Hadoop是一款由Apache基金会开发的开源软件框架，主要用来实现大数据的存储和处理，适用于分布式计算。它是由Google的MapReduce和Google File System两个项目发展而来的。Hadoop能够存储大量的数据，并且能够在廉价的硬件上实现快速的处理。本文中涉及到的知识点主要集中在Hadoop在Linux环境下，特别是CentOS系统中的安装和配置。
Hadoop的安装模式主要有三种：本地模式、伪分布模式和集群模式。本地模式仅适用于测试，不具备真正的分布式计算能力。伪分布模式则是让单个节点模拟分布式环境，适合学习和调试。而真正的分布式环境则需要在多台计算机上部署，这便是集群模式。
在具体安装Hadoop之前，需要将Hadoop软件包解压到指定目录。这里使用了WinSCP工具，将压缩包从宿主机传到Linux系统中/usr/local目录下，并进行解压和重命名操作，以便于管理和使用。解压后，需要设置环境变量HADOOP_HOME，并修改/etc/profile配置文件。设置了环境变量之后，使用source命令使配置生效。
安装Hadoop的重点之一是修改配置文件。这些配置文件位于$HADOOP_HOME/conf目录下。重要的配置文件包括hadoop-env.sh、core-site.xml、hdfs-site.xml和mapred-site.xml。在hadoop-env.sh文件中主要设置JAVA_HOME环境变量，确保Hadoop可以正确地找到Java的安装路径。core-site.xml文件中需要设置hadoop临时文件的主目录和HDFS的访问路径。hdfs-site.xml和mapred-site.xml文件则分别对HDFS和MapReduce进行进一步配置。在伪分布式模式下，hdfs-site.xml文件中的dfs.replication属性通常设置为1，因为是单节点环境，不需要多副本冗余。mapred-site.xml文件则是配置MapReduce任务跟踪器的访问路径。
安装Hadoop的另一个关键步骤是格式化HDFS文件系统。格式化是将Hadoop的分布式文件系统HDFS初始化，创建文件系统元数据，并在各个节点上设置初始状态。格式化操作只在首次安装或需要重置文件系统时进行。格式化后，可以用hadoop namenode -format命令完成。
一旦配置和格式化完成，就可以启动Hadoop了。启动Hadoop涉及启动NameNode、DataNode、SecondaryNameNode、JobTracker和TaskTracker等核心组件进程。可以通过执行$HADOOP_HOME/bin目录下的start-all.sh脚本来启动Hadoop的所有组件。为了确认所有组件是否成功启动，可以使用JDK自带的jps命令来查看Java进程。
以上就是Hadoop在伪分布式模式下的基本安装和配置流程。需要注意的是，在实际操作过程中，一定要严格遵守配置文件的设置规则，正确配置环境变量，仔细检查每一步的配置项，以确保Hadoop能够顺利运行。同时，要理解各个配置项的含义，这在后续的Hadoop使用过程中是非常重要的。此外，由于Hadoop是一个运行在多节点集群上的大数据处理框架，所以在生产环境部署时，还需要进行更多细节的配置和优化。
