参照《Spark实战高手之路》学习的，书籍电子版在51CTO网站 资料链接
Hadoop下载[链接](http://archive.apache.org/dist/hadoop/core/hadoop-1.2.1/)
JDK下载[链接](http://www.oracle.com/technetwork/java/javase/downloads/index.html)
1.安装好vmvare和Ubuntu虚拟机后，不能使用vim，出现Package has no installation candidate的问题。
解决方法：apt-get upgrade — apt-get install vim 有时候也要看看是否联网。
2.设置共享文件夹，参考别人的经验，安装vmware-tools 以及 设置共享文件夹
（1）在虚拟机系统没有运行的情况下，点击虚拟机工具栏的VM settings->options->Shared Folders,按照提示添加一个你要共享的windows下的文件夹。
（2）安装vmtools,vmtools安装成功后会看到目录/mnt/hgfs.如果没有该目录则可以手动建立（3）ubuntu终端下运行 sudo apt-get install open-vm-dkms
（4）进入目录：/etc/init.d，把”sudo mount -t vmhgfs .host:/ /mnt/hgfs”写到open-vm-tools文件的最后一行（需要root权限，可以用命令：sudo vi open-vm-tools）。
（5）在当前目录：/etc/init.d/运行，”sudo ./open-vm-tools restart”，运行成功后你会在目录:/mnt/hgfs下面看到你共享的文件夹
查看VMware tools 有没有安装成功，使用命令 lsmod 查看有没有vmhgfs这个，如果没有则重新安装。这个共享文件夹没有成功，后面有时间再说吧。
3.Hadoop启动与停止
start-all.sh： 启动所有的Hadoop守护进程。包括NameNode、 Secondary NameNode、DataNode、JobTracker、 TaskTrack 。
start-dfs.sh： 启动Hadoop HDFS守护进程NameNode SecondaryNameNode和DataNode。
hadoop-daemons.sh： start namenode 单独启动NameNode守护进程。
hadoop-daemons.sh： start datanode 单独启动DataNode守护进程
hadoop-daemons.sh： stop secondarynamenode 单独停止SecondaryNameNode守护进程。
stop-mapred.sh： 停止Hadoop MapReduce守护进程JobTracker和TaskTracker。
hadoop-daemons.sh： stop jobtracker 单独停止JobTracker守护进程
hadoop-daemons.sh： stop tasktracker 单独启动TaskTracker守护进程。
如果Hadoop集群是第一次启动，可以用start-all.sh。比较常用的启动方式是一个一个守护进程来启动，启动的步骤如下。
1．启动Hadoop的HDFS模块里的守护进程HDFS里面的守护进程启动也有顺序，即：
1）启动NameNode守护进程；> 2）启动DataNode守护进程； 3）启动SecondaryNameNode守护进程。
2．启动MapReduce模块里面的守护进程MapReduce的守护进程启动也是有顺序的，即：
1）启动 JobTracker守护进程； 2）启动TaskTracker守护进程。> 关闭的步骤正好相反，在这里就不描述了，读者可以自己试一下。
注意正常情况下，我们是不使用start-all.sh和stop-all.sh来启动和停止Hadoop集群的。这样出错了不好找原因。建议读者一个一个守护进程来启动，哪个启动失败就去看相应的log日志，这样就缩小了找错的范围。
4.Hadoop启动的时候遇到的错误，基本安装完后通过命令“jps”查看，但是只启动了jps，其他都不能正常启动，查看对应的log日志文件（vim查看），一个错误原因是配置文件写错了，改过后可以正常启动jobtracker、tasktracker；另一个原因就是目录访问权限不一致；
报错：
ERROR：org.apache.hadoop.hdfs.server.datanode.DataNode:All directories in dfs.data.dir are invalid warn。
WARN ：org.apache.hadoop.hdfs.server.datanode.DataNode: Invalid directory in dfs.data.dir: Incorrect permission for /home/hadoop/dfs/data, expected: rwxr-xr-x, while actual: rwxrwxrwx。
使用命令修改目录访问权限。需要将777权限改为755权限才行。
可以参考博客。
5. namenode日志文件中出现
java.io.IOException:NameNode is not formatted需要删除core-site.xml配置文件中配置的tmp目录下的所有的文件，停止Hadoop，再重新格式化命名，启动Hadoop。
进入Hadoop目录，运行以下程序：
rm -rf tmp/*
rm -rf /tmp/hadoop*
rm -rf hdfs/name/*
rm -rf hdfs/data/*
--然后重新格式化，启动
hadoop namenode -format
start-all.sh6.搭建Spark时，启动错误：
Failed to find Spark assembly in /usr/lib/spark/spark-1.6.1/assembly/target/scala-2.10错误原因是spark包下错了，应该下载prebuild包，Choose a package type 可以选择啊~~~
7.启动Spark后，开启spark-shell,出现错误：
java.lang.RuntimeException: java.lang.RuntimeException: The root scratch dir: /tmp/hive on HDFS should be writable. Current permissions are: rwx--x--x需要修改访问/tmp文件权限
hadoop fs -chmod -R 777 /tmp
hadoop fs -ls /tmp以上完成Spark集群搭建过程，后面每次开机使用，需要先启动Hadoop集群，再启动Spark集群。
--格式化
hadoop namenode -format
--启动Hadoop
start-all.sh
--使用jps查看是否启动成功,成功，再启动Spark,进入到spark的sbin目录
./start-all.sh如果hadoop启动失败，可查看日志文件判别错误，一般都是因为每次使用“hadoop namenode -format”命令格式化文件系统时会出现一个新的namenodeId，搭建平台时自己往tmp中放了数据，所以需要删除，以防冲突，进入Hadoop文件所在目录（hadoop1.2.1目录）
执行：
rm -rf tmp/*
rm -rf /tmp/hadoop*
rm -rf hdfs/name/*
rm -rf hdfs/data/* 重新格式化，启动。检测是否成功参考资料中的第一章，第三步。