1.准备工作
下载maven2.x
配置maven环境变量：
export MAVEN_HOME=xxxx
export PATH=${MAVEN_HOME}/bin:${PATH}
运行mvn -v，检测是否成功
下载安装JDK
配置JDK环境变量：
export JAVA_HOME=xxxx
export CLASSPATH=$JAVA_HOME/lib
2.安装mahout
下载mahout源码
cd xxxx/mahout
sudo mvn install
运行mahout --help ##检查Mahout是否安装完好
3.安装hadoop
解压
配置环境变量
export HADOOP_HOME=xxxx/hadoop
export PATH=$HADOOP_HOME/bin:$PATH
配置hadoop-env.sh文件
export JAVA_HOME=/root/jdk1.6.0_24
配置伪分布式
配置core-site.xml
# vi core-site.xml
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://127.0.0.1:9000</value>
</property>
</configuration>
配置hdfs-site.xml
# vi
<configuration>
<name>dfs.name.dir</name>
<value>/usr/local/hadoop/hdfs/name</value>
</property>
<property>
<name>dfs.data.dir</name>
<value>/usr/local/hadoop/hdfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
配置mapred-site.xml
# vi mapred-site.xml
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>127.0.0.1:9001</value>
</property>
</configuration>
准备无需密码登录的ssh（从localhost）
Hadoop集群的很多部署操作都依赖于无密码登录。
密钥登录方式：
ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
一般都会有主机的known_host认证会打扰登录过程（yes/no那个选择）
cat "StrictHostKeyChecking no" >> ~/.ssh/config
格式化namenode
bin/hadoop namenode -format
全部启动
bin/start-all.sh，启动项应该是5项
然后看看web监控端口：
HDFS Namenode: http://localhost:50070
Job Tracker: http://localhost:50030
5.准备input数据(测试hadoop运行)
bin/hadoop fs -put ./conf/ input
bin/hadoop jar hadoop-examples-*.jar grep input output 'dfs[a-z.]+'
bin/hadoop fs -cat output/*
6.查看输出文件：
将输出文件从分布式文件系统拷贝到本地文件系统查看：
$ bin/hadoop fs -get output output
$ cat output/*
或者
在分布式文件系统上查看输出文件：
$ bin/hadoop fs -cat output/*
7.运行mahout kmeans算法示例
下载数据集synthetic_control.data，wget http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data
创建测试目录testdata，并把数据导入到这个tastdata目录中（这里的目录的名字只能是testdata，因为mahout它会自动到hdfs中去寻找这个目录）
$HADOOP_HOME/bin/hadoop fs -mkdir testdata
$HADOOP_HOME/bin/hadoop fs -put /home/test/synthetic_control.data testdata
运行，hadoop jar mahout-examples-0.4-job.jar org.apache.mahout.clustering.syntheticcontrol.kmeans.Job
这里运行时间可能会比较长，耐心等待
8.查看运行结果。依次运行下列命令：
bin/hadoop fs -lsr output
bin/hadoop fs -get output $MAHOUT_HOME/result
$cd MAHOUT_HOME/examples/result
$ls
看到如下结果：clusteredPoints clusters-0 clusters-1 clusters-2...... clusters-10 data，表示算法运行成功
其他参考资料：
http://wenku.baidu.com/view/dbd15bd276a20029bd642d55.html
http://blog.csdn.net/chjshan55/article/details/5923646
http://bbs.hadoopor.com/thread-983-1-1.html
https://cwiki.apache.org/confluence/display/MAHOUT/Clustering+of+synthetic+control+data
