前段时间搭建Hadoop分布式集群，踩了不少坑，网上很多资料都写得不够详细，对于新手来说搭建起来会遇到很多问题。以下是自己根据搭建Hadoop分布式集群的经验希望给新手一些帮助。当然，建议先把HDFS和MapReduce理论原理看懂了再来搭建，会流畅很多。
准备阶段：
系统：Ubuntu Linux16.04 64位 （下载地址：https://www.ubuntu.com/download/desktop）
安装好Ubuntu之后，如果之前没有安装过jdk，需要先安装jdk。这里安装jdk的版本是：jdk1.8.0_144 (下载地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html) 这里就不展开安装说明，安装jdk很简单，这里自行百度吧。
建议Ubuntu下载64位，因为Hadoop2.5.0之后的版本里面的库都是64位的，32位的Linux系统里面每次运行Hadoop都会报警告。
现在准备好了一台安装了java的Ubuntu虚拟机，别忘了搭建Hadoop集群至少需要三台Ubuntu虚拟机。
最简单的办法就是 使用VMware自带的克隆的办法，克隆出三台一模一样的虚拟机。
具体操作参见地址 （https://jingyan.baidu.com/article/6b97984d9798f11ca2b0bfcd.html）
准备好了三台Ubuntu Linux虚拟机，接下来就开始搭建集群。
先总的看一下所有的步骤：
一、配置hosts文件
二、建立hadoop运行帐号
三、配置ssh免密码连入
四、下载并解压hadoop安装包
五、配置 /etc/hadoop目录下的几个文件及 /etc/profile
六、格式化namenode并启动集群
接下来根据步骤开始搭建：
一、配置hosts文件
以上准备了三台虚拟机，但是虚拟机的主机名也是一样的，需要现对虚拟机主机名进行修改，来进行区分一个主节点和两个从节点。
修改主机名命令：
显示的master就是主机名，我这里已经修改好了，可以把三台虚拟机分别命名 主节点：master 从节点1：node1 从节点2：node2
修改好了，保存即可。
接下来，分别查看三台虚拟机的ip地址，命令如下：
inet addr就是这台虚拟机的ip地址。
接下来打开hosts文件 进行修改：
将三台虚拟机的ip地址和主机名加在里面，其它的不用动它。
三台虚拟机都要修改hosts文件。简单的说配置hosts后三台虚拟机就可以进行通信了，可以互相ping一下试试，是可以ping通的。
二、建立hadoop运行帐号
解释一下这一步骤，就是建立一个group组，然后在三台虚拟机上重新建立新的用户，将这三个用户都加入到这个group中。
以下操作三台虚拟机都要进行相同操作：
首先添加一个叫hadoop用户组进来
添加名叫hduser的用户，并添加到hadoop组中。
接着输入以下指令然后输入两次密码
然后赋予hduser用户admin权限
接下来的操作 切换到刚刚新建的用户进行
三、配置ssh免密码连入
开始配置ssh之前，先确保三台机器都装了ssh。
输入以下命令查看安装的ssh。
如果缺少了opensh-server，需要进行安装。
安装完毕之后开始配置ssh
接下来的这第三个步骤的操作请注意是在哪台主机上进行，不是在三台上同时进行。
（1）下面的操作在master机上操作
首先在master机上输入以下命令，生成master机的一对公钥和私钥：
以下命令进入认证目录可以看到， id_rsa 和 id_rsa.pub这两个文件，就是我们刚刚生成的公钥和私钥。
然后，下面的命令将公钥加入到已认证的key中：
再次进入生成目录，可以看到多出authorized_keys这个文件：
然后输入ssh localhost 登录本机命令，第一次提示输入密码，输入exit退出，再次输入ssh localhost不用输入密码就可以登录本机成功，则本机ssh免密码登录已经成功。
到这里是不是已经对ssh免密码登录有了认识，不要着急，开始配置node1和node2节点的ssh免密码登录，目的是让master主机可以不用密码登录到node1和node2主机。
（2）这一步分别在node1和node2主机上操作：
将master主机上的is_dsa.pub复制到node1主机上，命名为node1_dsa.pub。node2主机进行同样的操作。
将从master得到的密钥加入到认证，node2主机进行同样的操作。
然后开始验证是不是已经可以进行ssh免密码登录。
（3）在master机上进行验证
同样第一次需要密码，之后exit退出，再ssh node1就不需要密码登录成功，说明ssh免密码登录配置成功！
如果失败了，可能是前面的认证没有认证好，可以将.ssh目录下的密钥都删了重新生成和配置一遍。或者检查下hosts文件ip地址写的对不对。
四、下载并解压hadoop安装包
版本：Hadoop2.6.0 （下载地址：http://mirrors.hust.edu.cn/apache/hadoop/common/）
建议初学者选择2.6.0或者2.7.0版本就可以了，而且如果后面要配置Eclipse开发环境的话，这两个版本的插件很容易找到，不用自己去编译。
话不多说，将hadoop压缩包，解压到一个文件夹里面，我这里解压到了home文件夹，并修改文件夹名为hadoop2.6。所在的目录就是/home/hduser/hadoop2.6
三台主机都要解压到相应位置
五、配置 /etc/hadoop目录下的几个文件及 /etc/profile
主要有这5个文件需要修改：
~/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
三台机都要进行这些操作，可以先在一台主机上修改，修改完了复制到其它主机就可以了。
首先是hadoop-env.sh ,添加java安装的地址，保存退出即可。
然后core-site.cml
解释下：第一个fs.default.name设置master机为namenode 第二个hadoop.tmp.dir配置Hadoop的一个临时目录，用来存放每次运行的作业jpb的信息。
接下来hdfs-site.xml的修改：
解释下：dfs.name.dir是namenode存储永久性的元数据的目录列表。这个目录会创建在master机上。dfs.data.dir是datanode存放数据块的目录列表，这个目录在node1和node2机都会创建。 dfs.replication 设置文件副本数，这里两个datanode，所以设置副本数为2。
接下来mapred-site.xml的修改：
解释下：这里设置的是运行jobtracker的服务器主机名和端口，也就是作业将在master主机的9001端口执行。
接下来修改slaves文件
这里将两台从主机的主机名node1和node2加进去就可以了。
最后修改profile文件 ，如下进入profile:
将这几个路径添加到末尾：
修改完让它生效：
检查下是否可以看到hadoop版本信息
显示出了版本信息，如果没有显示出来，回过去检查 profile路径是否填写错误。
六、格式化namenode并启动集群
接下来需要格式化namenode，注意只需要在 master主机上进行格式化。格式化命令如下：
看到successful表示格式化成功。
接下来启动集群：
启动完毕，检查下启动情况： master主机看到四个开启的进程，node1和node2看到三个开启的进程表示启动成功。
