最近在學習Hadoop，於是想使用VMWare建立一個虛擬的叢集環境。網上有很多參考資料，但參照其步驟進行設定時卻還是遇到了不少問題，所以在這裡詳細寫一下我的配置過程，以及其中遇到的問題及相應的解決方法。一來做個記錄，二來也希望能幫到大家。

目標

我們要建立一個具有如下配置的叢集：

其中master為name node和job tracker節點，slaveN為data node和task tracker節點。

步驟

1. 配置虛擬網路

如果你對VMWare和網路配置比較熟悉，可以忽略這一步，但是後面配置IP地址時具體的引數可能和我說的不一樣。如果你想通過一步一步操作就能成功的話，就需要這些設定

通過VMWare -> Edit -> Virtual Network Editor開啟如下對話方塊：

在上面的列表中選中VMnet8 NAT那一行，然後按圖設定所有內容，之後點選NAT Setting按鈕，開啟如下對話方塊，確保各個引數如圖中所示設定。

2. 建立虛擬機器

虛擬機器命名為master，建立過程中網路模式可以任意選擇，下面假設選擇的是NAT方式。需要額外注意的是去【控制面板/管理工具/服務】中看一下VMWare相關的服務是否都已經啟用，我就曾因為NAT服務沒有啟用，而造成各個虛擬機器之間無法ping通，而浪費了很多時間。

到http://www.centos.org/中下去CentOS的iso映象，使用minimal版本就可以，這樣能效的控制虛擬機器的大小。

然後就是虛擬機器安裝的過程了，我們不需要安裝VMWare Tools。而且這時不需要建立多臺虛擬機器，我們將統一配置一臺虛擬機器，然後複製出其它虛擬機器，後面的詳細的說明。

後面的步驟中我們假設使用root登入虛擬機器，密碼假設為hadoop。

2. 配置網路

關掉SELINUX：vi /etc/selinux/config ，設定SELINUX=disabled，儲存退出。

關閉防火牆：/sbin/service iptables stop;chkconfig --level 35 iptables off 

修改IP地址為靜態地址：vi /etc/sysconfig/network-scripts/ifcfg-eth0，將其內容改為如下圖所示，注意HWADDR那一行，你所建立的虛擬機器的值很可能與之不同，保持原值，不要修改它！

修改主機名稱：vi /etc/sysconfig/network，將其內容改為如下圖所示：

修改hosts對映：vi /etc/hosts，將其內容改為如下圖所示。我們在這裡就加入了slave1和slave2的對映項，以簡化後面的步驟。

執行：service network restart 以重啟網路。

3. 安裝putty

我使用這個工具將windows中的檔案傳到虛擬機器中，因為使用wget下載相應的軟體包比較困難。

從http://www.putty.org/下載putty套件，解壓到你喜歡的目錄就可以了，確保裡面有pscp.exe。

4. 安裝JDK

從下面的地址下載JDK，檔名是jdk-6u26-linux-i586.bin，如果這個地址已經失效，你可以在oracle的網站上下載最新的版本。

http://download.oracle.com/otn/java/jdk/6u26-b03/jdk-6u26-linux-i586.bin

我是在windows下用迅雷下載的，假設下載後文件放在 e:\jdk-6u26-linux-i586.bin 這個位置，在虛擬機器開機的狀態下從windows中開啟命令提示符，執行如下命令（其中的pscp就是putty中的pscp.exe，所以你可能需要到相應的目錄中去執行，或者將其所在的目錄新增到PATH中）：

pscp e:\jdk-6u26-linux-i586.bin [email protected]:~/

如果提示輸入密碼，就輸入虛擬機器中root帳戶的密碼（假設為hadoop）。

然後進入虛擬機器，執行如下命令：

mkdir -p ~/bin
mv ~/jdk-6u26-linux-i586.bin ~/bin
cd ~/bin
./jdk-6u26-linux-i586.bin

然後修改環境變數：vi ~/.bash_profile，在最後新增

export JAVA_HOME=/root/bin/jdk1.6.0_26
export PATH=$PATH:$JAVA_HOME/bin

儲存退出後，執行 source ~/.bash_profile 使配置生效，之後可以執行java命令以判斷是否已經配置成功。

5. 安裝Hadoop

從http://labs.renren.com/apache-mirror/hadoop/common/hadoop-0.20.2/中下載hadoop-0.20.2.tar.gz，放到~/bin目錄下（如果你是在windows下下載的，就通過上面的方法將其複製到虛擬機器中）。執行下列命令：

tar -xzvf hadoop-0.20.2.tar.gz
cd ~/bin/hadoop-0.20.2/conf
vi hadoop-env.sh

將JAVA_HOME一行的註釋去掉，並改為如下設定:

export JAVA_HOME=/root/bin/jdk1.6.0_26

然後新增環境變數 vi ~/.bash_profile ，使其內容如下所示（已經合併了前面關於JAVA的設定）

export JAVA_HOME=/root/bin/jdk1.6.0_26
export HADOOP_HOME=/root/bin/hadoop-0.20.2
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

現在就可以在shell中執行hadoop，以確定能正常執行了。下面還要對hadoop進行設定，所有要設定的檔案都在~/bin/hadoop-0.20.2/conf目錄下。如果你足夠懶的話，可以在windows下建立這幾個檔案，把相應的內容複製到檔案中，然後通過pscp.exe複製到虛擬機器中去。

core-site.xml的內容：

<?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://master:9000</value>
  </property>
  <property>
    <name>Hadoop.tmp.dir</name>
    <value>/tmp/hadoop-root</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>3</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>master:9001</value>
  </property>
</configuration>

slaves

slave1
slave2

masters的內容為空，此檔案用於配置secondary name node，我這次建立的叢集不需要此節點，如果需要的話可以將其主機名加入此檔案中（別忘了在/etc/hosts中加入相應的條目）。

6. 複製虛擬機器

使用VMWare中clone功能，複製出另外兩臺虛擬機器，分別命名為slave1和slave2。因為克隆出的虛擬機器網絡卡地址已經改變，所以要分別在複製出的兩臺虛擬機器中執行以下操作：

• 執行：rm -f /etc/udev/rules.d/70-persistent-net.rules
• 執行：reboot 重啟虛擬機器
• 執行：vim /etc/sysconfig/networking/devices/ifcfg-eth0 將其中的 HWADDR修改為新虛擬機器的網絡卡地址，具體檢視方式為：在虛擬機器設定中選中Network Adapter，如下圖所示，選擇Advanced，如下圖紅框中所示即為網絡卡地址。
  
  
  
• 同樣在此檔案中將IPADDR改為192.168.224.201(對於slave1)或192.168.224.202(對於slave2)。
• 修改slave1和slave2的/etc/sysconfig/network檔案，將主機名改為slave1或者slave2。

7. 設定SSH

開啟三臺虛擬機器，登入到master中，執行如下命令：

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa 
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
ssh slave1 "mkdir ~/.ssh"
scp ~/.ssh/id_dsa.pub slave1:~/.ssh/authorized_keys
ssh slave2 "mkdir ~/.ssh"
scp ~/.ssh/id_dsa.pub slave2:~/.ssh/authorized_keys

中間可能需要輸入密碼 ，按提示輸入即可。現在分別執行如下命令

ssh localhost
ssh slave1
ssh slave2

不需要再輸入密碼就對了。

8. 啟動Hadoop

執行HDFS格式化命令：hadoop namenode -format

在master虛擬機器中進入/root/hadoop-0.20.2/bin目錄，執行 ./start-all.sh 就OK了。

你可以在宿主機中開啟瀏覽器，指向 192.168.224.100:50070 檢視HDFS的資訊。

如果你是一步一步操作下來的，應該不會遇到什麼問題，如果有問題，歡迎一起來討論。