前期准备工作

在VMware中利用Hadoop_Master这条虚拟机复制出另外另外两个虚拟机，分别取名为：Hadoop_slave,Hadoop_slave1

Hadoop_Master虚拟机，Hadoop压缩包，JDK压缩包
链接：https://pan.baidu.com/s/1QETJ3o98z4usyN1j1LZx7A
提取码：lfgx

1、关闭防火墙

问题： 为什么要关闭防火墙？？
回答： 因为Hadoop集群是主从架构的形式，节点与节点会频繁的进行数据通信，而防火墙的开启会在一点程度上阻碍通信的进行，从而增加数据通信的成本，不利于分布式集群的存储和计算，以下命令以“Hadoop_Master节点”为例！！

# 1.1 以超级管理员身份进入。
su root 

# 1.2 查看防火墙的状态（默认情况下是处于开启状态,Not running 为关闭状态，running为开启状态）。
filewall-cmd --state

# 1.3 关闭防火墙。
sudo systemctl disable filewalld

# 不可能每次开机都要重新关闭防火墙，这样会增加工作量，降低效率，所以设置禁止防火墙开机自启。
# 1.4 禁止防火墙开机自启。
sudo systemctl disable filewalld.service

1.5 、根据以上的操作分别在其他两台节点上进行配置和访问操作。

2、配置主机名

主机名，就是主机的名字，我们为每一台主机都设置一个唯一的名字。下面的命令以“Hadoop_Master”节点为例！！！

我们将三台主机名分别命名为 ：
Hadoop_Master : master
Hadoop_Slave : slave
Hadoop_Slave1 : slave1

# 2.1 以超级管理员(root)的身份进入节点，打开并编辑network网络配置文件。
su root
vim /etc/sysconfig/network

# 2.2 打开文件后，将下面的信息配置进文件中。
NETWORKING=yes  #启动网络
HOSTNAME=master	#对应的主机名# 配置完成后按“ESC”键后输”:wq”保存退出。

# 2.3 配置完成后确定修改生效。
hostname master

# 2.4 查看是否修改成功，查看主机名。
hostname

2.5、根据以上的操作分别在其他两台节点上进行配置和访问操作。

3 、配置网络环境

完成静态网络地址的配置，所有主机的网络能够正常使用，相互之间能够正常连接；
这里我们可以使用可视化界面进行静态网络地址的配置，以下命令以“master”节点为例。

对应节点的IP地址为：
master：192.168.40.140
slave ：192.168.40.141
slave1: 192.168.40.142

# 3.1 以超级管理员的身份进入。
su root

# 3.2 在终端中查看当前主机的IP地址。
ifconfig

# 3.3 可视化图形工具。
nmtui

1




其中“Gateway”和“DNS servers” 分别表示网关IP和DNS服务器 不知道网关和DNS服务器是多少可以使用命令：route -n 或者：netstat -rn 查看
配置完成后依次点击“OK”——>“back”——>“OK”退出。

# 3.4 重启网卡并查测试网络。
systemctl restart network
ifconfig

3.5 、根据以上的操作分别在其他两台节点上进行配置和访问操作。

4、配置hosts列表

配置hosts列表的目的：通俗的讲就是让集群中的主机之间知道彼此的主机名和IP地址，就和人与人打交道一样，知道对方的姓名和家庭住址。以下以“master”主机为例，另外两台主机配置方法一样；

# 4.1 以超级管理员的身份进入。
su root

# 4.2 打开并编辑hosts文件。
vim /etc/hosts

# 4.3 将集群中的主机列表添加到hosts文件中。
# IP 地址 和 主机名
192.168.40.152 master
192.168.40.153 slave
192.168.40.154	slave1# 配置完成后，按“esc”后输入“:wq”保存退出！

# 4.4 验证master节点是否可以访问其他子节点。
ping master 
ping slave
ping slave1

4.5 、根据以上的操作分别在其他两台节点上进行配置和访问操作。

5、配置时钟同步

什么是时钟同步，配置时钟同步的原因？
时钟同步就是指集群中的主机之间的时钟是一致的，而配置时钟同步的目标是为了防止时钟不同步导致数据在传输中发生错误。

配置时钟同步的思路：
1 我们可以首先将master作为时间服务器，同步互联网时间。
2 然后另外两台主机同步master服务器，这样设置的好处是：就算master配置互联网时间失败，但是另外两台主机同步master主机时间，依旧可以保证集群中的时钟是一致的，而不会导致数据传输时发生错误。
注意：以下所有配置命令均在超级管理员 root 下进行。

# 5.1 以超级管理员身份进入。
su root

# 5.2 设置master服务器时间。
## 5.2.1查看master时间和时区。
date## 5.2.2 选择时区，依次输入对应地区的编号 “Asia”——“China”——“beijng”——“Yes”。
tzselect## 5.2.3 将新区的时间更新到本地
cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime

****5.2.2对应的图：

# 5.3 在master服务器中检查时间服务是否安装。
## 5.3.1 检查ntp 服务器是否安装。
rpm -q ntp## 5.3.2 如果没有安装，安装命令。
yum install -y ntp## 5.3.3 将ntp服务设置为开机自启。
systemctl enable nfs-server.service## 5.3.4 在master上同步时间。
ntpdate cn.pool.ntp.org## 5.3.5 将系统时间写入硬盘中。
hwclock -w

# 5.4 在master上同步互联网时间
## 5.4.1 打开ntp.conf 文件
vim /etc/ntp.conf## 5.4.2 在文件中到“ #restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap”，在其后面添加下面的命令：
#这里增长的内容，更改为自己的网关IP
restrict 192.168.40.2 mask 255.255.255.0 nomodify notrap##5.4.3 在文件中找以“server”开头的4行命令，将其注释掉，然后在后面添加下面的命令：
server 210.72.145.44 prefer		# 中国国家受时中心
server 202.112.10.36			# 1.cn.pool.ntp.org
server 59.124.196.83			# 0.asia.pool.ntp.org
server 192.168.217.130			# 局域网中ntp服务器的ip地址## 5.4.4 在文件中找到“#statistics clockstats cryptostats loopstats peerstats ”这行，在其下面添加下面的命令：
# 当服务器与公网失去连接时使用本地的时间作为同步的时间
server 127.127.1.0
fudge 127.127.1.0 stratum 10#编辑完成后按“esc”,然后输入“:wq”保存退出！

# 5.5 将硬件时间与系统时间同步
## 5.5.1 打开文件
vim /etc/sysconfig/ntpd## 5.5.2 在文件中添加下面一行命令：
SYNC_HWCLOCK=yes
#编辑完成后按“esc”,然后输入“:wq”保存退出！

# 5.6 重新启动服务
systemctl restart nfs-server.service

5.7 、根据以上的操作分别在其他两台节点上进行配置和访问操作。

# 5.8 设置crontab每隔5分钟和ntp服务器进行一次时间同步。
## 5.8.1打开crontab (打开后会发现是一个空文件）。
crontab -e## 5.8.2 在文件中添加下面的命令：
*/5 * * * * root (/usr/sbin/ntpdate cn.pool.ntp.org && /sbin/hwclock -w) &> /var/log/ntpdate.log

# 5.9 将另外两台节点与master节点进行时间同步，分别进入slave和slave1 两台节点进行下面的配置。
## 5.9.1 在slave和slave1 输入下面代码：
ntpdate master## 5.9.2 设置从节点与master时间服务器每隔 1 分钟同步一次
crontab -e## 5.9.3 输入下面的命令：
*/1 * * * * /usr/sbin/ntpdate master## 5.9.4 最后验证从节点与master时间是否一致
date

6、配置JDK环境

为啥配置Hadoop集群还需要配置JDK环境呢？
原因是因为搭建Hadoop分布式集群的安装程序就是用Java语言开发的，所以Hadoop要想正常的运行就需要配置JDK环境
首先通过SSH工具将JDK安装文件由本地系统传递给master节点

# 6.1 将JDK安装包放在根目录下，在usr这个文件下中创建一个用于存放JDK解压的目录。
## 6.1.1 以超级管理员的身份进入。
su root## 6.1.2 新建一个java目录用于存放解压后的JDK文件。
mkdir /usr/java## 6.1.3 将JDK安装包解压到刚刚新建的目录中。（我的jdk版本为jdk-8u221-linux-x64.tar.gz）
tar -zxvf /home/user/jdk-8u221-linux-x64.tar.gz -C /usr/java

# 6.2 配置用户环境变量
**注意：以下的命令是在普通用户（user）下进行的**
## 6.2.1 以普通用户打开.bash_profile文件
su user
vim /home/user/.bash_profile## 6.2.2 配置Java的环境变量，将下面的命令输入到文件中：（注意自己jdk的版本号）
#java environment
export JAVA_HOME=/usr/java/jdk1.8.0_221
export CLASSPATH=.:${JAVA_HOME}/jre/lib/rt.jar:${JAVA_HOME}/lib/dt.jar:${JAVA_HOME}/lib/tools.jar
export PATH=$PATH:${JAVA_HOME}/bin#完成后按“ESC”后输入“:wq”保存退出！
## 6.2.3 修改文件后让文件重新生效。
source /home/user/.bash_profile

6.3、此时就完成了master节点中JDK环境的配置，根据以上的操作分别在其他两台节点上进行配置和访问操作。

7、配置免秘钥登录

配置免秘钥登录的目的：
免秘钥从字面来看就是不需要密钥就可以访问，而配置免秘钥登录的目的是因为，Hadoop集群是一个主从架构的形式，集群的启动是由主节点通过命令来控制其他所有子节点从而使主节点带动从节点，在Hadoop启动以后，namenode是通过SSH（Secure Shell）来启动和停止各个节点上的各种守护进程的，这就需要在节点之间执行指令的时候是不需要输入密码的方式，故我们需要配置SSH使用无密码公钥认证的方式。
注意：以下的配置命令均在普通用户（user）下进行！！

# 7.1 master 节点：
## 7.1.1在终端中生成密钥。
su user
ssh-keygen -t rsa

连续输入回车键后会发现生成了连个文件，一个是 id_rsa（私钥），另一个是 id_rsa.pub（公钥），公钥是公开给别人的，而私钥留给自己的！

## 7.1.2 将公钥文件复制到 “authorized_key”文件中，命令为：
cat /home/user/.ssh/id_rsa.pub >> /home/user/.ssh/authorized_keys## 7.1.3 为了数据的安全，我们需要修改文件的权限，修改成只有当前用户可以进行访问和操作
chmod 600 /home/user/.ssh/authorized_keys

我们分别到两个子节点中创建 “.ssh” 文件,在slave和slave1 节点终端中输入下面的命令创建文件：
mdkir /home/user/.ssh

## 7.1.4 将master节点上的公钥复制到对应的从节点的“.ssh” 目录下。
#复制到slave节点上，命令如下：
scp /home/user/.ssh/authorized_keys user@slave:/home/user/.ssh/
#复制到slave1节点上，命令如下：
scp /home/user/.ssh/authorized_keys user@slave1:/home/user/.ssh/

此时master节点上的公钥文件就复制到了slave和slave1节点中啦。

# 7.2 slave 节点
## 7.2.1 以普通用户进入slave节点，进入到创建的.ssh文件中。
cd /home/user/.ssh## 7.2.2 修改文件的权限，修改成当前的用户可以访问和操作。
chmod 600 /home/user/.ssh/authorized_keys# 在slave中就保存了master节点的公钥！！

7.3 slave1节点的操作与 7.2 slave节点的配置一模一样，再到slave1 完成master公钥的配置！！

7.4 验证免秘钥登录是否成功,在master节点输入下面的命令：
ssh slave
ssh slave1

输入ssh 主机名后，不需要密码就可以访问该节点，终端中会显示最近一次登录该节点的信息，则表明免秘钥配置设置成功！！！

8、部署Hadoop集群

通过前面7个部分，我们将Hadoop集群需要的环境已经配置完成啦，剩下就开始搭建Hadoop分布式集群。
注意：下面的命令均在普通用户（user）下进行配置！

通过SSH工具将Hadoop压缩包传递给master节点上,将压缩包存在在根目录下,我的Hadoop版本为hadoop-2.5.2。

# 8.1 Hadoop 压缩包的安装与解压。
su user
tar -zxvf /home/user/hadoop-2.5.2.tar.gz -C /home/user

搭建Hadoop集群需要配置下面7个文件：
hadoop-env.sh、mapred-site.xml、yarn-site.xml、hdfs-site.xml、core-site.xml、yarn-site.sh、slaves
而每个节点的配置信息都一样，如果每一个台节点都一个文件一个文件的配置，所需要的时间和精力是巨大，所以我们先配置好一台节点，然后将这个配置好的集群压缩发给其他的节点，从而减少工具量，下面以“master”为例，配置好以后再发给slave和slave1节点解压就完成啦！！！

# 8.2 配置环境变量Hadoop-env.sh。
## 8.2.1 打开并编辑对应的文件。
vim /home/user/hadoop-2.5.2/etc/hadoop/hadoop-env.sh## 8.2.2.在文件中找到 “export JAVA_HOME=${JAVA_HOME}”这行，用下面的命令替换掉：
export JAVA_HOME=/usr/java/jdk1.8.0_221

按esc键，然后输入:wq保存并退出，Hadoop的环境变量hadoop-env.sh配置成功，此时Hadoop就具备了运行时环境。

# 8.3 配置环境变量yarn-env.sh。
#YARN功能模块主要负责Hadoop集群的资源管理。这个模块也是用Java语言开发的，所以输入这模块要正常运行的话也需要配置JDK环境变量。
## 8.3.1 打开并编辑对应文件，配置JDk路径即可：
vim /home/user/hadoop-2.5.2/etc/hadoop/yarn-env.sh## 8.3.2 在文件中找到“#export JAVA_HOME=/home/y/libexec/jdk1.6.0/”，将下面的命令替换它：
export JAVA_HOME=/usr/java/jdk1.8.0_221

按esc键，然后输入:wq保存并退出，Hadoop的YARN的环境变量配置成功。此时Hadoop的YARN模块具备了运行的环境条件。

# 8.4 配置核心组件core-site.xml
#这个xml是Hadoop集群的核心配置，是关于集群中分布式系统的入口地址和数据的服务器本地磁盘上的位置落脚点，hdfs://master:9000，表示是Hadoop集群的入口地址。
## 8.4.1 打开并编辑对应的文件
vim /home/user/hadoop-2.5.2/etc/hadoop/core-site.xml## 8.4.2 将下面的命令替换文件中的<configuration> </configuration>：
<configuration><!-- HDFS文件系统的入口地址信息 --> <property><name>fs.defaultFS</name><value>hdfs://master:9000</value></property><!-- HDFS文件系统数据落地到本地磁盘的路径信息，/home/user/hadoopdata该目录需要单独创建，后面将在启动hadoop集群时统一创建 --> <property><name>hadoop.tmp.dir</name><value>/home/user/hadoopdata</value></property>
</configuration>

按esc键，然后输入“:wq”保存并退出,至此，Hadoop集群的核心配置文件完成配置。

#8.5 配置文件系统hdfs-site.xml
#这里指的是分布式文件系统的数据块副本。防止节点突然宕机数据丢失，导致核心数据无法挽回。提供了一个属性，就是用来配置数据的副本个数的。生产环境中，把它配置成3。
## 8.5.1 打开并编辑对应的文件：
vim /home/user/hadoop-2.5.2/etc/hadoop/hdfs-site.xml## 8.5.2 将下面的命令替换掉文件中的<configuration> </configuration>：
<configuration><property><!-- 配置数据块的副因子(即副本数)为2 --><name>dfs.replication</name><value>2</value></property>
</configuration>

按esc键，然后输入“:wq”保存并退出，至此，Hadoop集群的HDFS分布式文件系统数据块副本配置完毕。

# 8.6 配置Yarn资源系统yarn-site.xml
#YARN全程Yet Another Resource Negotiator，即:另一种资源写协调者。那么它如何来协调管理整个集群中资源呢?
YARN也是主从架构，运行在主节点上守护线程是ResourceManager，负责整个集群中资源的协调和管理。运行在从节点上的守护线程是NodeManager，负责从节点本地的资源协调管理。
Hadoop集群中两个核心的模块：一个是HDFS分布式文件系统，一个是分布式并行计算框架MapReduce(MR)。
## 8.6.1 打开并编辑对应的文件：
vim /home/user/hadoop-2.5.2/etc/hadoop/yarn-site.xml## 8.6.2 将下面的命令替换掉文件中的<configuration> </configuration>：
<configuration><!-- yarn.nodemanager.aux-services是NodeManager上运行的附属服务，其值需要配置成mapreduce_shuffle，才可以运行MapReduce程序 --><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><!-- yarn.resourcemanager.address是ResourceManager对客户端暴露的访问地址，客户端通过该地址向ResourceManager提交或结束MapReduce应用程序 --><property><name>yarn.resourcemanager.address</name><value>master:18040</value></property><!-- yarn.resourcemanager.scheduler.address是ResourceManager对ApplicationMaster(客户端将MapReduce应用程序提交到集群中，ResourceManager接受客户端应用程序的提交后，将该应用程序分配给某一个NodeManager，对该MapReduce应用程序进行初始化，进而产生一个应用程序初始化Java对象，将这个Java对象称为ApplicationMaster)暴露的访问地址，ApplicationMaster通过该地址向ResourceManager申请MapReduce应用程序在运行过程中所需要的资源，以及程序运行结束后对使用资源的释放等 --><property><name>yarn.resourcemanager.scheduler.address</name><value>master:18030</value></property><!-- yarn.resourcemanager.resource-tracker.address是ResourceManager对NodeManager暴露的访问地址，NodeManager通过该地址向ResourceManager发送心跳数据，汇报资源使用情况以及领取ResourceManager将要分配给自己的任务等 --><property><name>yarn.resourcemanager.resource-tracker.address</name><value>master:18025</value></property><!-- yarn.resourcemanager.admin.address是ResourceManager对管理员admin暴露的访问地址，管理员可通过该地址向ResourceManager发送管理命令等 --><property><name>yarn.resourcemanager.admin.address</name><value>master:18141</value></property><!-- yarn.resourcemanager.webapp.address是ResourceManager YARN平台提供用户查看正在运行的MapReduce程序的进度和状态的WEB UI系统的访问地址，可通过该地址在浏览器中查看应用程序的运行状态信息 --><property><name>yarn.resourcemanager.webapp.address</name><value>master:18088</value></property>
</configuration>

按esc键，然后输入“:wq”保存并退出，至此，Hadoop集群的Yarn资源系统配置完毕。

# 8.7 配置计算框架 mapred-site.xml 
#前面介绍了YARN，主要负责分布式集群中资源协调。此时，将MapReduce分布式并行计算框架运行所需要的内存、CPU等资源交给YARN来协调和分配，通过mapred-site.xml配置和修改相应的配置。
# 我们会发现，Hadoop文件中并没有mapred-site.xml这个文件，只有mapred-site.xml.template文件，我们需要将.template这个文件复制一份去掉.template这个后缀，然后修改配置信息
## 8.7.1 复制文件并去掉后缀：
cp /home/user/hadoop-2.5.2/etc/hadoop/mapred-site.xml.template /home/user/hadoop-2.5.2/etc/hadoop/mapred-site.xml## 8.7.2 打开并编辑mapred-site.xml文件
vim /home/user/hadoop-2.5.2/etc/hadoop/mapred-site.xml## 8.7.3 将下面的命令替换掉文件中的<configuration> </configuration>：
<configuration><!-- MapReduce计算框架的资源交给YARN来管理 --><property><name>mapreduce.framework.name</name><value>yarn</value></property>
</configuration>

按esc键，然后输入“:wq”保存并退出，至此，Hadoop集群的mapred-site.xml文件配置完毕。

# 8.9 配置Slaves 
#主节点的角色Hadoop_Master已经配置HDFS的入口地址。从节点的角色也是需要配置，slaves文件用来配置Hadoop及群中各个从节点的角色。
## 8.9.1 打开并编辑对应的文件：
vim /home/user/hadoop-2.5.2/etc/hadoop/slaves##将下面的命令替换文件中的信息（localhost需要注释掉）：
# localhost
slave
slave1

按esc键，然后输入“:wq”保存并退出，至此，Hadoop集群的slaves文件配置完毕。
前面的步骤完成后，master节点的Hadoop集群就搭建得差不多啦，而slave和slave1 的配置方法一模一样，我们现在只需要将master节点上已经配置好的Hadoop压缩打包发送给另外两个节点，完成解压就可以啦；

# 8.10 将master 的Hadoop打包发送至另外两个节点
## 8.10.1将master节点的Hadoop压缩：
tar -zcvf hadoop-2.5.2.tar.gz /home/user/hadoop-2.5.2## 8.10.2 传送文件：
方法一：利用SSH工具，通过master将文件传给本地，然后由本地传递给slave和slave1,然后使用下面的命令进行解压：tar -zxvf /home/user/hadoop-2.5.2.tar.gz -C /home/user
方法二：使用下面的命令将文件复制给另外两个节点：
scp -r /home/user/hadoop-2.5.2 user@slave:~/
scp -r /home/user/hadoop-2.5.2 user@slave1:~/

至此，我们就可以完成了master，slave，slave1 的Hadoop的安装部署！！！

9、配置Hadoop启动的系统环境变量

配置Hadoop启动系统环境变量目的：因为Hadoop通过sbin/start-all.sh脚本来启动的，如果每次都进入这个目录下启动，增加工具量，所以我们就将这个路径配置进系统环境变量中，下面以master节点为例。
注意：下面的命令均在普通用户（user）下完成

# 9.1 打开并编辑相对应的文件：
vim /home/user/.bash_profiile

# 9.2 将下面的命令添加进文件中：
# Hadoop Path configuration
export HADOOP_HOME=/home/user/hadoop-2.5.2
export PATH=.:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

按esc键，然后输入“:wq”保存并退出。

# 9.3 修改完成后让文件重新生效：
source /home/user/.bash_profiile

9.4、根据以上的操作分别在其他两台节点上进行配置和访问操作。

10、创建数据目录

创建数据目录指的是什么？
Hadoop的核心配置文件core-site.xml里的内容，配置一个hadoopdata文件(目录)，Hadoopd的集群HDFS分布式文件系统的入口地址：hdfs://master:9000。HDFS存储数据最终的落脚点本地服务器的磁盘位置：/home/user/hadoopdata，该目录需要自己手动创建。
注意：下面的命令均在普通用户（user）下完成

# 10.1 在master节点创建数据目录Hadoopdata:
mkdir /home/user/hadoopdata

10.2、根据以上的操作分别在其他两台节点上进行配置和访问操作

11、启动Hadoop集群

注意：以下命令均在普通用户（user）下进行。

# 11.1 在启动Hadoop集群前，首先得将hdfs文件系统格式化。
hdfs namenode -format

看到提示信息出现：common:Storage: storage directory /home/user/hadoopdata/dfs/name has been successfully formatted。格式化成功。(说明：yes/no? yes)。

# 11.2 启动Hadoop
# HDFS格式化成功之后就可以输入启动命令来启动Hadoop集群了。Hadoop是主从架构，启动时有主机节点带动从节点，所以启动启动集群时只需要在主节点Hadoop_Master完成即可。
方法一：
cd /home/user/hadoop-2.5.2
sbin/start-all.sh
方法二：
/home/user/hadoop-2.5.2/sbin/start-all.sh

输入命令后可以看到提示：Are you sure you want to continue connecting (yes/no)?
输入“yes”

11.3 查看进程是否启动

11.3.1
在Master的Terminal终端执行“jps”命令，在打印结果中会看到4个进程，分别是：
ResourceManager
Jps
NameNode
SecondaryNameNode。
如果出现这四个进程，就表示主进程master启动成功。

11.3.2
在Slave和Slave1 的Terminal中执行“jps” 打印输出3个进程，分别是：
NodeManager
Jps
DataNode。
就表示从节点slave和slave1进程启动成功。

11.4 利用web UI 查看集群是否启动成功

#11.4.1
在Master启动FireFox浏览器，然后在浏览器地址栏中输入：
http://master:50070/
检测NameNode和DattaNode是否正常，检测HDFS是否正常。UI页面如下。

#11.4.2
在Master启动FireFox浏览器，然后在浏览器地址栏中输入：http://master:18088/。检测YARN是否正常，UI页面如下。

11.5 运行API实例检查集群是否启动成功

# 在master节点，进入Hadoop的安装目录，执行下面的命令：
cd /home/user/hadoop-2.5.2/share/hadoop/mapreduce/
hadoop jar hadoop-mapreduce-examples-2.5.2.jar pi 10 10

如果以上5个步骤测试没有问题，说明Hadoop集群已经正常启动了。以上就是搭建Hadoop集群的所有步骤！！！

说明：本人对于Hadoop集群和大数据方向还是刚刚接触，以上的内容是根据自己学习的笔记以及自己的一些领悟所编写完成的，可能有些地方还存在一个瑕疵和问题，欢迎精通大数据的小伙伴可以留言指出问题！！！