概 系統(tǒng)特 使用場 術 目 先決條 支持平 所需軟 安裝軟 ....................................................................................................................................運行Hadoop集群的準備工 配 免ssh設 執(zhí) Slave(60,245上)配 初始化文件系 啟動 停止 測 管理界面與命 hdfs運行狀態(tài)界 Map-reduce的運行狀態(tài)界 直接令行查 運行的進程查 架構分 HDFS的三個重要角 HDFS設計特 算法介 Hadoop框架下的 錯誤！未定義書簽 經(jīng)驗總 新增節(jié) 刪除節(jié) datanode啟動失敗，各slave節(jié)點的namespaceIDs與masters不 taskTracker和jobTracker啟動失 Toomanyfetch- 能夠啟動datanode，但無法，也無法結束的錯 解決hadoopOutOfMemoryError問題 與HDFS有關的地址及端口屬 與MapReduce有關的地址及端口屬 附 配置文 集群配置說 概什么是HadoopApacheSoftwareFoundation2005Lucene的子項目Nutch的一部分正式引入。它受到最先由Lab開發(fā)的MapReduce和FileSystem的啟發(fā)。2006年3月份，MapReduce和NutchDistributedFileSystem(NDFS)分別被納入稱為Hadoop的項目中。Hadoop并不僅僅是一個用于的分布式文件系統(tǒng)，而是設計用來在由通用計算設備組成的大型集群上執(zhí)行分布式應用的基礎框架。它由Apache開發(fā)。用戶可以在不了解Hadoop是一個可以更容易開發(fā)和運行處理大規(guī)模數(shù)據(jù)的軟件平臺。下圖是Hadoop的體系結Hadoop框架中最的設計就是：MapReduce和HDFSHDFS是Hadoop分布式文件系統(tǒng)（HadoopDistributedFileSystem）的縮寫，為分布為什么要選擇系統(tǒng)使用術 儲。HDFS了文件系統(tǒng)的名字空間，用戶能夠以文件的形式在上面數(shù)據(jù)。從看，一個文件其實被分成一個或多個數(shù)據(jù)塊，這些塊在一組Datanode上。Datanode負責處理文件系統(tǒng)客戶端的讀寫請求。在Namenode的統(tǒng)一調(diào)度下進行Secondnamenode:光從字面上來理解，很容易讓一些初學者先入為主的認為：SecondaryNameNode（snn）NameNode（nn）的熱備進程。其實不是。snnnamenodeHDFSmetadatanamenode重啟的時間。JobtrackerTasktracherJobTrackerMapReducejobHadoopJobTrackertask，slavetask。要，一般情況應該把JobTracker部署在單獨的機器上。Hadoop的單機部署mon/docs/current/singlenodesetup.html#Supported+Plat目Win32平臺是作為開發(fā)平臺支持的。由于分布式操作尚未在Win32平臺上充分測試，以Linux為例:$sudoapt-getinstall$sudoapt-getinstall地址 運行Hadoop集群的準備$單機模式的操作下面的實例將已解壓的conf $$mkdir$cpconf/*.xml$cat 偽分布式模式的操作方個獨立的Java進程運行。配hadoop-site.xml文件變成三個配置文件core-site.xml,hdfssite.xml,mapred-site.xml.conf/core-conf/hdfs-conf/mapred-免ssh設$ssh$ssh-keygen-tdsa-P''-f$cat~/.ssh/id_dsa.pub>>執(zhí)首先使hadoop命令HadoopFileSystemHDFS)進行格式化首先，請namenodeDFS文件系統(tǒng)進行格式化。在安裝過程中完成了這個步驟，但是了解是否需STARTUP_MSG:StartingNameNode host=TEST085/06 args=[-format] build1099333;compiledby'oom'onWedMay 407:57:50PDT201111/07/1217:47:12INFOutil.GSet:VM=32-11/07/1217:47:12INFOutil.GSet:2%maxmemory=19.33375=2^22=419430411/07/1217:47:13INFOnamenode.FSNamesystem:fsOwner=hadoop11/07/1217:47:13INFOnamenode.FSNamesystem:supergroup=supergroup 11/07/1217:47:13INFOnamenode.FSNamesystem:isAccessTokenEnabled=falseaccessKeyUpdateInterval=0min(s),accessTokenLifetime=0min(s)11/07/1217:47:13INFOnamenode.NameNode:Cachingfilenamesoccuringmorethan10times11/07/1217:47:13INFOcommon.Storage:Imagefileofsize112savedin0seconds.11/07/1217:47:13INFOcommon.Storage:Storagedirectory/tmp/hadoop-hadoop/dfs/namehasbeensuccessfullyformatted.Hadoop[hadoop@TEST085hadoop-]$bin/start- exportHADOOP_SSH_OPTS="-p1234"--$bin/hadoopfs-putconf$bin/hadoopfs-getoutput$cat$bin/hadoopfs-catHadoop5個守護進程：namenode、secondarynamenode、datanode、jobtracker和tasktracker。在啟動每個守護進程時，會看到一些相關信息（指出日志的位置）。每個守護進程都在運行。圖1說明完成啟動之后偽分布式配置1.HadoopHadoop集群搭建過程手記參考： /cluster85）60（160），54（254），架構規(guī)化免SSH設名稱節(jié)點。2)以hadoop（85）ssh-keygen-trsa 到當前位置，命名為然后執(zhí)行命令ssh,3)接下來，同樣也hadoop用戶登陸數(shù)據(jù)節(jié)點服務器（160，254），創(chuàng)建600權限 od600.ssh）;再把名稱服務器上的到數(shù) Hadoop軟件安至少需要將JAVA_HOME設置為Java安裝根路徑（安裝過程參考“3hadoop。##Thejavaimplementationtouse.exportJAVA_HOME=/usr/local/java--修改成你自jdk安裝#The umamountofheaptouse,inMB.Defaultis1000.exportHADOOP_HEAPSIZE=200 Master(85)配hadoop0.20版本，配置文件由以前的hadoop-site.xml文件變成三個配置文件core-site.xml，進行獨立開發(fā)，配置文件也獨立了。[[root@5conf]#catcore-<?xml<?xml<?xmlTheactualnumberofreplicationscanbespecifiedwhenthefileiscreated.Thedefaultisusedifreplicationisnotspecifiedincreatetime.<?xml<?xml在/home/hadoopbashrc加入exportexportexportPATH=/root/hadoop/hadoop/bin:$PATHSlave(60,245上)配置在Slave(60,245上)上的配置文件如下(hdfs-site.xml不需要配置<?xml<?xml<?xml<?xml初始化namenode,HDFS$bin/hadoopnamenode 人害怕真的是格式化自己的文件系統(tǒng)了，其實大可不必擔心,namenodeformat只是初始化一些和文件而已。啟動startingnamenode,logging60:startingdatanode,loggingto45:startingdatanode,loggingto5:startingstartingnamenode,logging60:startingdatanode,loggingto45:startingdatanode,loggingto5:startingsecondarynamenode,loggingstartingstartingjobtracker,logging60:startingtasktracker,loggingto45:startingtasktracker,loggingto 第一步啟動[hadoop@TEST085[hadoop@TEST085hadoop-]$bin/start-dfs.shstartingnamenode,loggingto60:startingdatanode,loggingto45:startingdatanode,loggingto 5:startingsecondarynamenode,logging[hadoop@TEST085[hadoop@TEST085hadoop-]$bin/start-mapred.shstartingjobtracker,loggingto60:startingtasktracker,loggingto45:startingtasktracker,logging 注：實際應用中amede和othe不在同一臺服務器上，則需要按下面在分配的NameNode上，運行下面令啟動bin/start-dfs.sh會參照NameNode${HADOOP_CONF_DIR}/slaves文件的內(nèi)容，在所有列出的slave上啟動DataNode守護進程。在分配的JobTracker上，運行下面令啟動bin/start-mapred.sh會參照JobTracker${HADOOP_CONF_DIR}/slaves文件的內(nèi)容，在所有列出的slave上啟動TaskTracker守護進程。停止在分配的NameNode上，執(zhí)行下面令停止在分配的JobTracker上，運行下面令停止在hdfs上創(chuàng)建test1文件夾，上傳文件到 [hadoop@TEST085hadoop-]$[hadoop@TEST085hadoop-]$bin/hadoopfs-mkdirtest1[hadoop@TEST085hadoop-]$bin/hadoopfs-put./README.txttest1[hadoop@TEST085hadoop-]$bin/hadoopfs-lsFound1 -hadoop 02011-07-2119:58運行一個map-reduce示例程序wordcount，運行結果如下11/07/2215:21:29INFOinput.FileInputFormat:Totalinputpathstoprocess:111/07/2211/07/2215:21:29INFOinput.FileInputFormat:Totalinputpathstoprocess:111/07/2215:21:30INFOmapred.JobClient:Runningjob:job_201107221440_000111/07/2215:21:31INFOmapred.JobClient:map0%reduce0%11/07/2215:21:51INFOmapred.JobClient:map100%reduce11/07/2215:22:09INFOmapred.JobClient:map100%reduce11/07/2215:22:15INFOmapred.JobClient:Jobcomplete:job_201107221440_000111/07/2215:22:15INFOmapred.JobClient:Counters:25 Job11/07/2215:22:15INFOmapred.JobClient: Launchedreducetasks=111/07/2215:22:15INFOmapred.JobClient: 11/07/2215:22:15INFOmapred.JobClient: Totaltimespentbyallreduceswaitingafterreservingslots(ms)=011/07/2215:22:15INFOmapred.JobClient: Totaltimespentbyallmapswaitingafterreservingslots11/07/2215:22:15INFOmapred.JobClient: Launchedmaptasks=111/07/2215:22:15INFO Data-localmap 11/07/2215:22:15INFOmapred.JobClient: FileOutputFormatCounters11/07/2215:22:15INFOmapred.JobClient: BytesWritten=130611/07/2215:22:15INFOmapred.JobClient: 11/07/2215:22:15INFOmapred.JobClient: 11/07/2215:22:15INFOmapred.JobClient: FileInputFormatCounters11/07/2215:22:15INFOmapred.JobClient: BytesRead=136611/07/2215:22:15INFOmapred.JobClient: Map-ReduceFramework11/07/2215:22:15INFOmapred.JobClient: 11/07/2215:22:15INFOmapred.JobClient: Mapoutputmaterializedbytes=183611/07/2215:22:15INFOmapred.JobClient: Combineoutputrecords=13111/07/2215:22:15INFOmapred.JobClient: Mapinputrecords=3111/07/2215:22:15INFOmapred.JobClient: Reduceshufflebytes=183611/07/2215:22:15INFOmapred.JobClient: 11/07/2215:22:15INFOmapred.JobClient: SpilledRecords=26211/07/2215:22:15INFOmapred.JobClient: Mapoutputbytes=205511/07/2215:22:15INFOmapred.JobClient: Combineinputrecords=17911/07/2215:22:15INFOmapred.JobClient: Mapoutputrecords=17911/07/2215:22:15INFOmapred.JobClient: 11/07/2215:22:15INFOmapred.JobClient: Reduceinputrecords=131[hadoop@TEST085hadoop-]$bin/hadoopfs-lsoutput1查看輸出結果文件，這個文件在hdfs上[hadoop@TEST085[hadoop@TEST085hadoop-]$hadoopfs-lsoutput1Found3items 3hadoop 02011-07-2215:22 -hadoop 02011-07-2215:21 3hadoop [hadoop@TEST085hadoop-]$hadoopfs-catoutput1/part-r- 1 1111740.13)<>1111 11 管理界面與命令hdfs運行狀態(tài)查看hdfs運行狀態(tài),可以通過web;Map-reduce查看map-reduce信息，可以通過web界面來直接令行查[root@5~]#hadoopdfsadmin-reportConfiguredCapacity:291104653312(271.11GB)PresentCapacity:74432905216(69.32DFSRemaining:74432823296(69.32DFSUsed:81920(80DFSUsed%:Underreplicatedblocks:Blockswithcorruptreplicas:Missingblocks:Datanodesavailable:2(2total,0Name:missionStatus:ConfiguredCapacity:37169479680(34.62DFSUsed:36864(36NonDFSUsed:30097534976(28.03DFSRemaining:7071907840(6.59DFSUsed%:DFSRemaining%:Lastcontact:FriJul2215:16:36CSTName:missionStatus:ConfiguredCapacity:253935173632(236.5DFSUsed:45056(44NonDFSUsed:186574213120(173.76DFSRemaining:67360915456(62.73DFSUsed%:DFSRemaining%:Lastcontact:FriJul2215:16:37CST 274400.95.8119557659428pts/0 /usr/local/java/bin/java-Dproc_namenode- - 178400.53.5118509236196 184350.94.2119983642744pts/0 /usr/local/java/bin/java-Dproc_jobtracker- -[hadoop@TEST085hadoop-]$netstat-ant|grep0000000000000000 111271.36.4117958432656S 111271.36.4117958432656S /usr/local/java/bin/java-Dproc_datanode-Xmx1000m- 112150.87.0118813235660S /usr/local/java/bin/java-Dproc_tasktracker--[hadoop@DBSERVER/]$netstat-ant|grep0000【架構參考：mo /hdfsdesign.html】Hadoop有許多元素構成。最底部是HadoopDistributedFileSystem（HDFS），它Hadoop集群中所有節(jié)點上的文件，與HDFS相關的服務有NameNode、SecondaryNameNodeDataNodeHDFS（對于本文）MapReduce引擎，該引擎由JobTrackers和TaskTrackers組成（MapReduce相關的服務有JobTracker和TaskTracker兩種）。Hadoop集群中有兩種角色：masterslave，mastermastermaster。對外部客戶機而言，HDFS就像一個傳統(tǒng)的分級文件系統(tǒng)?？梢詣?chuàng)建、刪除、移動這是由它自身的特點決定的。這些節(jié)點包括NameNode（僅一個），它在HDFS提供元數(shù)據(jù)服務；DataNode，它為HDFS提供塊。5-1Hadoop這與傳統(tǒng)的RAID架構大不相同。塊的大?。ㄍǔ?4MB）和的塊數(shù)量在創(chuàng)建文件時由客戶機決定。NameNode可以控制所有文件操作。HDFS的所有通信都基于標準的TCP/IP協(xié)議。HDFS圖5-2：HDFS結構示上面這個圖很經(jīng)典，圖中展現(xiàn)了整個HDFS三個重要角色：NameNodeDataNode和ClientNameNode可以看作是分布式文件系統(tǒng)中的管理者，主要負責管理文件系統(tǒng)名空間、集群配置信息和塊的等。NameNode會將文件系統(tǒng)的Meta-data在內(nèi)DataNode是文件的基本單元，它將Block在本地文件系統(tǒng)中，保存了Block文件寫入Client向NameNode文件文件BlockDataNode開始直接相互HDFS下面說說HDFS的幾個設計特點（對于框架設計值得借鑒數(shù)據(jù)（場景為DataNode失敗、需要平衡DataNode的利用率和需要平衡DataNodeNameNode當客戶端要寫入文件到DataNode上，首先客戶端一個Block然后寫到第一個DataNode算法 具體過程序如下： Map , 上述就是MapReduce大致處理過程，在Map前還可能會對輸入的數(shù)據(jù)有Split（分割）Hadoop框架下的MapReduce3MapReduce函數(shù)和一個main函數(shù)。main函數(shù)將作業(yè)控制和文件輸入/輸出結合起來。在這點上，Hadoop提供了大量的接口和抽象類，從而為Hadoop應用程序開發(fā)提供許多工具，MapReduce本身就是用于并行處理大數(shù)據(jù)集的軟件框架。MapReduce的根源是函數(shù)mapreduce函數(shù)。它由兩個可能包含有許多實例（許多Map和Reduce）的操作組成。Map函數(shù)接受一組數(shù)據(jù)并將其轉換為一個鍵/值對列表，輸入域中的每個元素對應一個鍵/值對。Reduce函數(shù)接受Map函數(shù)生成的列表，然后根據(jù)它們的示例在這個域上運行Map函數(shù)將得出以下的鍵/值對列表：(one,(one,1)(small,1)(step,1)(for,1)(man,(one,1)(giant,1)(leap,1)(for,1)(mankind,(one, (small,1)(step,(one, (small,1)(step, (for,2)(man,(giant,1)(leap,1)(mankind,onesmallstepformanonegiantleapformankindMapReduce函數(shù)，然后將這兩個鍵/值對列Reduce函數(shù)，這時得到與前面一樣的結果。換句話說，可以在輸入域并行使用相同的操作，得到的結果是一樣的，但速度更快。這便是MapReduce的；它示例Input<行號，文本內(nèi)容Map：<行號,文本內(nèi)容List<<單詞,數(shù)量Reduce：<單詞List<數(shù)量1<單詞,數(shù)量合計Output：List<<單詞,數(shù)量Hadoop—客戶機在單個主系統(tǒng)上啟動的MapReduce應用程序稱為JobTracker。類似于NameNode，它是Hadoop集群中惟一負責控制MapReduce應用程序的系統(tǒng)。在應用程序提交之后，將提供包含在HDFS中的輸入和輸出 理量和位置）確定如何創(chuàng)建其他TaskTracker從屬任務。MapReduce應用程序被TaskTrackerJobTracker5-5顯示一個示例集群中的工作分圖5-5.顯示處理和的物理分布的Hadoop集群下面綜合MapReduce和HDFS來看Hadoop的結構圖3：Hadoop結構示意MovingData。就是在分布式處理中，移動數(shù)據(jù)的代價總是高于轉移計算的代價。簡單來說對外部客戶機而言，HDFS就像一個傳統(tǒng)的分級文件系統(tǒng)?？梢詣?chuàng)建、刪除、移動或重命HDFS的架構是基于一組特定的節(jié)點構建的（1），這是由它務；DataNode，它為HDFS提供塊。由于僅存在一個NameNode，因此這是HDFSHadoop Hadoop命令常規(guī)選項描-D-fs-jt-files逗號分隔的文件列表指定要拷貝到mapreduce集群的文件的逗號分隔的列表。只適用于job。列表。只適用于job。用戶命令用法：hadooparchive- Hadoop命令distcp用于遞歸地拷貝文件或 用法：hadoopdistcp<srcurl><desturl>srcurl源UrldesturlUrlfs(FSS命令用法：hadoopFSS命令指調(diào)用文件系統(tǒng)(FS)S命令應使用bin/hadoopfs<args>的形式。所有的的FSs命令使用URI路徑作為參數(shù)。URI格式是scheme://authority/path。對HDFS文件系統(tǒng)，scheme是hdfs，對本地文件系統(tǒng)，scheme是file。其中schemeauthority參數(shù)都是可選的，如果未加指定，就會使用配置中指定的默認scheme。一個HDFS文件或比如出錯信息會輸出到stderr，其他信息輸出到stdout。使用方法：hadoopfscatURI[URI…]將路徑指定文件的內(nèi)容輸出到stdout。hadoopfs-cathadoopfs-cat和put命令相似。- Hadoopfs–cphadoopfs–cp使用方法：hadoopfsdu此HadoopS命令顯示 Hadoopfs使用方法：hadoopfs使用方法：hadoopfs使用方法：hadoopfsget[-ignorecrc][-文件以及CRC信息。hadoopfs–gethadoopfs–get 用法：hadoop命令選項描述用法：hadoopbalancerthreshold命令選 描用法：hadoopdatanode命令選 描-dfsadmindfsadmin-help命令能列出所有當前支持令。比如： -finalizeUpgrade用法：hadoop用法：hadoopnamenode[-format|[-upgrade|[-rollback|[-|[-命令選 描----- 用法：hadoopsecondarynamenode[-checkpoint[force]]|[-命令選項描-用法：hadoop這部分內(nèi)容其實可以通過命令的Help以及介紹了解，這里主要側重于介紹一下我用的比較多的幾個命令。Hadoopdfs這個命令后面加參數(shù)就是對于HDFSLinux操作系統(tǒng)的Hadoopdfs–ls就是查看/usr/root Hadoopdfs–rmrxxx就是刪 Hadoop的應用Hadoop利用Hadoop的好方法。種搜索引擎的，比如Amazon的A9和用于查找酒信息的AbleGrape垂直搜索引為一個并行數(shù)據(jù)處理引擎，它的表現(xiàn)非常突出。Hadoop最有趣的方面之一是MapandReduceWebWeb頁面作為輸當前，Yahoo!HadoopLinux10,000多個內(nèi)核組成，有超過5PB字節(jié)的分布到各個DataNode。在它們的Web索引差不多有一萬億個AmazonElasticComputeCloud(EC2)構建一個包含20個節(jié)點的虛擬集群。事實上，使用Hadoop和EC2在36個小時內(nèi)將4TB的TIFF圖像（包括405K大TIFF圖像，3.3MSGML405KXML文件）800KWebPNG圖像。這種處理稱為云計算，它是一種展示Hadoop的的獨特方式。 Hadoop的系通過從hadoophadoop-metrics文件中就可以知道hadoopGanglia是有支持的，而且hadoop自家的Chukwa。以下收集了一些比較好的資料以作參考：Chukwa在的應用實 hadoop狀態(tài)分析系統(tǒng) hadoopganglia GangliaNagios，第1部分:Ganglia GangliaNagios，第2部分:使用Nagios hadoopwikimonitoring-hadoop-clusters-using-NameNode與JobTracker單點故障說瘓或者說主master癱瘓，整個Hadoop也就癱瘓了。對于主master的工作（如備份、重啟經(jīng)驗總結和注意事項（這部分是我在使用過程中花了一些時間走的彎路MasterSlave上的幾個conf配置文件不需要全部同步，如果確定都是通Master去啟動和關閉，那么Slave機器上的配置不需要去。但如果希望在任意一臺機Hadoop，那么就需要全部保持一致了。MasterSlave機器上的/etc/hosts中必須把集群中機器都配置上去，就算在各IPIP就不需要去配置Host，結果發(fā)現(xiàn)在執(zhí)行Reduce的時候總是卡住，在拷貝的時候就無法繼續(xù)下去，如果在新增了節(jié)點或者刪除節(jié)點的時候出現(xiàn)了問題，首先就去刪除Slave的hadoop.tmp.dir，然后重新啟動試試看，如果還是不行那就干脆把Master的hadoop.tmp.dir刪除（dfs上的數(shù)據(jù)也會丟失），Master的hadoop.tmp.dir，那么就需要重新namenode–format。Map任務個數(shù)以及Reduce任務個數(shù)配置。前面分布式文件系統(tǒng)設計提到一個文件默認dfs.block.size應該是64M，也就是說如果你放置到HDFS上的數(shù)據(jù)小于64，那么將只有一個Block，此時會被放置到某一個DataNode中，這個可以通過使用命令：hadoopdfsadmin–report就可以看到各個節(jié)點的情況。也可以直接去某一個DataNode查看 urrent就可以看到那些block了。Block的數(shù)量將會直接影響到Map的個數(shù)。當然可以通過配置來設定Map和Reduce的任務個數(shù)。Map的個數(shù)通常默認和HDFS需要處理的blocks相同。也可以通過配置Map的數(shù)量或者配置minimumsplitsize來設定，實 總的來說出了問題或者啟動的時候最好去看看日志，這樣心里有底。新增IP（master）conf/slaves文件。$cd$bin/hadoop(或者：bin/start-也可調(diào)用bin/start-balancer.sh命令執(zhí)行，也可加參數(shù)-threshold5threshold是平衡閾值，默認是10%，值越低各節(jié)點越平衡，但消耗時間也更長。balancer也可以在有 job的cluster上運行，默認必須確保slave的firewall已關閉確保新的slave的ip已經(jīng)添加到master及其他slaves的/etc/hostsmaster及其他slave的ip添加到新的slave的/etc/hosts注：在0.21中執(zhí)行bin/hadoop-daemon.shstartdatanode會提示該命令已，建議使用./hdfsdatanode命令，但是用后者反而會拋異常。刪除比如我原來有10個節(jié)點的集群.現(xiàn)在停掉2個,但數(shù)據(jù)不能丟失,只能讓它們的數(shù)據(jù)轉8這道過程就是mission.我們不能直接把2停掉,要在停掉之前確定要下架的機器首先namenode務HADOOP_HOME下建立一excludes件.它是一個文本,里面每行就是想要停掉的主機名或IP.這里excludes放在$HADOOP_HOME下 修改conf/hdfs-site.xml文件/ 強制重新加載配置然后你可以通過bin/hadoopdfsadmin-report就可以查看到類似這樣的信息:DatanodesDatanodesavailable:2(2total,0Name:missionStatus: missioninprogressConfiguredCapacity:37169479680(34.62GB)DFSUsed:94208(92NonDFSUsed:30112800768(28.04GB)DFSRemaining:7056584704(6.57GB)DFSUsed%:0%DFSRemaining%:Lastcontact:TueJul2615:31:17CSTName:missionStatus:ConfiguredCapacity:253935173632(236.5DFSUsed:94208(92NonDFSUsed:188234915840(175.31GB)DFSRemaining:65700163584(61.19GB)DFSUsed%:0%DFSRemaining%:Lastcontact:TueJul2615:31:16CST可以看到160在停止中（ missionStatus: missioninprogress），執(zhí)行完成 missionStatus: 再次編輯excludes文件添加允許的節(jié)點到列表中（dfs.hosts里來直接去掉節(jié)點，不做數(shù)據(jù)副本備份（dfs.hosts里去掉主機名退服的逆操作——excludedfs.hostsission的節(jié)點的退服，也就是 issioninprogress的節(jié)點重新變Normal（webindatanode啟動失敗，各slave節(jié)點的namespaceIDs與masters /app/hadoop/tmp/dfs/data:namenodenamespaceID=308967713;datanodenamespaceID=113030094atorg.apache.hadoop.dfs.DataStorage.doTransition(DataStorage.java:281)atorg.apache.hadoop.dfs.DataNode.startDataNode(DataNode.java:230)atatorg.apache.hadoop.dfs.DataNoderun(DataNode.java:1146)atorg.apache.hadoop.dfs.DataNodemain(DataNode.java:1326)Workaround1:StartfromIcantestifythatthefollowingstepssolvethiserror,butthesideeffectswon’tmakeyouhappy(meneither).ThecrudeworkaroundIhavefoundisto:StoptheDeletethedatadirectoryontheproblematicDataNode:thedirectoryisspecifiedbydfs.data.dirinconf/hdfs-site.xml;ifyoufollowedthistutorial,therelevantdirectoryis/app/hadoop/tmp/dfs/dataReformattheNameNode(NOTE:allHDFSdataislostduringthisprocess!)RestarttheWhendeletingalltheHDFSdataandstartingfromscratchdoesnotsoundlikeagoodidea(itmightbeokduringtheinitialsetup/testing),youmightgivethesecondapproachatry.BigthankstoJaredStehlerforthefollowingsuggestion.Ihavenottesteditmyselfyet,butfeelfreetotryitoutandsendmeyourfeedback.Thisworkaroundis“minimallyinvasive”asyouonlyhavetoeditonefileontheproblematicDataNodes:StoptheEditthevalueofnamespaceIDin/current/VERSIONtomatchthevalueofthecurrentNameNodeRestarttheDataNodeIfyoufollowedtheinstructionsinmytutorials,thefullpathoftherelevantfilesDataNode:/app/hadoop/tmp/dfs/d (background:dfs.data.dirisbydefaultsetto${hadoop.tmp.dir}/dfs/data,andwesethadoop.tmp.dirinthistutorialto/app/hadoop/tmp).IfyouwonderhowthecontentsofVERSIONlooklike,here’soneof#contentsof/current/VERSIONCannotstarttasktrackerbecausejava.lang.RuntimeException:Notahost:portpair:需配置mapred.job.tracker屬性，在mapred-site.xml的configuration節(jié)點中配置(job-trackerhost為

vi/etc/security/limits.confsoftnofilehardnofile$cd$sudovi添 Toomanyfetch-要求本機ip要求要包含所有的服務器ip3mapreducereduce=0%conf/hadoop-env.sh中的export能夠啟動datanode，但無法，也無法結束的錯namenode用來存放NameNode持久名字空間及事務日志的本地文件系統(tǒng)路徑刪除，同時將各DataNode上的dfs.data.dir的路徑DataNode存放塊數(shù)據(jù)的本地文件系統(tǒng) 的那個版本（可以查看/home/hadoop/NameDurrent 上面記錄了版本信息），在重新格式化新的分布式系統(tǒng)文件時，最好先刪除NameData目java.io.IOException:Couldnotobtain java.lang.OutOfMemoryError:Javaheap出現(xiàn)這種異常，明顯是jvm內(nèi)存不夠得原因，要修改所有的datanode的jvmJava-Xms1024m-一般jvm的最大內(nèi)存使用應該為總內(nèi)存大小的一半，我們使用的8G內(nèi)存，所以設置為解決 OutOfMemoryError問題<value>-Xmx800M-WiththerightJVMsizeinyourhadoop-site.xml,youwillhavetocopythistoallmaprednodesandrestartthecluster.-Hadoopwhileindexing.wheniusenutch1.0,getthisHadoopjava.io.IOException:Jobfailed!at我這兒出現(xiàn)的是outofmemory解決辦法是在給運行主類org.apache.nutch.crawl.Crawl加上參數(shù)：- 部署Hadoop集群時，master與slave的均要關閉。關閉的根本目的也是為了圖與HDFS常用值：hdfs://[或IP地址]值應該是唯一一個NameNode主服務器的地址。與 有關的地址及端口屬mapred.job.tracker的值應該是唯一一個JobTracker主服務器的地址。附Hadoop歷Hadoop這個名字不是一個縮寫，它是一個虛構的名字。該項目的創(chuàng)建者，DougCutting如此解釋Hadoop著可以大致從其名字猜測其功能，例如，jobtracker的任務就是MapReduce作業(yè)。從頭開始構建一個網(wǎng)絡搜索引擎是一個雄心勃勃的目標，不只是要編寫一個復雜的、能夠抓取和索引將無法擴展到擁有數(shù)十億網(wǎng)頁的網(wǎng)絡。在2003年的一篇描述分布式文件系統(tǒng)(簡稱GFS)的論文為他們提供了及時的幫助，文中稱正在使用此文件系統(tǒng)。GFS或類似的東西，可以解決他們在儲節(jié)點。在2004年，他們開始寫一個開放源碼的應用，即Nutch的分布式文件系統(tǒng)(NDFS)。2004年，了，向全世界介紹了MapReduce。2005年初，Nutch的開發(fā)者在Nutch上有了Nutch中的NDFS和MapReduce實現(xiàn)的應用遠不只是搜索領域，在2006年2月，他們從Nutch轉移出來成為一個獨立的Lucene子項目，稱為Hadoop。大同一時間，DougCutting加入雅虎，Yahoo提供一個專門的團隊和資源將Hadoop發(fā)展成一個可在網(wǎng)絡上運行的系統(tǒng)(見后文的補充材料)20082月，雅14章的案例研究和Hadoop有介紹，Hadoop的為)Web的PDF文件。這個過程歷時不到24小時，使用100臺機器運行，如果不結合亞馬遜的按小時的中聲稱，它的MapReduce實現(xiàn)執(zhí)行1TB數(shù)據(jù)的排序只用了68秒。在2009年5月，有宣稱Yahoo的團隊使用Hadoop1TB的數(shù)據(jù)進行排序只花了62秒時間。主要組成部分：Crawler，從因特網(wǎng)網(wǎng)頁；WebMap，構建一個網(wǎng)絡地圖；Indexer，為最佳頁面構建天。在2005年初，WebMap所用的基礎設施名為Dreadnaught，需要重新設計以適應節(jié)點的需求。EricBaldeschwieler(Eric14)組建了一個小團隊，我們開始設計并原型化一個新的框架(原型為GFS和與此同時，我們在關注Hadoop(當時還是Nutch的一部分)及其進展情況。20061月，雅虎聘請了Doug助真正的客戶使用這個新的框架，速度比原來預計的快許多。另一個明顯的優(yōu)點是Hadoop已經(jīng)開源，較了一個200個節(jié)點的研究集群，WebMap的計劃暫時擱置，轉而為研究用戶支持和發(fā)展Hadoop。Hadoop2004年--最初的版本(現(xiàn)在稱為HDFS和MapReduce)由DougCutting和MikeCafarella開始實施。2005年12月--Nutch移植到新的框架，Hadoop在20個節(jié)點上穩(wěn)定運行。20061月DougCutting加入--20062月--雅虎的網(wǎng)格計算團隊采用Hadoop------0611月--600--071月--研究集群到900----0810月--10TB的數(shù)據(jù)--Hadoop的幾個主要子項:HDFSHadoop(DistributedFileSystem)HDFSHadoopDistributedFileHBase:類似BigTable的分布式NoSQL列數(shù)據(jù)庫。（HBase和Avro已經(jīng)于2010年5月成為頂級Apache項目[1]）參考： /cluster配置對Hadoop的配置通過 下的兩個重要配置文件完成 src/core/core-default.xmlsrc/hdfs/hdfs-default.xmlandsrc/mapred/mapred-default.xml-只讀的默認配置。conf/core-site.xmlconf/hdfs-site.xmlandconf/m