通常，集群裡的一台機器被指定為 NameNode，另一台不同的機器被指定為JobTracker。這些機器是masters。余下的機器即作為DataNode也作為TaskTracker。這些機器是slaves
官方地址：(http://hadoop.apache.org/common/docs/r0.19.2/cn/cluster_setup.html)
10.64.56.76 node1（master）
10.64.56.77 node2 （slave1）
10.64.56.78 node3 （slave2）
主機信息:
機器名
IP地址
作用
Node1
10.64.56.76
NameNode、JobTracker
Node2
10.64.56.77
DataNode、TaskTracker
Node3
10.64.56.78
DataNode、TaskTracker
為保證環境一致先安裝好JDK和ssh：
1） 安裝：sudo apt-get install ssh
2） 配置：
在Hadoop啟動以後，Namenode是通過SSH（Secure Shell）來啟動和停止各個datanode上的各種守護進程的，這就須要在節點之間執行指令的時候是不須要輸入密碼的形式，故我們須要配置SSH運用無密碼公鑰認證的形式。
以本文中的三台機器為例，現在node1是主節點，他須要連接node2和node3。須要確定每台機器上都安裝了ssh，並且datanode機器上sshd服務已經啟動。
( 說明：hadoop@hadoop~]$ssh-keygen -t rsa
這個命令將為hadoop上的用戶hadoop生成其密鑰對，詢問其保存路徑時直接回車采用默認路徑，當提示要為生成的密鑰輸入passphrase的時 候，直接回車，也就是將其設定為空密碼。生成的密鑰對id_rsa，id_rsa.pub，默認存儲在/home/hadoop/.ssh目錄下然後將 id_rsa.pub的內容復制到每個機器(也包括本機)的/home/dbrg/.ssh/authorized_keys文件中，如果機器上已經有 authorized_keys這個文件了，就在文件末尾加上id_rsa.pub中的內容，如果沒有authorized_keys這個文件，直接復制 過去就行.)
3) 首先設置namenode的ssh為無需密碼的、自動登錄。
切換到hadoop用戶
$ su hadoop
cd /home/hadoop
$ ssh-keygen -trsa然後一直按回車
完成後，在home跟目錄下會產生隱藏文件夾.ssh
$ cd .ssh
之後ls 查看文件
cp id_rsa.pubauthorized_keys
測試：
ssh localhost發現鏈接成功，並且無需密碼。
4 ) 復制到node2 和node3 上
[hadoop@hadoop .ssh]$ scp authorized_keysnode2:/home/hadoop/.ssh/
[hadoop@hadoop .ssh]$ scp authorized_keysnode3:/home/hadoop/.ssh/
輸入 yes 來繼續。這會把該服務器添加到你的已知主機的列表中
The authenticity of host ‘test (192.168.9.111)’ can’t be established.
RSA key fingerprint is 03:e0:30:cb:6e:13:a8:70:c9:7e:cf:ff:33:2a:67:30.
Are you sure you want to continue connecting (yes/no)?
改動你的 authorized_keys 文件的許可權限：
[hadoop@hadoop .ssh]$chmod 644 authorized_keys
檢查下能不能配置成功，從hadoop機器上ssh到node2和node3，如果不須要輸入密碼則配置成功，如果還須要請檢查上面的配置能不能正確。
#切換為hadoop用戶
su hadoop
wget http://apache.mirrors.tds.net//hadoop/common/hadoop-0.20.203.0/hadoop-0.20.203.0rc1.tar.gz
下載安裝包後，直接解壓安裝即可：
$ tar -zxvfhadoop-0.20.203.0rc1.tar.gz
1 ) 安裝Hadoop集群通常要將安裝軟件解壓到集群內的所有機器上。並且安裝路徑要一致，如果我們用HADOOP_HOME指代安裝的根路徑，通常，集群裡的所有機器的HADOOP_HOME路徑相同。
2 ) 如果集群內機器的環境完全一樣，可以在一台機器上配置好，然後把配置好的軟件即hadoop-0.20.2整個文件夾拷貝到其他機器的相同位置即可。
3 ) 可以將Master上的Hadoop通過scp拷貝到每一個Slave相同的目錄下，同時根據每一個Slave的Java_HOME 的不同修改其hadoop-env.sh 。
4) 為了方便，使用hadoop命令或者start-all.sh等命令。
修改Master上/etc/profile： 新增以下內容：（具體的內容根據你的安裝路徑修改，這步只是為了方 便使 用） e export HADOOP_HOME=/home/hadoop/hadoop/install
exportPATH=$PATH:$HADOOP_HOME/bin
修改完畢後，執行source /etc/profile 來使其生效。
6）配置conf/hadoop-env.sh文件
配置conf/hadoop-env.sh文件
#添加
export JAVA_HOME=/usr/lib/jvm/java-6-sun/
這裡修改為你的jdk的安裝位置。
測試hadoop安裝：
Bin/hadoop jar hadoop-0.20.2-examples.jarwordcount conf/ /tmp/out
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl"href="configuration.xsl"?>
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://node1:49000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/hadoop_home/var</value>
</property>
</configuration>
1）fs.default.name是NameNode的URI。hdfs://主機名:端口/
2）hadoop.tmp.dir ：Hadoop的默認臨時路徑，這個最好配置，如果在新增節點或者其他情況下莫名其妙的DataNode啟動不了，就刪除此文件中的tmp目錄即可。不過 如果刪除了NameNode機器的此目錄，那麼就需要重新執行NameNode格式化的命令。
<?xmlversion="1.0"?>
<?xml-stylesheettype="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>node1:49001</value>
</property>
<property>
<name>mapred.local.dir</name>
<value>/home/hadoop/hadoop_home/var</value>
</property>
</configuration>
1）mapred.job.tracker是JobTracker的主機（或者IP）和端口。主機:端口。
<?xmlversion="1.0"?>
<?xml-stylesheettype="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>dfs.name.dir</name>
<value>/home/hadoop/name1, /home/hadoop/name2</value> #hadoop的name目錄路徑
<description> </description>
</property>
<property>
<name>dfs.data.dir</name>
<value>/home/hadoop/data1, /home/hadoop/data2</value>
<description> </description>
</property>
<property>
<name>dfs.replication</name>
<!-- 我們的集群又兩個結點，所以rep兩份 -->
<value>2</value>
</property>
</configuration>
1） dfs.name.dir是NameNode持久存儲名字空間及事務日志的本地文件系統路徑。 當這個值是一個逗號分割的目錄列表時，nametable數據將會被復制到所有目錄中做冗余備份。
2） dfs.data.dir是DataNode存放塊數據的本地文件系統路徑，逗號分割的列表。 當這個值是逗號分割的目錄列表時，數據將被存儲在所有目錄下，通常分布在不同設備上。
3）dfs.replication是數據需要備份的數量，默認是3，如果此數大於集群的機器數會出錯。
注意：此處的name1、name2、data1、data2目錄不能預先創建，hadoop格式化時會自動創建，如果預先創建反而會有問題。
3.4配置masters和slaves主從結點
配置conf/masters和conf/slaves來設置主從結點，注意最好使用主機名，並且保證機器之間通過主機名可以互相訪問，每個主機名一行。
vi masters：
輸入：
node1
vi slaves：
輸入：
node2
node3
配置結束，把配置好的hadoop-0.20.2文件夾拷貝到其他集群的機器中，並且保證上面的配置對於其他機器而言正確，例如：如果其他機器的Java安裝路徑不一樣，要修改conf/hadoop-env.sh
$ scp -r /home/hadoop/hadoop-0.20.2 root@node2: /home/hadoop/
先格式化一個新的分布式文件系統
$ cd hadoop-0.20.2
$ bin/hadoop namenode -format
成功情況下系統輸出：
12/02/06 00:46:50 INFO namenode.NameNode:STARTUP_MSG:
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG: host = ubuntu/127.0.1.1
STARTUP_MSG: args = [-format]
STARTUP_MSG: version = 0.20.203.0
STARTUP_MSG: build =http://svn.apache.org/repos/asf/hadoop/common/branches/branch-0.20-security-203-r 1099333; compiled by 'oom' on Wed May 4 07:57:50 PDT 2011
************************************************************/
12/02/0600:46:50 INFO namenode.FSNamesystem: fsOwner=root,root
12/02/06 00:46:50 INFO namenode.FSNamesystem:supergroup=supergroup
12/02/06 00:46:50 INFO namenode.FSNamesystem:isPermissionEnabled=true
12/02/06 00:46:50 INFO common.Storage: Imagefile of size 94 saved in 0 seconds.
12/02/06 00:46:50 INFO common.Storage: Storagedirectory /opt/hadoop/hadoopfs/name1 has been successfully formatted.
12/02/06 00:46:50 INFO common.Storage: Imagefile of size 94 saved in 0 seconds.
12/02/06 00:46:50 INFO common.Storage: Storagedirectory /opt/hadoop/hadoopfs/name2 has been successfully formatted.
12/02/06 00:46:50 INFO namenode.NameNode:SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode atv-jiwan-ubuntu-0/127.0.0.1
************************************************************/
查看輸出保證分布式文件系統格式化成功
執行完後可以到master機器上看到/home/hadoop//name1和/home/hadoop//name2兩個目錄。在主節點master上面啟動hadoop，主節點會啟動所有從節點的hadoop。
$ bin/start-all.sh
系統輸出：
starting namenode, logging to /usr/local/hadoop/logs/hadoop-hadoop-namenode-ubuntu.out
node2: starting datanode, loggingto /usr/local/hadoop/logs/hadoop-hadoop-datanode-ubuntu.out
node3: starting datanode, loggingto /usr/local/hadoop/logs/hadoop-hadoop-datanode-ubuntu.out
node1: starting secondarynamenode,logging to /usr/local/hadoop/logs/hadoop-hadoop-secondarynamenode-ubuntu.out
starting jobtracker, logging to/usr/local/hadoop/logs/hadoop-hadoop-jobtracker-ubuntu.out
node2: starting tasktracker,logging to /usr/local/hadoop/logs/hadoop-hadoop-tasktracker-ubuntu.out
node3: starting tasktracker,logging to /usr/local/hadoop/logs/hadoop-hadoop-tasktracker-ubuntu.out
As you can see in slave's output above, it will automatically format it's storage directory(specified by dfs.data.dir) if it is not formattedalready. It will also create the directory if it does not exist yet.
執行完後可以到master（node1）和slave（node1，node2）機器上看到/home/hadoop/hadoopfs/data1和/home/hadoop/data2兩個目錄。
從主節點master關閉hadoop，主節點會關閉所有從節點的hadoop。
$ bin/stop-all.sh
Hadoop守護進程的日志寫入到 ${HADOOP_LOG_DIR} 目錄 (默認是 ${HADOOP_HOME}/logs).
${HADOOP_HOME}就是安裝路徑.
1）浏覽NameNode和JobTracker的網絡接口，它們的地址默認為：
NameNode - http://node1:50070/
JobTracker - http://node2:50030/
3） 使用netstat –nat查看端口49000和49001是否正在使用。
4） 使用jps查看進程
要想檢查守護進程是否正在運行，可以使用 jps 命令（這是用於 JVM 進程的ps 實用程序）。這個命令列出 5 個守護進程及其進程標識符。
5）將輸入文件拷貝到分布式文件系統：
$ bin/hadoop fs -mkdir input
$ bin/hadoop fs -put conf/core-site.xml input
運行發行版提供的示例程序：
$ bin/hadoop jar hadoop-0.20.2-examples.jar grep input output 'dfs[a-z.]+'
6.補充
Q: bin/hadoop jar hadoop-0.20.2-examples.jar grep input output 'dfs[a-z.]+' 什麼意思啊？
A: bin/hadoop jar（使用hadoop運行jar包） hadoop-0.20.2_examples.jar（jar包的名字） grep （要使用的類，後邊的是參數）input output 'dfs[a-z.]+'
整個就是運行hadoop示例程序中的grep，對應的hdfs上的輸入目錄為input、輸出目錄為output。
Q: 什麼是grep?
A: A map/reduce program that counts the matches of a regex in the input.
查看輸出文件：
將輸出文件從分布式文件系統拷貝到本地文件系統查看：
$ bin/hadoop fs -get output output
$ cat output/*
或者
在分布式文件系統上查看輸出文件：
$ bin/hadoop fs -cat output/*
統計結果：
root@v-jiwan-ubuntu-0:~/hadoop/hadoop-0.20.2-bak/hadoop-0.20.2#bin/hadoop fs -cat output/part-00000
3 dfs.class
2 dfs.period
1 dfs.file
1 dfs.replication
1 dfs.servers
1 dfsadmin
hadoopdfs -ls 列出HDFS下的文件
hadoop dfs -ls in 列出HDFS下某個文檔中的文件
hadoop dfs -put test1.txt test 上傳文件到指定目錄並且重新命名，只有所有的DataNode都接收完數據才算成功
hadoop dfs -get in getin 從HDFS獲取文件並且重新命名為getin，同put一樣可操作文件也可操作目錄
hadoop dfs -rmr out 刪除指定文件從HDFS上
hadoop dfs -cat in/* 查看HDFS上in目錄的內容
hadoop dfsadmin -report 查看HDFS的基本統計信息，結果如下
hadoop dfsadmin -safemode leave 退出安全模式
hadoop dfsadmin -safemode enter 進入安全模式
可擴展性是HDFS的一個重要特性，首先在新加的節點上安裝hadoop，然後修 改$HADOOP_HOME/conf /master文件，加入 NameNode主機名，然後在NameNode節點上修改$HADOOP_HOME/conf/slaves文件，加入新加節點主機名，再建立到新加節 點無密碼的SSH連接
運行啟動命令：
start-all.sh
然後可以通過http://(Masternode的主機名):50070查看新添加的DataNode
start-balancer.sh，可以使DataNode節點上選擇策略重新平衡DataNode上的數據塊的分布
