Linux系统安装Hadoop
Hadoop包括3种安装模式：
①单机模式：只在一台机器上运行，存储采用本地文件系统，没有采用分布式文件系统HDFS；
②伪分布式模式：存储采用分布式文件系统HDFS，但是HDFS的名称节点和数据节点都在同一台机器上；
③分布式模式：存储采用分布式文件系统HDFS，而且HDFS的名称节点和数据节点位于不同机器上。
一、下载安装文件
我们在这里选择下载2.7.7版本的Hadoop作为示例，也可酌情选择下载其他版本：
①进入Hadoop官网安装文件下载地址：http://mirrors.cnnic.cn/apache/hadoop/common/，点击hadoop-2.7.7/：
②点击下载hadoop-2.7.7.tar.gz：
③打开Linux终端，进入刚才下载文件所在的目录，通过下列命令将下载文件解压并保存到/usr/local/目录下：
sudo tar -zxf hadoop-2.7.7.tar.gz -C /usr/local/
④进入/usr/local/目录，通过下列命令修改文件夹名：
sudo mv ./hadoop-2.7.7/ ./hadoop/
⑤通过下列命令对当前登录用户进行授权，使其拥有对./hadoop目录的权限：
sudo chown -R 用户名 ./hadoop/
⑥进入/usr/local/hadoop/目录，通过下列命令检查安装的Hadoop是否可用，成功则会显示Hadoop的版本信息：
./bin/hadoop version
二、单机模式配置
Hadoop的默认模式为非分布式模式（本地模式），无须进行其他配置即可运行，Hadoop附带了丰富的例子，进入/usr/local/hadoop/目录，运行下列命令可以查看所有例子:
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar
上述命令执行后，会显示所有例子的简介信息，包括grep、join、wordcount等，这里选择运行grep实例，可以先在/usr/local/hadoop/目录下创建一个文件夹input，并复制一些文件到该文件下，然后运行grep程序，将input文件夹中的所有文件作为grep的输人，让grep程序从所有文件中筛选出符合正则表达式“dfs[a-z.]+”的单词，并统计单词出现的次数，最后，把统计结果输出到/usr/local/hadoop/output文件夹中，完成上述操作的具体命令如下：
①进入/usr/local/hadoop目录：
cd /usr/local/hadoop/
②创建文件夹input：
mkdir input
③将配置文件复制到input目录下：
cp ./etc/hadoop/*.xml ./input
④运行grep例子：
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar grep ./input ./output 'dfs[a-z.]+'
⑤查看运行结果：
cat ./output/*
输出的结果是符合正则表达式的单词dfsadmin出现了一次：
1 dfsadmin
需要注意的是，Hadoop默认不会覆盖结果文件，因此再次运行上面实例时会提示出错，如果要再次运行，需要先使用如下命令把output文件夹删除：
rm -r ./output/
三、伪分布式模式配置
Hadoop可以在单个节点（一台机器）上以伪分布式的方式运行，同一个节点既作为名称节点（Name Node），也作为数据节点（Data Node），读取的是分布式文件系统HDFS中的文件。
当Hadoop应用于集群时，不论是伪分布式还是真正的分布式运行，都需要通过配置文件对各组件的协同工作进行设置，最重要的几个配置文件如下：
| 文件名称 | 格式 | 描述 |
|---|---|---|
| hadoop-env.sh | Bash脚本 | 记录配置Hadoop运行所需的环境变量，以运行Hadoop |
| core-site.xml | Hadoop配置XML | Hadoop core的配置项，如HDFS和MapReduce常用的I/O设置等 |
| hdfs-site.xml | Hadoop配置XML | Hadoop守护进程的配置项，包括NameNode 、SecondaryNameNode和DataNode等 |
| mapred-site.xml | Hadoop配置XML | MapReduce守护进程的配置项，包括JobTracker和TaskTracker |
| masters | 纯文本 | 运行SecondaryNameNode的机器列表（每行一个） |
| slaves | 纯文本 | 运行DataNode和TaskTracker的机器列表（每行一个） |
| hadoop-metrics.properties | Java属性 | 控制metrics在Hadoop上如何发布的属性 |
伪分布式配置的详细步骤请参照：Linux系统Hadoop伪分布式模式配置。
四、分布式模式配置
当Hadoop采用分布式模式部署和运行时，存储采用分布式文件系统HDFS，而且HDFS的名称节点和数据节点位于不同机器上，数据可以分布到多个节点上，不同数据节点上的数据计算可以并行执行，这时的MapReduce分布式计算能力才能真正发挥作用。
搭建Hadoop分布式集群通常容易想到的如下两种方法：
①采用多台机器构建分布式集群；
②在一台机器上安装多个虚拟机，每个虚拟机上运行一个Hadoop节点。
但是，上述两种方式都有缺点，如果采用第一种方法，通常需要有多台机器，对于很多同学而言，通常难以找到多台机器用于构建分布式实验环境；如果采用第二种方法，通常对单台机器的配置要求很高，如果机器配置较低，那么在一台机器上同时运行多个虚拟机，速度会非常慢。
如今，随着虚拟化技术的发展，尤其是Docker容器技术的诞生，使得人们可以有了第三种构建Hadoop分布式集群的方法——使用Docker搭建Hadoop分布式集群。