最近在学习Hadoop，原本是在win10系统下装个虚拟机，在虚拟机上装的是CentOS操作系统，在该虚拟机上搭建好Hadoop环境之后，在学习WordCount的案例时，发现系统太慢了，还老是卡机，最后果断放弃使用虚拟机，转而使用Ubuntu操作系统（我的笔记本装了双系统：win10和Ubuntu16.04.5）。
备注：
1)、Hadoop版本选择
Hadoop目前有三个版本，分别为：apache hadoop、CDH(Cloudera Distributed Hadoop)、HDP(Hortonworks Data platform)。其中apache hadoop在使用过程中会存在JAR包冲突的问题，一般适合学习使用；CDH具有容易升级、不存在jar包冲突的问题，商业中使用该版本的比较多，学习中也优先选择；HDP存在升级和删除节点困难，一般也是用于商业。因此，我选择的是CDH版本。
2)、在搭建hadoop的环境过程中，主要参考了这篇博文Ubuntu16.04 下 hadoop的安装与配置（伪分布式环境） 和官方文档
3)、Hadoop cdh的下载地址：点击这里 ，我选择的是hadoop-2.6.0-cdh5.7.0
一、准备
根据hadoop官方文档的要求，配置hadoop的前置要求是安装Java JDK和SSH，因此首先安装jdk和ssh，为安装hadoop做准备。
1.1 创建hadoop用户
$sudouseradd -m hadoop -s /bin/bash #创建hadoop用户，并使用/bin/bash作为shell
$ sudopasswd hadoop #为hadoop用户设置密码，之后需要连续输入两次密码
$ sudoadduser hadoopsudo #为hadoop用户增加管理员权限
$ su- hadoop #切换当前用户为用户hadoop
$ sudoapt-get update #更新hadoop用户的apt,方便后面的安装
1.2 安装SSH，设置SSH无密码登录
$ sudo apt-get install openssh-server #安装SSH server
$ ssh localhost #登陆SSH，第一次登陆输入yes
$ exit #退出登录的ssh localhost
$ cd ~/.ssh/ #如果没法进入该目录，执行一次ssh localhost
$ ssh-keygen -t rsa
$ cat ./id_rsa.pub >> ./authorized_keys #加入授权
$ ssh localhost #此时已不需密码即可登录localhost，并可见下图。如果失败则可以搜索SSH免密码登录来寻求答案
二、安装jdk1.8
首先在Oracle官网下载linux版本的jdk1.8，然后进行安装和配置。
mkdir ～/app #创建app文件夹
$ sudo tar -zxvf jdk-8u181-linux-x64.tar.gz -C /app #/ 到压缩包所在的目录将JDK解压到/app目录下
$ vim ~/.bashrc #给JDK配置环境变量
在./bashrc文件末尾添加如下代码：
export JAVA_HOME=/home/hadoop/app/jdk1.8.0_181 #将路径换为自己jdk的路径
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
修改完文件后，输入代码：
$ source ~/.bashrc #使新配置的环境变量生效
$ java -version #检测是否安装成功，查看java版本
出现如下信息，即为安装成功。
到此，Hadoop的前置要求已经完成，下面开始进行hadoop的安装和配置。
三、安装hadoop2.6.0-cdh5.7.0
首先下载hadoop的压缩包, 下载地址：点击这里 ，选择自己需要的版本，这里我选择的是：：hadoop-2.6.0-cdh5.7.0.tar.gz 。
下面进行安装：
$ sudo tar -zxvf hadoop-2.6.0-cdh5.7.0.tar.gz -C ~/app #解压到~/app目录下
给hadoop配置环境变量，将下面代码添加到~/.brashrc文件末尾：
export HADOOP_HOME=/home/hadoop/app/hadoop-2.6.0-cdh5.7.0
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
四、hadoop伪分布式配置
Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件。Hadoop 的配置文件位于 /hadoop-2.6.0-cdh5.7.0/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。
1.修改hadoop-env.sh文件
首先将jdk1.8的路径添（export JAVA_HOME=/home/hadoop/app/jdk1.8.0_181 ）加到hadoop-env.sh文件
hadoop@Dell:~/app/hadoop-2.6.0-cdh5.7.0/etc/hadoop$ vim hadoop-env.sh
export JAVA_HOME=/home/hadoop/app/jdk1.8.0_181
2.修改core-site.xml文件：
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/hadoop/app/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
2.修改hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/app/hadoop/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/hadoop/app/hadoop/tmp/dfs/data</value>
</property>
</configuration>
Hadoop 的运行方式是由配置文件决定的（运行 Hadoop 时会读取配置文件），因此如果需要从伪分布式模式切换回非分布式模式，需要删除 core-site.xml 中的配置项。此外，伪分布式虽然只需要配置 fs.defaultFS 和 dfs.replication 就可以运行（可参考官方教程），不过若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行 format 才行。所以我们进行了设置，同时也指定 dfs.namenode.name.dir 和 dfs.datanode.data.dir，否则在接下来的步骤中可能会出错。
3.验证
3.1 配置完之后，执行NameNode的格式化
（该代码只在第一次配置完之后执行一次，每次执行都会重新格式化一次）
$ bin/hdfs namenode -format
3.2 启动namenode和datanode进程，并查看启动结果
$ sbin/start-dfs.sh
$ jps
启动完成后，可以通过命令 jps 来判断是否成功启动，若成功启动则会列出如下进程: “NameNode”、”DataNode” 和“SecondaryNameNode”
至此，hadoop的安装就基本上完成了！需要使用YARN的话，还需要单独配置mapred-site.xml和yarn-site.xml文件。
