运行环境

pythonw.exe 是 Python 编程语言的图形用户界面 (GUI) 应用执行器。它允许您运行使用 Python 编写的脚本，而不会显示控制台窗口。这对于需要图形界面或后台运行的应用程序很有用。

Hadoop 环境的搭建，真不算轻松活，尤其你要跑在虚拟机里，还得考虑系统兼容、网络配置这些坑。不过这个《Hadoop 运行环境搭建》教程还蛮靠谱的，思路清晰，适合新手入门也能满足进阶的需求。 VMware配合Ubuntu系统来搭建 Hadoop 环境，挺常见的组合。教程里提到的VMware + Ubuntu + Hadoop方案就实用，步骤细致，少走弯路。 如果你更习惯在CentOS下折腾，那也有专门的CentOS 7.6 大数据平台搭建指南，系统资源占用还比较低，部署起来响应也快。 至于搭建后的扩展，比如要搞个高可用集群，看看这份手册就挺合适的。用Spark、Kafka、Zookeeper

Windows 上的 Hadoop 运行环境，挺适合用来做本地测试和学习的。虽然 Hadoop 本来是奔着 Linux 去的，但有了这个环境，Windows 用户也能轻松体验分布式大数据的乐趣。整个包配置得还挺齐，像Winutils.exe这类关键工具都预置好了，少了不少折腾。 Java 环境的配置是第一步，别忘了设好JAVA_HOME。解压包之后，直接把hadooponwindows-master.zip丢到比如C:\Hadoop下面，改改配置文件，指定路径啥的，一般问题不大。 HDFS 的初始化用hadoop namenode -format命令搞定，之后用start-dfs.cmd和st

这段代码提供了一种简单有效的方法来判断代码当前的运行环境是Matlab还是Octave。

Windows 下搞 Hadoop 开发，用hadoop-common-2.7.5-bin-master真的挺省事的。别看名字长，其实就是帮你把 Hadoop 环境搭得妥妥的，像hadoop.dll和winutils.exe都准备好了。放到C:\Windows\System32里，Eclipse 里直接跑 MapReduce，基本不怎么踩坑。 Hadoop2.7.5算是比较稳定的一版了，兼容性不错，性能也靠谱。里面的bin和sbin目录，操作 Hadoop 服务就靠它们；conf目录里配置文件也挺清晰，像core-site.xml、hdfs-site.xml都能直接改；lib里是运行依赖，基本

JRE 7u51 的安装包，Win64 专用的，专门为像我一样卡在 SQL Server 安装上的兄弟准备的，嗯，真是找了好久。这个版本比较稳定，多旧系统兼容性也还不错，装完直接跑 SQL Server 2016 没压力。

PHP运行环境(集成一键安装,一键卸载功能)安装后，直接在WWW目录中放入PHP源码即可进行快速测试，默认端口为80。

Hadoop 2.7.1 在 Windows 上的搭建，说实话一开始挺劝退的，毕竟它原本就是给 Linux 设计的。但只要你手上有靠谱的安装包，再配上合适的配置文件和几个关键工具，比如winutils.exe，那整个流程其实也就那回事，动动手就能跑起来。 Hadoop 的分布式存储和计算能力，对大数据开发重要。虽然 Windows 不是它的主场，但通过伪分布式配置，你一样能在本机玩转 HDFS 和 MapReduce，跑个小程序没压力。 安装时注意要先装好JDK，配置好JAVA_HOME和HADOOP_HOME。有些命令，比如hadoop fs -ls，在 CMD 里直接跑，前提是你把环境变量

本视频演示如何在三种环境下编写和测试运行 WordCount 程序： Windows 10 + Eclipse CentOS 7.3 + Hadoop 2.7.3

适用于 64 位 Win10。 替换 Hadoop bin 目录。 重启。