一．环境
系统： Ubuntu 14.04 32bit
Hadoop版本： Hadoop 2.4.1 (stable)
JDK版本： 1.7
集群数量：3台
注意事项：我们从Apache官方网站下载的Hadoop2.4.1是linux32位系统可执行文件，所以如果需要在64位系统上部署则需要单独下载src 源码自行编译。
二.准备工作
（三台机器都需要进行以下前四步配置）
1.安装ubuntu14.04 32bits
2.创建新用户hadoop并增加管理员权限
输入如下命令（整个hadoop配置最好切换到root权限进行，在ubuntu下使用root必须给root设置密码才可使用：sudo passwd root）：
[email protected]:~# sudo adduser hadoop
按照提示输入信息，密码设置为hadoop，回车确定。结束之后系统会自动创建用户主目录，创建用户同名的组。（adduser命令包装了useradd，虽然在别的linux系统下两个命令一样，但在ubuntu下使用useradd时，并没有创建同名的用户主目录。）
让该用户获得管理员权限：
[email protected]:~# sudo vim /etc/sudoers
修改文件如下：
# User privilege specification
root ALL=(ALL) ALL
hadoop ALL=(ALL) ALL
保存退出，hadoop用户就拥有了root权限。
3.安装jdk（安装完之后用java -version查看jdk版本）
已经下载好java安装包，根据安装教程进行安装
4.修改机器网络配置
修改机器的hostname为Master，Slave1，Slave2（对应三台机器）：
[email protected]:~# sudo vim /etc/hostname
（marco对应为Master，Slave1，Slave2）
三台机器的IP必须固定。修改hosts文件。
[email protected]:~# sudo vim /etc/hosts
添加字段：IP hostname
（marco对应为Master，Slave1，Slave2）
完成后重启机器，然后在终端可以看到hostname的变化。
（配置完之后可以互相ping主机名测试是否配置成功）
5.配置SSH无密码登陆
安装ssh（如果系统没有默认安装或者版本过旧使用以下命令，确保三台机器都有ssh服务）
[email protected]:~# sudo apt-get install ssh
生成Master的公钥：
[email protected]:~# cd ~/.ssh
[email protected]:~# ssh-keygen -t rsa # 一直按回车就可以，生成的密钥保存为.ssh/id_rsa
Master 节点需能无密码 ssh 本机，这一步还是在 Master 节点上执行：
[email protected]:~# cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
（完成后可以用ssh Master验证）
接着将公匙传输到 Slave1（Slave2） 节点：
[email protected]:~# scp ~/.ssh/id_rsa.pub [email protected]:/home/hadoop/
然后在Slave1节点上将ssh公钥保存到相应位置：
[email protected]:~# cat ~/id_rsa.pub >> ~/.ssh/authorized_keys
最后在Master节点就可以无密码ssh到Slave1（Slave2）了。
三.配置集群/分布式环境
1.下载并解压hadoop-2.4.1.tar.gz文件在/home/hadoop目录下。(在Master下配置，之后再将配置传输到slave节点)
2.修改文件slaves
[email protected]:~# cd /home/hadoop/etc/hadoop/
[email protected]:~# vim slaves
将原来 localhost 删除，把所有Slave的主机名写上，每行一个。如下：
Slave1
Slave2
3.修改文件core-site.xml
将原来的如下内容
<property>
</property>
改为下面的配置。后面的配置文件的修改类似。
<property>
<name>fs.defaultFS</name>
<value>hdfs://Master:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/hadoop/hadoopInfo/tmp</value>
</property>
（如果启动服务时找不到hadoopInfo/tmp，需手动在三台机器创建该目录）
4.修改hdfs-site.xml
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/hadoopInfo/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/hadoop/hadoopInfo/tmp/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
5.修改文件mapred-site.xml，这个文件不存在，首先需要从模板中复制一份：
[email protected]:~# cp mapred-site.xml.template mapred-site.xml
然后配置修改如下：
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
6.修改文件yarn-site.xml:
<property>
<name>yarn.resourcemanager.hostname</name>
<value>Master</value>
</property>
7.配置好后，将 Master 上的 Hadoop 文件复制到各个节点上(虽然直接采用 scp 复制也可以正确运行，但会有所不同，如符号链接 scp 过去后就有点不一样了。所以先打包再复制比较稳妥)。
[email protected]:~# cd /home/hadoop
[email protected]:~# sudo tar -zcf ./hadoop-2.4.1.tar.gz ./hadoop-2.4.1
[email protected]:~# scp ./hadoop-2.4.1.tar.gz Slave1:/home/hadoop
在Slave1（Slave2）上执行：
[email protected]:~# sudo tar -zxf ~/hadoop-2.4.1.tar.gz
[email protected]:~# sudo chown -R hadoop:hadoop /home/hadoop
注意事项：切换 Hadoop 的模式，不管是从集群切换到伪分布式，还是从伪分布式切换到集群，如果遇到无法正常启动的情况，可以删除所涉及节点的临时文件夹，这样虽然之前的数据会被删掉，但能保证集群正确启动。或者可以为集群模式和伪分布式模式设置不同的临时文件夹（未验证）。所以如果集群以前能启动，但后来启动不了，特别是 DataNode 无法启动，不妨试着删除所有节点（包括 Slave 节点）上的 tmp 文件夹，重新执行一次 bin/hdfs namenode -format，再次启动试试。
8.然后在Master节点上就可以启动hadoop了。
[email protected]:~# cd /home/hadoop/hadoop-2.4.1
[email protected]:~# bin/hdfs namenode -format # 首次运行需要执行初始化，后面不再需要
[email protected]:~# sbin/start-dfs.sh
[email protected]:~# sbin/start-yarn.sh
通过命令JPS可以查看各个节点所启动的过程。
可以看到Master节点启动了NameNode、SecondrryNameNode、ResourceManager进程。
Slave节点则启动了DataNode和NodeManager进程。
可以通过http://master:50070/进入hadoop的管理界面。
关闭Hadoop集群也是在Master节点上执行：
[email protected]:~# sbin/stop-dfs.sh
[email protected]:~# sbin/stop-yarn.sh
四．应用案例：
在官网上有一个hadoop单节点和集群的hadoop job示例，
http://hadoop.apache.org/docs/r1.2.1/mapred_tutorial.html
根据链接里的 Example: WordCount v2.0 部分进行操作