在图书馆看到关于 Hadoop 的书，刚好有空，就借回来了看看。然后在寝室尝试搭建环境，用了一天才弄好。
Hadoop 的运行模式有 单机模式、伪分布式模式、完全分布式模式。我选择的时完全分布式模式安装。
因此需要多台机器。但哪来的多台机器呢，当然是虚拟机啦。
因为 Hadoop 只能运行在 *nix 环境中，因此我在 Ubuntu 中又用 VirtualBox 安装了两台虚拟机。一台作为 master, 一台作为 slave1.
因为怕搞坏宿主机器，因此没在物理机上折腾。集群，通常是有好多台机器的，但我内存才 6G 还是就开两台吧。
首先安装虚拟机都很容易，就不说了。需要注意的就是用户名、机器名和网络配置。
据说 Hadoop 需要集群中机器的 用户名一致 ，因此安装时用统一的用户名密码即满足有求又好记。
主机名，master 就设置为 master, slave 就设置为 slave1. 如果有更多 slave，数字递增即可。主机名只是助记用的，不用太在意这些细节。
然后就是网络配置。我们需要实现的目标有：
1. 各虚拟机间可互相访问
2. 虚拟机和主机可互相访问
3. 虚拟机可上外网
为了实现第三点，最方便的方法就是使用“ 网络地址转换(NAT) ”这种方式。
为了实现***点和第二点，还需要增加 “ 仅主机(HostOnly) ”方式。
VirtualBox 的虚拟机有多种网络配置模式，包括：桥接、网络地址转换(NAT)、NAT、仅主机等。
桥接方式是虚拟出一块网卡，虚拟机内使用这个虚拟网卡，相当于一台物理机配置网络。但我们学校一人一个 IP 地址，网络也需要认证登录，因此并不适用。
网络地址转换(NAT)是默认的网络配置，这样可以使虚拟机上网，也不要配置 IP，动态分配 DHCP 的 IP 地址，相当于虚拟机是宿主的一个程序。
NAT 方式，据说是上一个模式的升级版，没试过(需要在 VB 全局设置里配置网卡)。
仅主机模式，虚拟出一个网卡，宿主和虚拟机都可以连接，这样宿主和虚拟机就在同一个网络中可互相访问了。
我使用的方式是，在虚拟机的「管理」-「全局设置」-「网络」中，选择「仅主机网络」，没有配置就添加一个，有就双击查看详情，记下IP地址。
默认是 192.168.56.1 你也可以改为 192.168.1.1 这种。DHCP 选项卡不勾选。
然后这样宿主就自动连接上这个虚拟网卡了，Ubuntu 菜单栏会有一项显示「设备未托管」的网络就是这个。因为你的IP就是刚刚记下的，不需要再在「编辑连接」里配置了。
在虚拟机关闭状态或刚新建还没启动时，配置他的网络。选择要配置的虚拟机，「设置」-「网络」：
网卡一：启用网络连接，选择「网络地址转换(NAT)」。
网卡二：启用网络连接，选择「仅主机(HostOnly)适配器」，界面选择刚刚全局添加的那个名称。
启动虚拟机后，在其中可以看到两个网络连接，在右上角的菜单栏中点击选择「编辑连接」
「以太网」选项卡选择网络接口，新版本的Ubuntu不是eth0/eth1这种名称了，是 enp0s3/enp0s8类似的名称，数字小的一个是网卡一，另一个是网卡二。
在网卡一中，我们选择的是 NAT 模式，那么，在 IPv4 选项卡，就只需要选择 DHCP 就行了，不用配置 IP 地址(自动分配10.0.2.x)。这个是虚拟机上外网的网络。
在网卡二中，我们选择的时仅主机模式，在 IPv4 选项卡中，需要配置静态 IP(网关可以不用配置)，用于各个机器间互相访问。这个是宿主和虚拟机之间的局域网。
还需要在IPv4选项卡中的「路由…」按钮中 勾选「仅将连接用于相应的网络上的资源」 这样当两个网络同时启用时，访问外网就不会用网卡二的网关了。否则可能访问外网使用网卡二的网关192.168.56.1,那么将不能访问外网。
虚拟机配置网络
现在，你可以在虚拟机(192.168.56.2)中ping通外网(如youthlin.com)、其他配置好的虚拟机(192.168.56.3)、宿主机(192.168.56.1)。
然后就是准备安装 Hadoop 了。
- Open-SSH
- JDK7+
- Hadoop2.7.3
ssh 就是配置免密码登录。
- ssh-keygen -t rsa
生成公钥私钥密钥对，把公钥 id_rsa.pub 导入目标主机的 authorized_keys 文件中，那么本机就可以免密码登录目标主机。
Hadoop 2.7 需要 JDK7+ 版本，我是在 Oracle 网站上下载 JDK 然后解压的。只需在 /etc/profile 要配置 JAVA_HOME 就可以了。
Hadoop 我下载的是当前 2.7.3 版本，解压在 /opt/ 文件夹下。
- chown -R xxx /opt
xxx 为你需要的用户名，意思是把 /opt 文件夹授权给 xxx 用户。
配置文件全在 $HADOOP_HOME/etc/hadoop下
- exportJAVA_HOME=xxx
- exportHADOOP_HOME=xxx
- exportHADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
这三个环境变量在 profile 里也要配置一下，把 $JAVA_HOME/bin、$HADOOP_HOME/bin 加入 PATH，注销再登录生效。
- core-site.xml
- hdfs-site.xml
- mapred-site.xml.template
- slaves
这几个文件具体配置自行搜索吧，我也不太确定咋配。可看下方参考链接。
先在 HADOOP_HOME 下新建了 tmp、name、data 文件夹， hadoop.tmp.dir 设为 tmp， dfs.namenode.name.dir 设为 name的路径， dfs.datanode.data.dir 设为 data的路径。暂时没有用到 yarn.xml 等以后搞明白了在研究……
所有机器都这样配置。然后就算配置好了环境～
准备启动之前需要先格式化 HDFS. 这是 Hadoop 用的分布式文件系统，理解为 NTFS、ext4 之类的就行了，只不过 HDFS 里的文件时存在多台机器上的。
- hdfsnamenode -format
Exiting with status 0就表示执行成功了。
启动使用的命令在 $HADOOP_HOME/sbin 下，用 start-dfs.sh 和 start-yarn.sh 启动 Hadoop
- hdfs dfs -ls
- hdfs dfs -put
- hdfs dfs -cat
用于列出HDFS里文件、上传本地文件到HDFS、输出HDFS里文件内容。
Hadoop自带的网络界面
测试安装是否成功用 WordCount 检测。(此时可以访问 http://master:50070/ 为了方便可以把 master/slave1 的 IP 放在/etc/hosts 里)
首先在 master 里随便准备一个文本文件，比如叫做 words，内容就是几个单词。
然后再
- hdfs -dfs -put /path/to/words /test/words
这样就把 words 文件放入 HDFS 文件系统了。
在 HADOOP_HOME 执行：
- hadoopjarshare/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /test/words /test/out
记执行单词计数统计程序，/test/words 为输入文件，/test/out 为输出目录，其中输出目录的父目录必须存在，否则报异常，slave 里 hadoop-env.sh 没配置 JAVA_HOME 也会报异常。退出码为 0 表示执行成功。
运行结果
这样就算安装成功启动成功了，jps 命令可以看到运行中的 Java 进程。下一步有空的话再看书学习～
