前段時間搭建Hadoop分布式集群，踩了不少坑，網上很多資料都寫得不夠詳細，對於新手來說搭建起來會遇到很多問題。以下是自己根據搭建Hadoop分布式集群的經驗希望給新手一些幫助。當然，建議先把HDFS和MapReduce理論原理看懂了再來搭建，會流暢很多。
准備階段：
系統：Ubuntu Linux16.04 64位 （下載地址：https://www.ubuntu.com/download/desktop）
安裝好Ubuntu之后，如果之前沒有安裝過jdk，需要先安裝jdk。這里安裝jdk的版本是：jdk1.8.0_144 (下載地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html) 這里就不展開安裝說明，安裝jdk很簡單，這里自行百度吧。
建議Ubuntu下載64位，因為Hadoop2.5.0之后的版本里面的庫都是64位的，32位的Linux系統里面每次運行Hadoop都會報警告。
現在准備好了一台安裝了java的Ubuntu虛擬機，別忘了搭建Hadoop集群至少需要三台Ubuntu虛擬機。
最簡單的辦法就是 使用VMware自帶的克隆的辦法，克隆出三台一模一樣的虛擬機。
具體操作參見地址 （https://jingyan.baidu.com/article/6b97984d9798f11ca2b0bfcd.html）
准備好了三台Ubuntu Linux虛擬機，接下來就開始搭建集群。
先總的看一下所有的步驟：
一、配置hosts文件
二、建立hadoop運行帳號
三、配置ssh免密碼連入
四、下載並解壓hadoop安裝包
五、配置 /etc/hadoop目錄下的幾個文件及 /etc/profile
六、格式化namenode並啟動集群
接下來根據步驟開始搭建：
一、配置hosts文件
以上准備了三台虛擬機，但是虛擬機的主機名也是一樣的，需要現對虛擬機主機名進行修改，來進行區分一個主節點和兩個從節點。
修改主機名命令：
顯示的master就是主機名，我這里已經修改好了，可以把三台虛擬機分別命名 主節點：master 從節點1：node1 從節點2：node2
修改好了，保存即可。
接下來，分別查看三台虛擬機的ip地址，命令如下：
inet addr就是這台虛擬機的ip地址。
接下來打開hosts文件 進行修改：
將三台虛擬機的ip地址和主機名加在里面，其它的不用動它。
三台虛擬機都要修改hosts文件。簡單的說配置hosts后三台虛擬機就可以進行通信了，可以互相ping一下試試，是可以ping通的。
二、建立hadoop運行帳號
解釋一下這一步驟，就是建立一個group組，然后在三台虛擬機上重新建立新的用戶，將這三個用戶都加入到這個group中。
以下操作三台虛擬機都要進行相同操作：
首先添加一個叫hadoop用戶組進來
添加名叫hduser的用戶，並添加到hadoop組中。
接着輸入以下指令然后輸入兩次密碼
然后賦予hduser用戶admin權限
接下來的操作 切換到剛剛新建的用戶進行
三、配置ssh免密碼連入
開始配置ssh之前，先確保三台機器都裝了ssh。
輸入以下命令查看安裝的ssh。
如果缺少了opensh-server，需要進行安裝。
安裝完畢之后開始配置ssh
接下來的這第三個步驟的操作請注意是在哪台主機上進行，不是在三台上同時進行。
（1）下面的操作在master機上操作
首先在master機上輸入以下命令，生成master機的一對公鑰和私鑰：
以下命令進入認證目錄可以看到， id_rsa 和 id_rsa.pub這兩個文件，就是我們剛剛生成的公鑰和私鑰。
然后，下面的命令將公鑰加入到已認證的key中：
再次進入生成目錄，可以看到多出authorized_keys這個文件：
然后輸入ssh localhost 登錄本機命令，第一次提示輸入密碼，輸入exit退出，再次輸入ssh localhost不用輸入密碼就可以登錄本機成功，則本機ssh免密碼登錄已經成功。
到這里是不是已經對ssh免密碼登錄有了認識，不要着急，開始配置node1和node2節點的ssh免密碼登錄，目的是讓master主機可以不用密碼登錄到node1和node2主機。
（2）這一步分別在node1和node2主機上操作：
將master主機上的is_dsa.pub復制到node1主機上，命名為node1_dsa.pub。node2主機進行同樣的操作。
將從master得到的密鑰加入到認證，node2主機進行同樣的操作。
然后開始驗證是不是已經可以進行ssh免密碼登錄。
（3）在master機上進行驗證
同樣第一次需要密碼，之后exit退出，再ssh node1就不需要密碼登錄成功，說明ssh免密碼登錄配置成功！
如果失敗了，可能是前面的認證沒有認證好，可以將.ssh目錄下的密鑰都刪了重新生成和配置一遍。或者檢查下hosts文件ip地址寫的對不對。
四、下載並解壓hadoop安裝包
版本：Hadoop2.6.0 （下載地址：http://mirrors.hust.edu.cn/apache/hadoop/common/）
建議初學者選擇2.6.0或者2.7.0版本就可以了，而且如果后面要配置Eclipse開發環境的話，這兩個版本的插件很容易找到，不用自己去編譯。
話不多說，將hadoop壓縮包，解壓到一個文件夾里面，我這里解壓到了home文件夾，並修改文件夾名為hadoop2.6。所在的目錄就是/home/hduser/hadoop2.6
三台主機都要解壓到相應位置
五、配置 /etc/hadoop目錄下的幾個文件及 /etc/profile
主要有這5個文件需要修改：
~/etc/hadoop/hadoop-env.sh
~/etc/hadoop/core-site.xml
~/etc/hadoop/hdfs-site.xml
~/etc/hadoop/mapred-site.xml
~/etc/hadoop/slaves
/etc/profile
三台機都要進行這些操作，可以先在一台主機上修改，修改完了復制到其它主機就可以了。
首先是hadoop-env.sh ,添加java安裝的地址，保存退出即可。
然后core-site.cml
解釋下：第一個fs.default.name設置master機為namenode 第二個hadoop.tmp.dir配置Hadoop的一個臨時目錄，用來存放每次運行的作業jpb的信息。
接下來hdfs-site.xml的修改：
解釋下：dfs.name.dir是namenode存儲永久性的元數據的目錄列表。這個目錄會創建在master機上。dfs.data.dir是datanode存放數據塊的目錄列表，這個目錄在node1和node2機都會創建。 dfs.replication 設置文件副本數，這里兩個datanode，所以設置副本數為2。
接下來mapred-site.xml的修改：
解釋下：這里設置的是運行jobtracker的服務器主機名和端口，也就是作業將在master主機的9001端口執行。
接下來修改slaves文件
這里將兩台從主機的主機名node1和node2加進去就可以了。
最后修改profile文件 ，如下進入profile:
將這幾個路徑添加到末尾：
修改完讓它生效：
檢查下是否可以看到hadoop版本信息
顯示出了版本信息，如果沒有顯示出來，回過去檢查 profile路徑是否填寫錯誤。
六、格式化namenode並啟動集群
接下來需要格式化namenode，注意只需要在 master主機上進行格式化。格式化命令如下：
看到successful表示格式化成功。
接下來啟動集群：
啟動完畢，檢查下啟動情況： master主機看到四個開啟的進程，node1和node2看到三個開啟的進程表示啟動成功。
如果有疑問或疏漏的地方，歡迎大家指出和討論哈哈！！！