安装方式：伪分布式，让进程跑在一台机器上，只是他们的端口不一样！
Hadoop框架安装部署
都属于Java进程，其实就是JVM基础，运行服务
HDFS
NameNode和DataNode
Yarn：
ResourceManager和NodeManager
1.将hadoop的压缩包上传到linux中
hadoop压缩包
链接：https://pan.baidu.com/s/1gNVEnV32G7WPBmXfA8wbUw 提取码：iq1j
2.解压hadoop
目录结构
在hadoop目录下运行以下命令删除一些无用文件和目录：
rm -rf bin/*.cmd
rm -rf sbin/*.cmd
rm -rf share/doc/3.修改环境变量
参考官方文档：http://hadoop.apache.org/docs/r2.7.6/hadoop-project-dist/hadoop-common/SingleCluster.html
可以使用外部工具Notepad++修改比较方便
下载地址：https://notepad-plus-plus.org/ （另一篇博客会详细介绍如何使用notepad++连接linux）
hodoop-env.sh(配置JDK目录的绝对路径 原因：可能存在多个JDK)
4.common模块
core-site.xml文件下修改：
5.HDFS模块
hdfs-site.xml文件下修改：
slaves文件下修改:指定DataNode运行在那些机器上
说明：如果有多个机器，一行一个
6.启动HDFS
（1）.对文件系统进行格式化：bin/hdfs namenode -format（注意：只需要格式化一次即可）
（2）.格式化成功的标准：
（3）.如果失败了，一定是上面配置文件出错了，修改好配置文件进行第二次格式化：
格式化之前，将临时目录中的文件删除
（4）启动服务
主节点：sbin/hadoop-daemon.sh start namenode
从节点：sbin/hadoop-daemon.sh start datanode（5）.验证启动是否成功：
方式一输入命令：jps
方式二通过webui查看：http://bigdata-hpsk01.huadian.com:50070（linux主机地址:外部端口号50070)
8.Yarn模块
对于分布式资源管理和任务调度框架来说
在Yarn上面能够运行很多种应用程序
MapReduce
并行数据处理框架
Spark
基于内存分布式计算框架
Storm/Flink
实时流式计算框架
Tez
分析数据，比MapReduce速度快
主节点:ResouceManager
从节点：Nodemanager
yarn-site.xml文件下修改：
slaves文件不用修改，原因：指定nodemanager运行在那些机器上,在配置HDFS的时候，已经配置了，
9.启动Yarn
主节点:sbin/yarn-daemon.sh start resourcemanager
从节点:sbin/yarn-daemon.sh start nodemanager验证是否成功：
方式一命令输入：jps
方式二webui查看：http://bigdata-hpsk01.huadian.com:8088（Linux主机地址:ResourceManager外部端口：8088）
10.MapReduce
mapred-site.xml.template文件下修改：
11.测试MapReduce程序:程序运行在Yarn，读取HDFS上的数据进行处理
(1) 准备数据：从Linux中创建一个文件，文件中随便写点内容
上传文件：Linux -》HDFS
bin/hdfs dfs -put /opt/datas/wordcount /datas/tmp/
bin/hdfs dfs -put linu文件路径 上传目标路径以下是我文件中写的内容：
（2）MapReduce程序
Hadoop框架给我们提供了测试程序
/opt/modules/hadoop-2.7.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar（3）提交运行
程序提交到Yarn上运行只有一种方式：bin/yarn jar
（4）测试
a 先来运行上面的测试程序看看需要什么：
首先需要选择需要那种效果（会在另一篇博客详细介绍 在这先选择wordcount：统计文件中每个词出现的次数并按顺序排列
b 选择wordcount之后再次运行：
c 补全命令
bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /datas/tmp/wordcount /datas/mapreduce/output112.查看结果
http://bigdata-hpsk01.huadian.com:8088
http://bigdata-hpsk01.huadian.com:50070
结果出来了！
