Hadoop 是一個分布式系統基礎架構，在大數據領域被廣泛的使用，它將大數據處理引擎盡可能的靠近存儲，Hadoop 最核心的設計就是 HDFS 和 MapReduce，HDFS 為海量的數據提供了存儲，MapReduce 為海量的數據提供了計算。這篇文章主要就是介紹一下如何搭建一個 Hadoop 運行環境。

我們使用 Linux 操作系統來搭建環境，下面的信息是用來準備搭建 Hadoop 環境的電腦環境信息。

hadoop@ubuntu:~$ cat /etc/os-release 
NAME="Ubuntu" 
VERSION="14.04.5 LTS, Trusty Tahr" 
ID=ubuntu 
ID_LIKE=debian 
PRETTY_NAME="Ubuntu 14.04.5 LTS" 
VERSION_ID="14.04" 
HOME_URL="http://www.ubuntu.com/" 
SUPPORT_URL="http://help.ubuntu.com/" 
BUG_REPORT_URL="http://bugs.launchpad.net/ubuntu/" 

緊接著來新建一個用戶，這一步其實也可以省略的，可以根據實際情況來決定，這里是新建了一個叫 hadoop 的新用戶。

#創建新用戶 
sudo useradd -m hadoop -s /bin/bash 
#設置密碼 
sudo passwd hadoop 
#為hadoop用戶增加管理員權限 
sudo adduser hadoop sudo 
#切換到hadoop用戶 
su hadoop 

我們首先來設置一下 SSH 無密碼登錄，這一步建議都設置一下，因為分布式系統環境都是由多臺服務器構成的，設置免密碼登錄會方便使用。

#先檢查下是否可以在沒有密碼的情況下ssh到localhost 
ssh localhost 
#如果在沒有密碼的情況下無法ssh到localhost，請執行以下命令 
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa 
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 
chmod 0600 ~/.ssh/authorized_keys 

上面是一些準備工作，接下來就正式開始部署 Hadoop 環境了。我們先在 Apache 官網(http://hadoop.apache.org)這里下載最新的穩定版本的 Hadoop 發行版，然后解壓到指定目錄并進入這個目錄，執行 ./bin/hadoop 和 ./bin/hadoop version 可以分別顯示 hadoop 腳本的使用文檔和版本信息，然后修改一下 ./etc/hadoop/core-site.xml 和 ./etc/hadoop/hdfs-site.xml這兩個配置文件，配置修改分別如下所示。

修改 ./etc/hadoop/core-site.xml 配置文件，添加如下配置：

<configuration> 
    <property> 
        <name>fs.defaultFS</name> 
        <value>hdfs://localhost:9090</value> 
    </property> 
    <property> 
        <name>hadoop.tmp.dir</name> 
        <value>file:/opt/bigdata/hadoop/tmp</value> 
        <description>A base for other temporary directories.</description> 
    </property> 
</configuration> 

修改 ./etc/hadoop/hdfs-site.xml 配置文件，添加如下配置：

<configuration> 
    <property> 
        <name>dfs.replication</name> 
        <value>1</value> 
    </property> 
    <property> 
        <name>dfs.namenode.name.dir</name> 
        <value>file:/opt/bigdata/hadoop/tmp/dfs/name</value> 
    </property> 
    <property> 
        <name>dfs.datanode.data.dir</name> 
        <value>file:/opt/bigdata/hadoop/tmp/dfs/data</value> 
    </property> 
</configuration> 

配置修改好之后，執行格式化文件系統，操作如下。

hadoop@ubuntu:/opt/bigdata/hadoop$ ./bin/hdfs namenode -format 
#執行后輸出會比較多，看到下邊這條信息表示成功 
 INFO common.Storage: Storage directory /opt/bigdata/hadoop/tmp/dfs/name has been successfully formatted. 

在格式化 NameNode 的時候可能會遇到下面這樣的兩個問題。

1. 提示 Error: JAVA_HOME is not set and could not be found. 的錯誤，這說明 JAVA_HOME 環境變量沒有配置好，重新配置一下，或者修改 ./etc/hadoop/hadoop-env.sh 文件把 export JAVA_HOME=${JAVA_HOME} 直接修改成絕對目錄 export JAVA_HOME=/usr/lib/jvm/java-8 既可解決。
2. 提示 ERROR namenode.NameNode: java.io.IOException: Cannot create directory /opt/bigdata/hadoop/tmp/dfs/name/current 的錯誤，這是因為配置的 /opt/bigdata/hadoop/tmp 目錄的寫入權限有問題，可以直接執行 sudo chmod -R a+w /home/hadoop/tmp 即可解決。

接下來執行 ./sbin/start-dfs.sh 來開啟 NameNode 和 DataNode 守護進程，然后檢查 NameNode、DataNode 和 SecondaryNameNode 是否都已經啟動成功，操作如下：

hadoop@ubuntu:/opt/bigdata/hadoop$ jps 
4950 Jps 
3622 SecondaryNameNode 
3295 DataNode 
2910 NameNode 

啟動成功之后可以用瀏覽器來打開 http://localhost:50070/ 瀏覽 NameNode 的Web界面。

到此為止，Hadoop 單節點集群(偽分布式)環境搭建就已經成功了， 接下來運行一個 Hadoop 偽分布式實例。因為 Hadoop 單機模式是運行的本地文件系統，(偽)分布式模式則是運行的 HDFS 上的數據。我們現在 HDFS 中創建用戶目錄，執行目命令 ./bin/hdfs dfs -mkdir -p /user/hadoop 即可，執行如下命令將輸入文件復制到分布式文件系統中。

#這個可以不執行，因為會自動創建好目錄的  
#./bin/hdfs dfs -mkdir input 
./bin/hdfs dfs -put etc/hadoop input 
#查看復制到HDFS的文件列表 
./bin/hdfs dfs -ls input 

接下來運行一個 Hadoop 自帶的 mapreduce 實例看看效果吧，直接執行如下命令。

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples- 
2.9.1.jar grep input output 'dfs[a-z.]+' 

使用 ./bin/hdfs dfs -cat output/* 命令查看運行后在 HDFS 上的輸出文件列表，或者使用下面的命令拷貝到本地查看。

./bin/hdfs dfs -get output output 
./cat output/* 

關閉 Hadoop 直接使用 ./sbin/stop-dfs.sh 命令即可。

這里介紹了 Hadoop 環境搭建的最基本最簡單的方法，我建議最好是邊看邊動手操作一下，這樣可以加深印象和理解，更加有利于掌握相關知識點。當然，Hadoop 環境搭建還有其他一些方法，也是實際開發中常用的方法，比如基于 Yarn、Mesos 等資源調度系統搭建、使用 Docker 搭建等等，有興趣的朋友們可以嘗試一下這些方法，也歡迎留言交流。