Hadoop，分布式的大數據存儲和計算, 免費開源！有Linux基礎的同學安裝起來比較順風順水，寫幾個配置文件就可以啟動了，本人菜鳥，所以寫的比較詳細。為了方便，本人使用三臺的虛擬機系統是Ubuntu-12。設置虛擬機的網絡連接使用橋接方式，這樣在一個局域網方便調試。單機和集群安裝相差不多，先說單機然后補充集群的幾點配置。
第一步，先安裝工具軟件
編輯器：vim
復制代碼 代碼如下:
sudo apt-get install vim
ssh服務器: openssh，先安裝ssh是為了使用遠程終端工具（putty或xshell等），這樣管理虛擬機就方便多了。
復制代碼 代碼如下:
sudo apt-get install openssh-server
第二步，一些基本設置
最好給虛擬機設置固定IP
復制代碼 代碼如下:
sudo vim /etc/network/interfaces
加入以下內容：
iface eth0 inet static
address 192.168.0.211
gateway 192.168.0.222
netmask 255.255.255.0
修改機器名，我這里指定的名字是：hadoopmaster ，以后用它做namenode
復制代碼 代碼如下:
sudo vim /etc/hostname
修改hosts，方便應對IP變更，也方便記憶和識別
復制代碼 代碼如下:
sudo vim /etc/hosts
加入內容：
192.168.0.211 hadoopmaster
第三步，添加一個專門為hadoop使用的用戶
復制代碼 代碼如下:
sudo addgroup hadoop
sudo adduser -ingroup hadoop hadoop
設置hadoop用戶的sudo權限
復制代碼 代碼如下:
sudo vim /etc/sudoers
在 root ALL=(ALL:ALL)
下面加一行 hadoop ALL=(ALL:ALL)
切換到hadoop用戶 su hadoop第四步，解壓安裝JDK，HADOOP，PIG(順便把PIG也安裝了)
復制代碼 代碼如下:
sudo tar zxvf ./jdk-7-linux-i586.tar.gz -C /usr/local/jvm/
sudo tar zxvf ./hadoop-1.0.4.tar.gz -C /usr/local/hadoop
sudo tar zxvf ./pig-0.11.1.tar.gz -C /usr/local/pig
修改解壓后的目錄名并且最終路徑為：
復制代碼 代碼如下:
jvm: /usr/local/jvm/jdk7
hadoop: /usr/local/hadoop/hadoop （注意：hadoop所有節點的安裝路徑必須相同）
pig: /usr/local/pig
設置目錄所屬用戶
復制代碼 代碼如下:
sudo chown -R hadoop:hadoop jdk7
sudo chown -R hadoop:hadoop hadoop
sudo chown -R hadoop:hadoop pig
設置環境變量, 編輯~/.bashrc 或 ~/.profile 文件加入
復制代碼 代碼如下:
export JAVA_HOME=/usr/local/jvm/jdk7
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
export HADOOP_INSTALL=/usr/local/hadoop/hadoop
export PATH=${HADOOP_INSTALL}/bin:$PATH
source ~/.profile 生效
第五步，.ssh無密碼登錄本機，也就是說ssh到本機不需要密碼
復制代碼 代碼如下:
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
如果不起作用請修改權限：
復制代碼 代碼如下:
chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys
authorized_keys相當于白名單，id_rsa.pub是公鑰，凡是在authorized_keys有請求者機器的公鑰時ssh服務器直接放行，無需密碼！第六步，Hadoop必要設置
所有設置文件在hadoop/conf目錄下
1、hadoop-env.sh 找到 #export JAVA_HOME 去掉注釋#，并設置實際jdk路徑
2、core-site.xml
復制代碼 代碼如下:
<property>
<name>fs.default.name</name>
<value>hdfs://hadoopmaster:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/tmp</value>
</property>
3、mapred-site.xml
復制代碼 代碼如下:
<property>
<name>mapred.job.tracker</name>
<value>hadoopmaster:9001</value>
</property>
4、hdfs-site.xml
復制代碼 代碼如下:
<property>
<name>dfs.name.dir</name>
<value>/usr/local/hadoop/datalog1,/usr/local/hadoop/datalog2</value>
</property>
<property>
<name>dfs.data.dir</name>
<value>/usr/local/hadoop/data1,/usr/local/hadoop/data2</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
5、文件masters 和 文件slaves， 單機寫 localhost 即可第七步，啟動Hadoop
格式化Hadoop的HDFS文件系統
復制代碼 代碼如下:
hadoop namenode -format
執行Hadoop啟動腳本，如果是集群的話在master上執行，其他slave節點Hadoop會通過ssh執行：
復制代碼 代碼如下:
start-all.sh
執行命令 jps 如果顯示有： Namenode，SecondaryNameNode，TaskTracker，DataNode，JobTracker等五個進程表示啟動成功了！第八步，集群的配置
所有其他單機的安裝跟上面相同，下面只增加集群的額外配置！
最好先配置好一臺單機，其他的可以通過scp直接復制，路徑也最好相同包括java！
本例的主機列表（設置hosts）：
設置ssh，讓master能夠不要密碼登錄到其他slaves上，主要用來啟動slaves
復制代碼 代碼如下:
復制hadoopmaster下id_rsa.pub到子結點：
scp ./ssh/id_rsa.pub hadoopnode1:/home/hadoop/.ssh/id_master
scp ./ssh/id_rsa.pub hadoopnode2:/home/hadoop/.ssh/id_master
分別在子結點~/.ssh/目錄下執行：
cat ./id_master >> authorized_keys
masters文件，添加作為secondarynamenode或namenode的主機名,一行一個。
集群寫master名如：hadoopmaster
slaves文件，添加作為slave的主機名，一行一個。
集群寫子結點名：如 hadoopnode1、hadoopnode2Hadoop管理
hadoop啟動后會啟動一個任務管理服務和一個文件系統管理服務，是兩個基于JETTY的WEB服務，所以可在線通過WEB的方式查看運行情況。
任務管理服務運行在50030端口，如 http://127.0.0.1:50030文件系統管理服務運行在50070端口。
參數說明：
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，如果此數大于集群的機器數會出錯。
