本教程基于原生Hadoop2，在Hadoop2.6.0(stable)版本下验证通过，可适合任何Hadoop2.x.y版本，如Hadoop2.7.1、2.6.3、2.4.1等。
使用本教程请确保系统处于联网状态下，部分高校使用星网锐捷连接网络，可能导致虚拟机无法联网，那么建议您使用双系统安装ubuntu,然后再使用本教程！
Hadoop版本:Hadoop有两个主要版本，Hadoop1.x.y和Hadoop2.x.y系列，比较老的教材上用的可能是0.20这样的版本。Hadoop2.x版本在不断更新，本教程均可适用。如果需安装0.20，1.2.1这样的版本，本教程也可以作为参考，主要差别在于配置项，配置请参考官网教程或其他教程。
新版是兼容旧版的，书上旧版本的代码应该能够正常运行（我自己没验证，欢迎验证反馈）。
装好了Ubuntu系统之后，在安装Hadoop前还需要做一些必备工作。
如果你安装Ubuntu的时候不是用的"hadoop"用户，那么需要增加一个名为hadoop的用户。
首先按ctrl+alt+t打开终端窗口，输入如下命令创建新用户:
sudouseradd-mhadoop-s/bin/bash这条命令创建了可以登陆的hadoop用户，并使用/bin/bash作为shell。
密码:在Linux的终端中输入密码，终端是不会显示任何你当前输入的密码，也不会提示你已经输入了多少字符密码。而在windows系统中,输入密码一般都会以“*”表示你输入的密码字符
输入法中英文切换:ubuntu中终端输入的命令一般都是使用英文输入。linux中英文的切换方式是使用键盘“shift”键来切换，也可以点击顶部菜单的输入法按钮进行切换。ubuntu自带的Sunpinyin中文输入法已经足够读者使用。
Ubuntu终端复制粘贴快捷键:在Ubuntu终端窗口中，复制粘贴的快捷键需要加上shift，即粘贴是ctrl+shift+v。
接着使用如下命令设置密码，可简单设置为hadoop，按提示输入两次密码：
sudopasswdhadoop可为hadoop用户增加管理员权限，方便部署，避免一些对新手来说比较棘手的权限问题：
sudoadduserhadoopsudo最后注销当前用户（点击屏幕右上角的齿轮，选择注销），返回登陆界面。在登陆界面中选择刚创建的hadoop用户进行登陆。
sudoapt-getupdate若出现如下"Hash校验和不符"的提示，可通过更改软件源来解决。若没有该问题，则不需要更改。从软件源下载某些软件的过程中，可能由于网络方面的原因出现没法下载的情况，那么建议更改软件源。在学习Hadoop过程中，即使出现“Hash校验和不符”的提示，也不会影响Hadoop的安装。
首先点击左侧任务栏的【系统设置】（齿轮图标），选择【软件和更新】
点击“下载自”右侧的方框，选择【其他节点】
在列表中选中【mirrors.aliyun.com】，并点击右下角的【选择服务器】，会要求输入用户密码，输入即可。
接着点击关闭。
此时会提示列表信息过时，点击【重新载入】，
最后耐心等待更新缓存即可。更新完成会自动关闭【软件和更新】这个窗口。如果还是提示错误，请选择其他服务器节点如mirrors.163.com再次进行尝试。更新成功后，再次执行sudoapt-getupdate就正常了。
后续需要更改一些配置文件，我比较喜欢用的是vim（vi增强版，基本用法相同），建议安装一下（如果你实在还不会用vi/vim的，请将后面用到vim的地方改为gedit，这样可以使用文本编辑器进行修改，并且每次文件更改完成后请关闭整个gedit程序，否则会占用终端）：
sudoapt-getinstallvim安装软件时若需要确认，在提示处输入y即可。
vim的常用模式有分为命令模式，插入模式，可视模式，正常模式。本教程中，只需要用到正常模式和插入模式。二者间的切换即可以帮助你完成本指南的学习。
sudoapt-getinstallopenssh-server安装后，可以使用如下命令登陆本机：
sshlocalhost此时会有如下提示(SSH首次登陆提示)，输入yes。然后按提示输入密码hadoop，这样就登陆到本机了。
但这样登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。
~的含义:在Linux系统中，~代表的是用户的主文件夹，即"/home/用户名"这个目录，如你的用户名为hadoop，则~就代表"/home/hadoop/"。此外，命令中的#后面的文字是注释，只需要输入前面命令即可。
此时再用sshlocalhost命令，无需输入密码就可以直接登陆了，如下图所示。
下面有三种安装JDK的方式，可以任选一种。推荐直接使用第1种安装方式。
（1）第1种安装JDK方式（手动安装，推荐采用本方式）
JDK文件解压缩以后，可以执行如下命令到/usr/lib/jvm目录查看一下：
cd/usr/lib/jvmls可以看到，在/usr/lib/jvm目录下有个jdk1.8.0_162目录。下面继续执行如下命令，设置环境变量：
exportJAVA_HOME=/usr/lib/jvm/jdk1.8.0_162exportJRE_HOME=${JAVA_HOME}/jreexportCLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/libexportPATH=${JAVA_HOME}/bin:$PATH保存.bashrc文件并退出vim编辑器。然后，继续执行如下命令让.bashrc文件的配置立即生效：
source~/.bashrc这时，可以使用如下命令查看是否安装成功：
java-version如果能够在屏幕上返回如下信息，则说明安装成功：
hadoop@ubuntu:~$java-versionjavaversion"1.8.0_162"Java(TM)SERuntimeEnvironment(build1.8.0_162-b12)JavaHotSpot(TM)64-BitServerVM(build25.162-b12,mixedmode)（2）第2种安装JDK方式：
sudoapt-getinstallopenjdk-7-jreopenjdk-7-jdk
JRE和JDK的区别:JRE（JavaRuntimeEnvironment，Java运行环境），是运行Java所需的环境。JDK（JavaDevelopmentKit，Java软件开发工具包）即包括JRE，还包括开发Java程序所需的工具和类库。
安装好OpenJDK后，需要找到相应的安装路径，这个路径是用于配置JAVA_HOME环境变量的。执行如下命令：
dpkg-Lopenjdk-7-jdk|grep'/bin/javac'该命令会输出一个路径，除去路径末尾的“/bin/javac”，剩下的就是正确的路径了。如输出路径为/usr/lib/jvm/java-7-openjdk-amd64/bin/javac，则我们需要的路径为/usr/lib/jvm/java-7-openjdk-amd64。
vim~/.bashrc在文件最前面添加如下单独一行（注意=号前后不能有空格），将“JDK安装路径”改为上述命令得到的路径，并保存：
exportJAVA_HOME=JDK安装路径如下图所示（该文件原本可能不存在，内容为空，这不影响）：
接着还需要让该环境变量生效，执行如下代码：
source~/.bashrc#使变量设置生效设置好后我们来检验一下是否设置正确：
echo$JAVA_HOME#检验变量值java-version$JAVA_HOME/bin/java-version#与直接执行java-version一样如果设置正确的话，$JAVA_HOME/bin/java-version会输出java的版本信息，且和java-version的输出结果一样，如下图所示：
这样，Hadoop所需的Java运行环境就安装好了。
（3）第3种安装JDK方式根据大量电脑安装Java环境的情况我们发现，部分电脑按照上述的第一种安装方式会出现安装失败的情况，这时，可以采用这里介绍的另外一种安装方式，命令如下：
vim~/.bashrc在文件最前面添加如下单独一行（注意，等号“=”前后不能有空格），然后保存退出：
exportJAVA_HOME=/usr/lib/jvm/default-java接下来，要让环境变量立即生效，请执行如下代码：
source~/.bashrc#使变量设置生效执行上述命令后，可以检验一下是否设置正确：
echo$JAVA_HOME#检验变量值java-version$JAVA_HOME/bin/java-version#与直接执行java-version一样至此，就成功安装了Java环境。下面就可以进入Hadoop的安装。
截止到2015年12月9日，Hadoop官方网站已经更新到2.7.1版本。对于2.6.0以上版本的Hadoop，仍可以参照此教程学习，可放心下载官网最新版本的Hadoop。
下载完Hadoop文件后一般就可以直接使用。但是如果网络不好，可能会导致下载的文件缺失，可以使用md5等检测工具可以校验文件是否完整。
下载官方网站提供的hadoop-2.x.y.tar.gz.mds这个文件，该文件包含了检验值可用于检查hadoop-2.x.y.tar.gz的完整性，否则若文件发生了损坏或下载不完整，Hadoop将无法正常运行。
本文涉及的文件均通过浏览器下载，默认保存在“下载”目录中（若不是请自行更改tar命令的相应目录）。另外，本教程选择的是2.6.0版本，如果你用的不是2.6.0版本，则将所有命令中出现的2.6.0更改为你所使用的版本。
cat~/下载/hadoop-2.6.0.tar.gz.mds|grep'MD5'#列出md5检验值#head-n6~/下载/hadoop-2.7.1.tar.gz.mds#2.7.1版本格式变了，可以用这种方式输出md5sum~/下载/hadoop-2.6.0.tar.gz|tr"a-z""A-Z"#计算md5值，并转化为大写，方便比较若文件不完整则这两个值一般差别很大，可以简单对比下前几个字符跟后几个字符是否相等即可，如下图所示，如果两个值不一样，请务必重新下载。
我们选择将Hadoop安装至/usr/local/中：
sudotar-zxf~/下载/hadoop-2.6.0.tar.gz-C/usr/local#解压到/usr/local中cd/usr/local/sudomv./hadoop-2.6.0/./hadoop#将文件夹名改为hadoopsudochown-Rhadoop./hadoop#修改文件权限Hadoop解压后即可使用。输入如下命令来检查Hadoop是否可用，成功则会显示Hadoop版本信息：
cd/usr/local/hadoop./bin/hadoopversion
相对路径与绝对路径:请务必注意命令中的相对路径与绝对路径，本文后续出现的./bin/...，./etc/...等包含./的路径，均为相对路径，以/usr/local/hadoop为当前目录。例如在/usr/local/hadoop目录中执行./bin/hadoopversion等同于执行/usr/local/hadoop/bin/hadoopversion。可以将相对路径改成绝对路径来执行，但如果你是在主文件夹~中执行./bin/hadoopversion，执行的会是/home/hadoop/bin/hadoopversion，就不是我们所想要的了。
Hadoop默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。非分布式即单Java进程，方便进行调试。
现在我们可以执行例子来感受下Hadoop的运行。Hadoop附带了丰富的例子（运行./bin/hadoopjar./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar可以看到所有例子），包括wordcount、terasort、join、grep等。
在此我们选择运行grep例子，我们将input文件夹中的所有文件作为输入，筛选当中符合正则表达式dfs[a-z.]+的单词并统计出现的次数，最后输出结果到output文件夹中。
注意，Hadoop默认不会覆盖结果文件，因此再次运行上面实例会提示出错，需要先将./output删除。
rm-r./outputHadoop伪分布式配置Hadoop可以在单节点上以伪分布式的方式运行，Hadoop进程以分离的Java进程来运行，节点既作为NameNode也作为DataNode，同时，读取的是HDFS中的文件。
修改配置文件core-site.xml(通过gedit编辑会比较方便:gedit./etc/hadoop/core-site.xml)，将当中的
Hadoop配置文件说明:
Hadoop的运行方式是由配置文件决定的（运行Hadoop时会读取配置文件），因此如果需要从伪分布式模式切换回非分布式模式，需要删除core-site.xml中的配置项。
此外，伪分布式虽然只需要配置fs.defaultFS和dfs.replication就可以运行（官方教程如此），不过若没有配置hadoop.tmp.dir参数，则默认使用的临时目录为/tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行format才行。所以我们进行了设置，同时也指定dfs.namenode.name.dir和dfs.datanode.data.dir，否则在接下来的步骤中可能会出错。
配置完成后，执行NameNode的格式化:
cd/usr/local/hadoop./bin/hdfsnamenode-format成功的话，会看到"successfullyformatted"和"Exittingwithstatus0"的提示，若为"Exittingwithstatus1"则是出错。
如果在这一步时提示Error:JAVA_HOMEisnotsetandcouldnotbefound.的错误，则说明之前设置JAVA_HOME环境变量那边就没设置好，请按教程先设置好JAVA_HOME变量，否则后面的过程都是进行不下去的。如果已经按照前面教程在.bashrc文件中设置了JAVA_HOME，还是出现Error:JAVA_HOMEisnotsetandcouldnotbefound.的错误，那么，请到hadoop的安装目录修改配置文件“/usr/local/hadoop/etc/hadoop/hadoop-env.sh”，在里面找到“exportJAVA_HOME=${JAVA_HOME}”这行，然后，把它修改成JAVA安装路径的具体地址，比如，“exportJAVA_HOME=/usr/lib/jvm/default-java”，然后，再次启动Hadoop。
接着开启NameNode和DataNode守护进程。
cd/usr/local/hadoop./sbin/start-dfs.sh#start-dfs.sh是个完整的可执行文件，中间没有空格若出现如下SSH提示，输入yes即可。
启动时可能会出现如下WARN提示：WARNutil.NativeCodeLoader:Unabletoloadnative-hadooplibraryforyourplatform...usingbuiltin-javaclasseswhereapplicableWARN提示可以忽略，并不会影响正常使用。
启动Hadoop时提示Couldnotresolvehostname:
如果启动Hadoop时遇到输出非常多“ssh:Couldnotresolvehostnamexxx”的异常情况，如下图所示：
这个并不是ssh的问题，可通过设置Hadoop环境变量来解决。首先按键盘的ctrl+c中断启动，然后在~/.bashrc中，增加如下两行内容（设置过程与JAVA_HOME变量一样，其中HADOOP_HOME为Hadoop的安装目录）：
exportHADOOP_HOME=/usr/local/hadoopexportHADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native保存后，务必执行source~/.bashrc使变量设置生效，然后再次执行./sbin/start-dfs.sh启动Hadoop。
启动完成后，可以通过命令jps来判断是否成功启动，若成功启动则会列出如下进程:"NameNode"、"DataNode"和"SecondaryNameNode"（如果SecondaryNameNode没有启动，请运行sbin/stop-dfs.sh关闭进程，然后再次尝试启动尝试）。如果没有NameNode或DataNode，那就是配置不成功，请仔细检查之前步骤，或通过查看启动日志排查原因。
Hadoop无法正常启动的解决方法:一般可以查看启动日志来排查原因，注意几点：
此外，若是DataNode没有启动，可尝试如下的方法（注意这会删除HDFS中原有的所有数据，如果原有的数据很重要请不要这样做）：
#针对DataNode没法启动的解决方法cd/usr/local/hadoop./sbin/stop-dfs.sh#关闭rm-r./tmp#删除tmp文件，注意这会删除HDFS中原有的所有数据./bin/hdfsnamenode-format#重新格式化NameNode./sbin/start-dfs.sh#重启
上面的单机模式，grep例子读取的是本地数据，伪分布式读取的则是HDFS上的数据。要使用HDFS，首先需要在HDFS中创建用户目录：
./bin/hdfsdfs-mkdir-p/user/hadoop
注意:教材《大数据技术原理与应用》的命令是以"./bin/hadoopdfs"开头的Shell命令方式，实际上有三种shell命令方式。1.hadoopfs2.hadoopdfs3.hdfsdfs
hadoopfs适用于任何不同的文件系统，比如本地文件系统和HDFS文件系统hadoopdfs只能适用于HDFS文件系统hdfsdfs跟hadoopdfs的命令作用一样，也只能适用于HDFS文件系统
接着将./etc/hadoop中的xml文件作为输入文件复制到分布式文件系统中，即将/usr/local/hadoop/etc/hadoop复制到分布式文件系统中的/user/hadoop/input中。我们使用的是hadoop用户，并且已创建相应的用户目录/user/hadoop，因此在命令中就可以使用相对路径如input，其对应的绝对路径就是/user/hadoop/input:
./bin/hdfsdfs-mkdirinput./bin/hdfsdfs-put./etc/hadoop/*.xmlinput复制完成后，可以通过如下命令查看文件列表：
./bin/hdfsdfs-lsinput伪分布式运行MapReduce作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（可以将单机步骤中创建的本地input文件夹，输出结果output文件夹都删掉来验证这一点）。
./bin/hadoopjar./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jargrepinputoutput'dfs[a-z.]+'查看运行结果的命令（查看的是位于HDFS中的输出结果）：
./bin/hdfsdfs-catoutput/*结果如下，注意到刚才我们已经更改了配置文件，所以运行结果不同。
我们也可以将运行结果取回到本地：
rm-r./output#先删除本地的output文件夹（如果存在）./bin/hdfsdfs-getoutput./output#将HDFS上的output文件夹拷贝到本机cat./output/*Hadoop运行程序时，输出目录不能存在，否则会提示错误"org.apache.hadoop.mapred.FileAlreadyExistsException:Outputdirectoryhdfs://localhost:9000/user/hadoop/outputalreadyexists"，因此若要再次执行，需要执行如下命令删除output文件夹:
./bin/hdfsdfs-rm-routput#删除output文件夹
运行程序时，输出目录不能存在:运行Hadoop程序时，为了防止覆盖结果，程序指定的输出目录（如output）不能存在，否则会提示错误，因此运行前需要先删除输出目录。在实际开发应用程序时，可考虑在程序中加上如下代码，能在每次运行时自动删除输出目录，避免繁琐的命令行操作：
Configurationconf=newConfiguration();Jobjob=newJob(conf);/*删除输出目录*/PathoutputPath=newPath(args[1]);outputPath.getFileSystem(conf).delete(outputPath,true);
若要关闭Hadoop，则运行
./sbin/stop-dfs.sh
注意:下次启动hadoop时，无需进行NameNode的初始化，只需要运行./sbin/start-dfs.sh就可以！
如果对这方便的内容感兴趣，可点击下方查看。
（伪分布式不启动YARN也可以，一般不会影响程序执行）
有的读者可能会疑惑，怎么启动Hadoop后，见不到书上所说的JobTracker和TaskTracker，这是因为新版的Hadoop使用了新的MapReduce框架（MapReduceV2，也称为YARN，YetAnotherResourceNegotiator）。
上述通过./sbin/start-dfs.sh启动Hadoop，仅仅是启动了MapReduce环境，我们可以启动YARN，让YARN来负责资源管理与任务调度。
首先修改配置文件mapred-site.xml，这边需要先进行重命名：
mv./etc/hadoop/mapred-site.xml.template./etc/hadoop/mapred-site.xml然后再进行编辑，同样使用gedit编辑会比较方便些gedit./etc/hadoop/mapred-site.xml：
./sbin/start-yarn.sh#启动YARN./sbin/mr-jobhistory-daemon.shstarthistoryserver#开启历史服务器，才能在Web中查看任务运行情况开启后通过jps查看，可以看到多了NodeManager和ResourceManager两个后台进程，如下图所示。
启动YARN之后，运行实例的方法还是一样的，仅仅是资源管理方式、任务调度不同。观察日志信息可以发现，不启用YARN时，是"mapred.LocalJobRunner"在跑任务，启用YARN之后，是"mapred.YARNRunner"在跑任务。启动YARN有个好处是可以通过Web界面查看任务的运行情况：，如下图所示。
但YARN主要是为集群提供更好的资源管理与任务调度，然而这在单机上体现不出价值，反而会使程序跑得稍慢些。因此在单机上是否开启YARN就看实际情况了。
不启动YARN需重命名mapred-site.xml:如果不想启动YARN，务必把配置文件mapred-site.xml重命名，改成mapred-site.xml.template，需要用时改回来就行。否则在该配置文件存在，而未开启YARN的情况下，运行程序会提示"Retryingconnecttoserver:0.0.0.0/0.0.0.0:8032"的错误，这也是为何该配置文件初始文件名为mapred-site.xml.template。
同样的，关闭YARN的脚本如下：
./sbin/stop-yarn.sh./sbin/mr-jobhistory-daemon.shstophistoryserver
在这里额外讲一下PATH这个环境变量（可执行echo$PATH查看，当中包含了多个目录）。例如我们在主文件夹~中执行ls这个命令时，实际执行的是/bin/ls这个程序，而不是~/ls这个程序。系统是根据PATH这个环境变量中包含的目录位置，逐一进行查找，直至在这些目录位置下找到匹配的程序（若没有匹配的则提示该命令不存在）。
同样我们选择在~/.bashrc中进行设置（vim~/.bashrc，与JAVA_HOME的设置相似），在文件最前面加入如下单独一行:
exportPATH=$PATH:/usr/local/hadoop/sbin:/usr/local/hadoop/bin添加后执行source~/.bashrc使设置生效，生效后，在任意目录中，都可以直接使用hdfs等命令了，读者不妨现在就执行hdfsdfs-lsinput查看HDFS文件试试看。