hadoop@hdfscong4” 命 令，將密鑰分別復制到其余的主機上。為了測試是否可以順利訪問，可以執行“ssh hadoop@hdfscong1”，按照提示輸入該密鑰的密碼（即上述“key123”），如果不出現錯誤提示，說明上述操作沒有問題。

安裝和配置Hadoop

執行“bash hdfszhuji”，“exit”命令，返回root環境。之后執行“tar -zxvf hadoop-x.x.0.tar.gz” 命令，解壓Hadoop安裝包，因為Hadoop經過了編譯處理，所以可以直接使用，這里的“hadoop-x.x.0.tar.gz” 表示具體的版本號。

注意，在安裝Hadoop時需要以root身份進行，在運行時則需要使用“hadoop”賬戶身份進行。

執行“mv hadoop-2.4.0/usr/local/hadoop”，將 其移動到指定目錄中。執行“cd/usr/local/hadoop”，進 入到指定目錄，執行“chown -R hadoop:hadoop /usr/local/hadoop”命令，將該目錄的所有者設置為“hadoop”賬戶。

執 行“v i m /e t c/profile” 命 令，在 該 配置文件中的上述位置中添 加“export HADOOP_HOME=/usr/local/hadoop”一 行， 并 將“export PATH=$PATH:$JAVA_HOME/bin”的內容修改為“export PATH=$PATH:$JAVA_HOME/b i n:$H A D O O P_H O M E/bin:$HADOOP_HOME/sbin”，之后保存該文件。執行“source /etc/profile”命令，執行刷新操作。在其他的主機上分別執行以上操作，來安裝并配置Hadoop。

在名為“hdfszhuji”的主機上執行“su -hadoop”命令，切換到Hadoop賬戶環境。執行“cd /usr/local/hadoop/etc/hadoop”、“vim hadoop-env.sh”命令，將該文件中的“export JAVA_HOME=${JAVA_HOME}”一行的內容修改為“export JAVA_HOME=/usr/local/java”，指明JAVA的路徑。

執 行“vim core-site.xml”命令，在該文件中的“” 之間 添 加“”、“”、“”、“”，“”、“”、“”、“”、“”，注意需要逐行輸入，之后保存該文件。

執行“mv mapred-site.xml.template mapredsite.xml”，對該模板文件進行更名處理。執行“vim mapred-site.xml” 命 令，對該文件進行編輯，在其中的“”之間添加“”、“mapred.j o b.t r a c k”、“”、“”、“”、“”、“”、“”，之后保存該文件。

接著，執行“vim hdfssite.xml”命令，在其中的“”之間添加“”、“”、“”、“”、“”、“”、“”、“” “”、“”、“”、“”、“”、“”、“”、“”。 其 中 的“dfs.replication”表示節點主機的數量，這里為4臺。

啟動Hadoop群集

執 行“vim masters”命 令，輸 入“hdfszhuji”，即Master節點主機名。執行“vim slaves” 命 令，逐 行 輸 入“hdfscong1”，“hdfscong2”，“hdfscong3”，“hdfscong4”， 即 四 個Slave主機名。之后，分別執 行“scp /usr/local/hadoop/etc/hadoop/*hdfscong1: /usr/local/hadoop/etc/hadoop/”、“scp /usr/local/hadoop/etc/hadoop/* hdfscong2:/u s r/l o c a l/h a d o o p/etc/hadoop/”、“scp /usr/local/hadoop/etc/hadoop/* hdfscong3: /usr/local/hadoop/etc/hadoop/”、“scp /usr/l o c a l/h a d o o p/e t c/hadoop/* hdfscong4: /usr/local/hadoop/etc/hadoop/” 命 令，將 上 述Hadoop配置文件分別復制到Hdfscong1到Hdfscong4主機上。

注意，在復制是需要輸入密碼，該密碼為上述RSA密鑰對的密碼。

執 行“hdfs namenode-format”命令，對 Master主機進行初始化操作。當初始化成功后，執行“ll /usr/local/hadoop/name/”命令，如果顯示名稱為“current”文件，說明以上操作是正確的。

執行“start -all.sh”命令，來啟動群集，在此期間，先要輸入hdfszhuji主機的密碼，即上述“Hadoop”賬戶的密碼“hadpass”。之后需要多次輸入上述RSA密鑰對的密碼，來分別啟動Hdfscong1到Hdfscong4等主機。之后執行“jps”命令，當出現“4113 Jps”、“3718 SecondaryNameNode”、“3853 ResourceManager”、“3545 NameNode”之類的內容時，說明Hadoop已經啟動完成。

打開Firefox瀏覽器，訪問“http://192.168.1.100:50070”網 址，在 控 制 頁面 的“Overview”欄 中 顯示Hadoop啟動的摘要信息，包括其啟動時間、版本等。在“Summary”欄中 的“Configured Capacity”欄中顯示HDFS磁盤總容量，在“DFS Used”欄中顯示已經使用的容量，在“DFS Used%”欄中顯示空間利用率，在“Live Nodes”欄中顯示處于活動狀態的節點數量。至此，HDFS分布式文件系統已經部署完成，之后就可以對其進行管理了。

例如，執行“hadoop fs -ls /”命令，可以查看Hadoop根目錄下的內容。在初始狀態下，其中沒有任何內容。執行“hadoop fs -mkdir /data”命令，在其下可以創建名為“data”的目錄。執行“hadoop fs -put /usr/local/file/* /data”命令，可以將指定目錄下的所有文件復制到上述“Data”目錄中，實現在Hadoop中的文件存儲操作。執行“hadoop fs -ls/data”命令，可以查看其中的內容。執行“hdfs dfsadmin-report”命令，可以查看各節點的詳細信息。