Hadoop云计算平台及相关组件搭建安装过程详细教程——Hbase+Pig+Hive+Zookeeper+Ganglia+Chukwa+Eclipse等一．安装环境简介根据官网，Hadoop已在linux主机组成的集群系统上得到验证，而windows平台是作为开发平台支持的，由于分布式操作尚未在windows平台上充分测试，所以还不作为一个生产平台。
Windows下还需要安装Cygwin，Cygwin是在windows平台上运行的UNIX模拟环境，提供上述软件之外的shell支持。
实际条件下在windows系统下进行Hadoop伪分布式安装时，出现了许多未知问题。
在linux系统下安装，以伪分布式进行测试，然后再进行完全分布式的实验环境部署。
Hadoop完全分布模式的网络拓补图如图六所示：（1）网络拓补图如六所示：图六完全分布式网络拓补图（2）硬件要求：搭建完全分布式环境需要若干计算机集群，Master和Slaves 处理器、内存、硬盘等参数要求根据情况而定。
（3）软件要求操作系统64位版本:并且所有机器均需配置SSH免密码登录。
二． Hadoop集群安装部署目前，这里只搭建了一个由三台机器组成的小集群，在一个hadoop集群中有以下角色：Master和Slave、JobTracker和TaskTracker、NameNode和DataNode。
下面为这三台机器分配IP地址以及相应的角色：——master，namenode，jobtracker——master（主机名）——slave，datanode，tasktracker——slave1（主机名）——slave，datanode，tasktracker——slave2（主机名）实验环境搭建平台如图七所示：图七 hadoop集群实验平台并且，Hadoop要求集群上每台的用户账户名和密码相同。
具体安装步骤如下：（1）下载和安装JDK,版本为的安装目录为/usr/lib/jvm，创建此文件夹，在终端输入命令：mkdir /usr/lib/jvm（2）权限不够的话重新改下用户密码就可以了，命令: sudo passwd,之后重新输入密码。
（3）移动jdk到/usr/lib/jvm，并解压,然后为了节省空间删除安装包。
命令: mv /usr/lib/jvm1.tar –zxvf –rf 配置环境变量在终端输入命令：sudo gedit /etc/profile打开profile文件，在文件最下面输入如下内容，如图八所示：图八 JAVA环境变量设置即为：# set java environmentexport JAVA_HOME=/usr/lib/jvm/CLASSPATH=”.:$JAVA_HOME/lib:$CLASSPATH”export PATH=”$JAVA_HOME/:$PATH”这一步的意义是配置环境变量，使系统可以找到jdk。
2.验证JDK是否安装成功（1）输入命令：java –version，如图九所示。
如果出现java版本信息，说明当前安装的jdk并未设置成ubuntu系统默认的jdk，接下来还需要手动将安装的jdk设置成系统默认的jdk。
图九 java版本信息（2）手动设置需输入以下命令：sudo update-alternatives –install /usr/bin/java java /usr/lib/jvm/ 300sudo update-alternatives –install /usr/bin/javac javac /usr/lib/jvm/ 300sudo update-alternatives –config java然后输入java –version就可以看到所安装的jdk的版本信息。
3.三台主机上分别设置/etc/hosts和/etc/hostnameHosts这个文件用于定义主机名和IP地址之间的对应关系，而hostname这个文件用于定义你的Ubuntu的主机名。
（1）修改/etc/hosts,命令sudo gedit /etc/hostslocalhostmasterslave1slave2（2）修改/etc/hostname，命令 sudo gedit /etc/hostname(修改完重启有效) master以及slave1 ，slave24.在这两台主机上安装OpenSSH,并配置SSH可以免密码登录（1）确认已经连接上网，输入命令：sudo apt-get install ssh（2）配置为可以免密码登录本机，接下来输入命令：ssh-keygen –t dsa –P ‘’ –f ~/.ssh/id_dsa解释一下，ssh-keygen 代表生成密匙，-t表示指定生成的密匙类型，dsa是密匙认证的意思，即密匙类型，-P用于提供密语，-f指定生成的密匙文件。
这个命令会在.ssh文件夹下创建id_dsa以及两个文件，这是ssh一对私匙和公匙，把追加到授权的key中。
输入命令：cat ~/.ssh/ >> ~/.ssh/authorized_keys（3）验证ssh是否已经安装成功，输入命令：ssh –version。
将文件复制到slave主机相同的文件夹内，输入命令：scp authorized_keys slave1:~/.ssh/scp authorized_keys slave2:~/.ssh/（4）看是否可以从master主机免密码登录slave，输入命令：ssh slave1ssh slave25.配置两台主机的Hadoop文件首先到Hadoop的官网下载包，默认讲Hadoop解压到 /home/u（你的Ubuntu用户名）/ 目录下（1）进入hadoop内的conf文件夹，找到，修改：export JAVA_HOME=/usr/lib/jvm/，指定JDK的安装位置，如图十所示：图十 JAVA_HOME 路径设置（2）修改，这是Hadoop的核心配置文件，这里配置的是HDFS的地址及端号:<configuration><property><name> <value> <name> <value>/tmp</value></configuration>（3）修改<configuration><property><name></name><value>2</value></property></configuration>（4）修改<configuration><property><name> <value>master:9001</value></property></configuration>（5）修改conf/mastersmaster（6）修改conf/slavesslave1slave26.启动hadoop在启动之前，需要格式化hadoop的文件系统HDFS，进入hadoop文件夹，输入命令格式化：bin/hadoop namenode –format，如图十一所示：图十一 hadoop格式化输入命令，启动所有进程：bin/，如图十二所示：图十二 hadoop启动信息查看是否所有进程启动，输入命令：jps，如图十三所示：图十三 jps查看进程7.最后验证hadoop是否成功启动打开浏览器，查看机器集群状态分别输入网址：（1）输入，如图十四，可看到：图十四 namenode状态点击live nodes，可以看到当前slave1和slave2两个节点信息，如图十五：图十五 datanode节点状态（2）输入，如图十六，可看到：图十六 jobtracker状态点击2 nodes查看tasktracker信息,如图十七：图十七 tasktracker状态（3）输入，如图十八，可看到：图十八 task状态也可以通过命令：hadoop dfsadmin –report查看8.停止hadoop进程：bin/如图十九：图十九停止hadoop集群9.以上为hadoop完全分布式集群配置以上过程为由三台计算机组成的完全分布式Hadoop集群，主要参考《Hadoop实战-第二版》和《Hadoop权威指南》，主要讲解了Hadoop的安装和配置过程，关于更多Hadoop原理的知识不在详述，如果在家在安装的时候遇到问题，或者按以上步骤安装完成却不能运行Hadoop，建议查看Hadoop的日志信息，Hadoop记录了详尽的日志信息，日志文件保存的Hadoop/logs文件夹内。
三．其他组件安装过程简介本Hadoop平台搭建过程中安装的组件及软件环境主要包括以下内容：相关技术作以下介绍：1.Pig和HiveHive是一个基于Hadoop文件系统之上的数据仓库架构，利用Mapreduce编程技术，实现了部分SQL语句，提供了类SQL的编程接口，可以将结构化的数据文件映射为一张数据库表，并提供完整的SQL查询功能可以将SQL语句转换为Mapreduce任务进行运行，但是这样在执行时会出现延迟现象，但能更好的处理不变的大规模数据集上的批量任务。
此外，Hive的网络接口可以方便直观地对数据进行操作，在命令行下，要执行多个查询就要打开多个终端，而通过网络结构可以同时执行多个查询。
配置Eclipse环境编写Hive 程序Hive的优化策略，针对不同的查询进行优化，优化过程通过配置进行控制图二十 Hive Web 接口界面Pig提供了一个支持大规模数据分析的平台，Pig的基础结构层包括一个产生Mapreduce程序的编译器，能够承受大量的并行任务。
Pig Latin语言更侧重于对数据的查询和分析，而不是对数据进行修改和删除，建立在Hadoop分布式平台之上，能够在短时间内处理海量的数据，比如：系统日志文件，处理大型数据库文件，处理特定web数据等。
2.GangliaGanglia是UC Berkeley发起的一个开源集群监视项目，用于测量数以千计的节点集群。
核心包含两个Daemon：客户端Ganglia Monitoring(gmond)和服务端Ganglia Meta(gmetad)，以及一个web前端，主要监控的系统性能有：CPU、memory、硬盘利用率、I/O负载、网络流量情况等，可以帮助合理调整分配系统资源，优化系统性。
图二十一 Ganglia 监控总界面图二十二 Ganglia-cpu监控界面图二十三 Ganglia-cluster cpu 监控界面图二十四 Ganglia-memory监控界面图二十五 Ganglia-network监控界面3.HBase简单地说，hbase是一个分布式的、面向列的开源数据库，不同于一般的关系数据库，是一个适合于非结构化数据存储的数据库。