在学习Hadoop之初，一件"痛苦"的事情莫过于装环境，没有环境，练不了HDFS命令，写不了MapReduce程序，后续的HBase、Hive无从下手。
为了学好Hadoop，于是下决心，一定把环境装好，于是，跟着老师做，跟着网上学，别人都顺理成章、一气呵成；而轮到自己时，总在怀疑自己的眼睛、自己的手、自己的电脑、自己的…
user1, 而你总想取自己的名字zhangsan,结果在后面配置相应的目录时出错了ls出来的内容与老师的不同…hdfs namenode -format ,而你写的是hdfs namenode-format ，一个空格，敲出了两种境界对初学者的建议：掌握整体过程及每一步的作用，按部就班的操作，仔仔细细的核对。
本教程按如下顺序进行：
【资源准备】 => 【环境准备】 => 【JDK的安装】 => 【Hadoop的安装】 => 【伪分布式的配置】 => 【启动与测试】 => 【常见错误及解决办法】
链接：https://pan.baidu.com/s/1kjcuNNCY2FxYA5o7Z2tgkQ
提取码：nuli
除了vmware（你懂的…），以上资源均来源于官网，putty和winscp都是便捷式软件，无需安装
本教程使用vmware安装ubuntu18.05系统
系统设置
CPU选择2核心；内存使用2-4G； 硬盘选择50G以上，动态分配
具体步骤可参考：
https://blog.csdn.net/tangyi2008/article/details/120311293
当然你可以选用其他的虚拟机，比如使用VBox作为虚拟机软件，同样，操作系统可以选CentOS等其他Linux系统。
如果是小白，建议严格按这里的步骤
为了避免不必要的麻烦，这里统一用户名，创建一个新用户xiaobai。
创建用户
sudo useradd -m xiaobai -s /bin/bash
使用sudo命令，需要需要输入当前用户的登录密码才能创建；密码输入后如果没任何提示，说明创建成功
如果提示
useradd: user 'xiaobai' already exists, 表明这个用户名已经存在
设置密码
sudo passwd xiaobai
密码尽量使用简单易记的，比如
123456，毕竟我们只是在学习，没有多少机密文件值得你设置自己都记不清的密码。设置密码的时候，光标不会跳（千万不要以为键盘坏了☺）
当你看到
password updated successfully,表示密码设置成功
为xiaobai增加管理员权限
为了方便部署，避免一些对新手来说比较棘手的权限问题，这里为xiaobai增加管理员权限
sudo adduser xiaobai sudo
当然也可以修改文件/etc/sudoers（对于新手无需理会）
切换到用户xiaobai
su - xiaobai
su命令加参数
-的目的是切换用户的同时，会切换到相应用户的Home目录这里输入的密码是刚刚为xiaobai用户设置的密码
sudo apt install openssh-client openssh-server
这里使用了sudo命令，输入的密码是xiaobai用户的密码
在Home目录下创建soft目录，使用winscp上传jdk和hadoop到soft目录
cd
mkdir soft
查看虚拟机ip
ip a
具体的ip地址以你命令输出为准。
创建连接
解压WinSCP-5.19.5-Portable.zip，打开WinSCP.exe，设置相应的连接参数，然后点Login进行连接。
上传文件
将本地目录（左边）需要上传的文件拖入虚机机相应目录。
这一步不是必须的操作，使用putty主要是通过ssh连接虚拟机，进行远程操作而不需要进入虚拟机，相应的替代品有Xshell、secureCRT等
打开putty.exe，设置相应的连接。
修改主机名为node1
sudo hostname node1
如果提示
[sudo] password for xiaobai:，表示要执行sudo命令，需要输入xiaobai的登录密码，后面出现类似情况不再介绍
上面命令修改的主机名是临时生效，当虚拟机重启会恢复成原来的主机名，这里修改配置文件使用其永久修改。打开hostname文件, 配置hostname为node1。
sudo vi /etc/hostname
注意，对于小白，如果不想用vi命令，可以使用
sudo gedit /etc/hostname打开类似windows上的记事本进行文件的编辑，后面类似情况自行处理。简单使用方式：进入文件后，输入字母
i进入插入模式 => 修改文件内容为node1 => 按Esc键进入命令行模式 => 输入:进入底行模式 => 输入x或者wq保存推出。如果文件修改后不想保存，进行底行模式后输入
q!进行不保存退出。
打开hosts文件配置hosts
sudo vi /etc/hosts
打开终端，安装防火墙管理工具。命令：
sudo apt install ufw
查看防火墙状态。命令：
sudo ufw status
可以看出默认为关闭
若未关闭，使用下面的命令进行防火墙关闭
sudo ufw disable
生成密钥对
ssh-keygen -t rsa
拷贝公钥到主机
ssh-copy-id -i ~/.ssh/id_rsa.pub node1
测试免密登录是否成功,
如果没有提示输入密码，则免密登录成功
ssh node1
注意：在Home目录（可以使用
~表示Home目录）下面，创建opt目录，所有要安装的软件都放在这个目录
将jdk上传到~/soft目录，确保文件已经上传，输入命令ls ~/soft进入验证
接下来解压文件
mkdir ~/opt
tar -xvf ~/soft/jdk-8u261-linux-x64.tar.gz -C ~/opt
设置软连接
cd ~/opt
ln -s jdk1.8.0_261/ jdk
配置环境变量，打开bash配置文件
cd
vi .bashrc
按i进入插入模式，在末尾添加如下代码，然后按esc退出编辑，输入:x保存
export JAVA_HOME=/home/xiaobai/opt/jdk
export PATH=$PATH:$JAVA_HOME/bin
输入以下命令使修改生效，可用java命令验证配置是否成功
source .bashrc
java
请确保前面已经将hadoop的压缩包上传到了~/soft目录，使用命令ls ~/soft
解压文件
tar -xvf ~/soft/hadoop-2.7.7.tar.gz -C ~/opt
设置软连接
cd ~/opt
ln -s hadoop-2.7.7/ hadoop
配置环境变量
使用命令vi ~/.bashrc打开配置文件，添加以下代码到文件末尾，步骤与配置JDK环境变量相同
export HADOOP_HOME=/home/xiaobai/opt/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
Hadoop目录介绍
ls ~/opt/hadoop
Hadoop目录简介：
- bin: 存放对Hadoop相关服务进行操作的脚本，包括 hadoop, hdfs, …
- sbin: 存放启动和停止Hadoop相关服务的脚本，比如start-dfs.sh, start-yarn.sh, hadoop-daemon.sh, …
- etc: 配置文件的目录
- share: 存放Hadoop的依赖jar包、文档、和官方案例
- lib: 存放Hadoop的本地库（对数据进行压缩解压缩功能）
修改配置文件hadoop-env.sh
将JAVA_HOME的值改为jdk的绝对路径/home/xiaobai/opt/jdk
vi ~/opt/hadoop/etc/hadoop/hadoop-env.sh
保存修改
验证Hadoop是否安装成功
hadoop
Hadoop主要有三种模式，一般在学习过程中使用伪分布模式基本就可以了
| 模式 | 概念 | 特点 | 用途 |
|---|---|---|---|
| 单机模式 | Hadoop默认模式 | 1.没有分布式文件系统HDFS 2.MapReduce处理的是本地Linux的文件数据 | 一般仅用于本地MapReduce程序的调试 |
| 伪分布模式 | 是在单机上，模拟一个分布式的环境 | 具备Hadoop的主要功能 | 常用于调试程序 |
| 完全分布式模式 | 也叫集群模式，是将Hadoop运行在机器上，各个机器按照相关配置运行相应的hadoop守护进程 | 在多台机器上运行，是真正的分布式环境 | 常用于生产 |
主要的配置文件
| 配置文件 | 配置内容 |
|---|---|
| hadoop-env.sh | 配置与环境相关的参数，比如JAVA_HOME目录 |
| core-site.xml | 配置Hadoop集群相关参数 |
| hdfs-site.xml | 配置HDFS相关参数 |
| mapred-site.xml | 配置MapReduce相关参数 |
| yarn-site.xml | 配置YARN相关参数 |
| slaves | 配置从节点 |
在安装的过程中，已经配置了 hadoop-env.sh中的JAVA_HOME参数，接下来分别配置其他5个配置文件
切换到配置文件目录
cd ~/opt/hadoop/etc/hadoop
| 配置项 | 值 | 说明 |
|---|---|---|
| fs.defaultFS | hdfs://<hostname>:9000 |
配置默认的文件系统，这里配置NameNode地址,9000是RPC通信端口 |
| hadoop.tmp.dir | /home/<用户名>/opt/hadoop/tmp |
其他临时目录的父目录 |
打开core-site.xml文件
vi core-site.xml
在configuration标签中加入以下代码，保存
<property>
<name>fs.defaultFS</name>
<value>hdfs://node1:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/xiaobai/opt/hadoop/tmp</value>
</property>
注意:
上面的配置项要配置到
<configuration>标签中，后面的配置项类似hadoop.tmp.dir配置的目录一定要是当前用户有控制权限的目录
更多参数请参考官网：https://hadoop.apache.org/docs/r2.7.7/hadoop-project-dist/hadoop-common/core-default.xml
| 配置项 | 默认值 | 说明 |
|---|---|---|
| dfs.replication | 3 | 数据副本个数，伪分布时设为1 |
| dfs.namenode.name.dir | file://${hadoop.tmp.dir}/dfs/name |
namenode存着数据存放的本地目录 |
| dfs.datanode.data.dir | file://${hadoop.tmp.dir}/dfs/data |
datanode相关数据存放的本地目录 |
打开hdfs-site.xml文件
vi hdfs-site.xml
往configuration加入设置，保存
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/home/xiaobai/opt/hadoop/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/home/xiaobai/opt/hadoop/tmp/dfs/data</value>
</property>
更多参数请参考官网：https://hadoop.apache.org/docs/r2.7.7/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
| 配置项 | 默认值 | 说明 |
|---|---|---|
| mapreduce.framework.name | local | MapReduce的执行模式，默认是本地模式，另外可以设置成classic(采用MapReduce1.0模式运行) 或 yarn（基于YARN框架运行）. |
| mapreduce.job.ubertask.enable | false | 是否允许开启uber模式，当开启后，小作业会在一个JVM上顺序运行，而不需要额外申请资源 |
默认情况下没有这个配置文件，可以根据样本文件mapred-site.xml.template复制一份。
cp mapred-site.xml.template mapred-site.xml
vi mapred-site.xml
往configuration加入设置，保存
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.job.ubertask.enable</name>
<value>true</value>
</property>
更多参数请参考官网：https://hadoop.apache.org/docs/r2.7.7/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml
| 配置项 | 默认值 | 说明 |
|---|---|---|
| yarn.resourcemanager.hostname | 0.0.0.0 | ResourceManager的主机名 |
| yarn.nodemanager.aux-services | NodeManager上运行的附属服务 | |
| yarn.nodemanager.pmem-check-enabled | true | 是否将对容器强制执行物理内存限制 |
| yarn.nodemanager.vmem-check-enabled | true | 是否将对容器强制执行虚拟内存限制 |
打开yarn-site.xml文件
vi yarn-site.xml
往configuration加入设置，保存
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node1</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
更多参数请参考官网：https://hadoop.apache.org/docs/r2.7.7/hadoop-yarn/hadoop-yarn-common/yarn-default.xml
该文件配置从服务器的地址，一个服务器地址占一行。
打开slaves
vi slaves
将默认的localhost修改成node1
node1
在第一次启动Hadoop时，一定要记得对HDFS进行格式化
hdfs namenode -format
start-all.sh
jps
jps(Java Virtual Machine Process Status Tool)是java提供的一个显示当前所有java进程pid的命令，适合在linux/unix平台上简单察看当前java进程的一些简单情况。jps命令类似于unix系统里的ps命令（主要是用来显示当前系统的进程情况，有哪些进程以及进程id），它的作用是显示当前系统的java进程情况及进程id。
在虚拟机中，使用浏览器打开如下两个网址，可以查看HDFS的NameNode和YARN的ResourceManager相关信息
node1:50070
node1:8088
使用hdfs命令上传一个文件到HDFS文件系统
#切换到Home目录
cd
#编辑一个本地文件,比如输入：a b c a a a b
vi test.txt
#上传到HDFS根目录
hdfs dfs -put test.txt /
运行mapreduce示例代码，进行词频统计
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount /test.txt /output
查看运行结果
#查看输出目录
hdfs dfs -ls /output
#查看输出内容
hdfs dfs -cat /output/part*
至此，表明你的Hadoop伪分布式搭建完成！！！
如果有错误，可以查看第六部分内容：常见问题及解决方案
在第2步中，我们启动Hadoop时使用的start-all.sh, 在下面的提示信息中显示 This script is Deprecated，也就是说这个启动脚本是被弃用的状态，并且建议我们Instead use start-dfs.sh and start-yarn.sh
下面就Hadoop的服务启动进行简单的总结:
start-all.sh
stop-all.sh
（1）分别启动/停止HDFS组件
hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode
（2）启动/停止YARN
yarn-daemon.sh start / stop resourcemanager / nodemanager
（1）整体启动/停止HDFS
start-dfs.sh
stop-dfs.sh
（2）整体启动/停止YARN
start-yarn.sh
stop-yarn.sh
command not found错误
1）检查~/.bashrc文件中是否配置了正确的PATH
2）如果~/.bashrc设置正确，是否没有执行source ~/.bashrc 使环境变量生效
如果你发现不止安装的程序命令，就连原系统的内置命令都使用不了（比如ls、vi、cat等），很明显，你在修改.bashrc时，将PATH路径设置错了。最常见的是错误就是在设置PATH时，PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin，把$PATH:漏掉了，这就相当于现在的PATH路径只有两个值$HADOOP_HOME/bin和$HADOOP_HOME/sbin。
解决办法：
1）恢复默认的PATH路径：
export PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin
2）修改~/.bashrc文件，检查设置PATH的地方是否漏掉了$PATH:
多次格式化导致DataNode 与 NameNode namespaceID不一致，导致启动HDFS失败，这里告诉最直接暴力的解决办法, 清空$hadoop.tmp.dir这个目录，以本文为例：
stop-all.sh
#本教程配置的hadoop.tmp.dir目录为/home/xiaobai/opt/hadoop/tmp
rm -fr /home/xiaobai/opt/hadoop/tmp
1） NameNode没有格式化
2） 环境变量配置错误
3） Ip和hostname绑定失败，需要通过ip a查看ip地址，重新配置/etc/hosts文件，设置正确的ip和hostname
4）hostname含有特殊符号如.(符号点)，会被误解析
一切的错误，最好的解决办法是查看日志
Hadoop的默认日志文件目录在$HADOOP_HOME/logs, 比如在本教程中，在~/opt/hadoop/logs
这里列举两个示例：
1）提示Content is not allowed in prolog错误
这个错误比较明显，显示在core-site.xml文件的第18行第1列有一个字符不认识，使用命令vi查看相应配置，修改即可。注意，这里不建议使用gedit打开文件查看，因为如果有不可见字符，gedit也看不见，难以查错。
2）jps时查看进程少启动了部分服务，比如下面示例中发现没有启动NodeManager
这种错误最好最直接的方式是查看日志文件，而不是去Baidu,去Google，因为各自的问题都不尽一致，必须找准备病因，才能药到病除。
进入日志目录
cd ~/opt/hadoop/logs
ls
NodeManager属于YARN组件的服务，在ls的结果中可以迅速找到相应的日志文件yarn-xiaobai-nodemanager-node1.log
使用tail命令查看最后50行日志内容：
tail -n 50 yarn-xiaobai-nodemanager-node1.log
错误原因为：The ServiceName: mapreduce-shuffle set in yarn.nodemanager.aux-services is invalid.The valid service name should only contain a-zA-Z0-9_ and can not start with numbers。
意思是说服务名无效，只能由 a-zA-Z0-9_ 组成并且不能以数字开始，错误很明显了，错误原因是yarn-site.xml这个配置文件中配置了无效的服务名，打开该配置文件，检查并修改相应配置项即可。