Hadoop的三种运行模式

Hadoop官方网站：http://hadoop.apache.org/

Hadoop运行模式包括：本地模式、伪分布式模式和完全分布式模式。

本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。
伪分布式模式：也是单机运行，但是具备Hadoop集群的所有功能，一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。
完全分布式模式：多台服务器组成分布式环境。生产环境使用。

本地运行模式

创建在/opt/module/hadoop-3.1.3/目录下面创建一个wcinput文件夹
1
mkdir wcinput
在wcinput文件下创建一个word.txt文件
1
cd wcinput
编辑word.txt文件
1
vim word.txt
在文件中输入如下内容
1
2
3
4
hadoop yarn
hadoop mapreduce
atguigu
atguigu
保存退出：:wq
回到Hadoop目录/opt/module/hadoop-3.1.3
执行程序,指定执行jar包中的wordcount 程序，输入目录为 wcinput 输出目录为 wcoutput
1
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput ./wcoutput
查看结果
进入 wcoutput 目录有两个文件

下面这个 _SUCCESS 文件只是一个标记，表示执行成功，里面并没有数据

查看 part-r-00000 文件
1
cat wcoutput/part-r-00000
看到如下结果：

注意：输出目录不能事先创建，如果已经有./output 目录，就要选择另外的

输出目录，或者将~/output 目录先删除

完全分布式运行模式

我们已经在 Hadoop102 上配置好了JDK和Hadoop的环境，下面我们需要给 Hadoop103和Hadoop104 也配置好环境

编写集群分发脚本xsync

scp（secure copy）安全拷贝

在hadoop102上执行

1	scp -r /opt/module/jdk1.8.0_212 yjr1100@hadoop103:/opt/module

需要输入hadoop103上yjr1100的密码如下图所示

或者也可以在hadoop103上执行

1	scp -r yjr1100@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/

我们可以看到在moudle目录下，刚才从hadoop102拷贝的jdk文件夹

同样，需要输入hadoop102上yjr1100的密码进行拷贝，如下图所示

输入ll 可以看到，此时已经成功用两种方法拷贝从hadoop102中将文件拷贝到了hadoop103中

我们其实可以通过下面的命令，在hadoop103上将hadoop102上的数据拷贝给hadoop104

1	scp -r yjr1100@hadoop102:/opt/module/* yjr1100@hadoop104:/opt/module/

rsync远程同步工具

rsync主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。

rsync和scp区别：用rsync做文件的复制要比scp的速度快，rsync只对差异文件做更新。scp是把所有文件都复制过去。

比如我们使用rsync来把hadoop102上的wcinput目录拷贝到hadoop103中，我们先把hadoop103上的/opt/module/hadoop-3.1.3/wcinput删除，然后在 hadoop102上执行下面的命令。

1	rsync -av hadoop-3.1.3/ yjr1100@hadoop103:/opt/module/hadoop-3.1.3/

我们可以发现，速度被刚才 scp 命令快了很多，因为许多hadoop相同的文件并没有进行拷贝，只拷贝了hadoop103中没有的 wcinput 目录

这里 -a 选项说明是归档拷贝操作，-v 选项说明显示复制过程

rsync 和 scp 命令比较像，都是 命令+选项+源地址+目的地址 四个部分，一般我们第一次拷贝的时候使用 scp 命令，以后同步的时候使用 rsync 命令

xsync集群分发脚本

每次使用上面两个命令，都要输入很多内容，为了更方便操作，我们可以编写一个脚本，每次进行执行

我们执行 echo $PATH 命令，看到 /home/yjr1100/bin 目录也在环境变量中，这意味着我们在这个目录下写入的脚本，可以在任何目录下执行，就和在任何目录下都可以执行 java 这个命令一样。

分别执行下面的命令可以实现在 /home/yjr1100/bin/ 目录下写入 xsync 脚本，脚本名字可以随便写，这里就写 xsync

cd ~
mkdir bin
cd bin
vim xsync

在脚本中输入下面内容

 #!/bin/bash

 #1. 判断参数个数
 if [ $# -lt 1 ]
 then
     echo Not Enough Arguement!
     exit;
 fi
 #2. 遍历集群所有机器
 for host in hadoop102 hadoop103 hadoop104
 do
 echo ====================  $host  ====================
   #3. 遍历所有目录，挨个发送

   for file in $@
   do
       #4. 判断文件是否存在
       if [ -e $file ]
           then
               #5. 获取父目录
               pdir=$(cd -P $(dirname $file); pwd)

               #6. 获取当前文件的名称
               fname=$(basename $file)
               ssh $host "mkdir -p $pdir"
               rsync -av $pdir/$fname $host:$pdir
           else
               echo $file does not exists!
       fi
   done
done

写完脚本后，给脚本执行权限 chmod 777 xsync

现在我们就使用 xsync 同步 bin 目录下的文件

1 2	cd ~ xsync bin/

如下图所示，输入服务器对应密码后，就成功的把 xsync 脚本分发给集群中的所有服务器了

如果我们使用root用户或者使用 sudo 来执行，一定要写全 xsync 的路径，因为 root 用户的$PATH 里面没有 /home/yjr1100/bin 目录，所以找不到 xsync 命令，除非我们像java那样，在 /etc/profile.d/ 目录下创建脚本。

ssh免密登录

刚才执行脚本的时候，我们每次都要输入密码，这个比较麻烦，我们配置ssh免密登录

免密登录的原理

配置ssh免密登录

先配置102可以免密访问103，记得使用普通用户

1	ssh-keygen -t rsa

输入命令后，三次回车，可以看到如下图，密钥已经生成好了，在 /home/yjr1100/.ssh/ 下面有两个文件 id_rsa 和 id_rsa.pub 分别是私钥和公钥

我们将公钥拷贝给 hadoop103 和 hadoop104 ,也可以拷贝给自己

1
2
3

ssh-copy-id hadoop103
ssh-copy-id hadoop104
ssh-copy-id hadoop102

重复上面的步骤，配置hadoop103和hadoop104上对其他服务器的免密登录

注意，这个只是普通用户在三个服务器之间的免密登录，如果我们使用root用户进行ssh登录，但是我们并没有配置root用户的公钥和私钥，所以root用户ssh登录是需要密码的。

我们可以切换root用户，重复上面的步骤进行配置

下面我们再使用 xsync 来同步一下环境变量,z这个需要root权限，我们可以sudo执行，主要要写全 xsync 的路径

1	sudo /home/yjr1100/bin/xsync /etc/profile.d/my_env.sh

注意再hadoop103和hadoop104 上使用命令 source /etc/profile 让环境变量生效

集群配置

集群部署规划

注意：

NameNode和SecondaryNameNode不要安装在同一台服务器
ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。

配置文件说明

Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。

默认配置文件

要获取的默认文件	文件存放在Hadoop的jar包中的位置
[core-default.xml]	hadoop-common-3.1.3.jar/core-default.xml
[hdfs-default.xml]	hadoop-hdfs-3.1.3.jar/hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-3.1.3.jar/yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml

自定义配置文件
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在 $HADOOP_HOME/etc/hadoop 这个路径上，用户可以根据项目需求重新进行修改配置。

配置集群

核心配置文件
配置 core-site.xml

1 2	cd $HADOOP_HOME/etc/hadoop vim core-site.xml

文件内容如下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- 指定NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop102:8020</value>
    </property>

    <!-- 指定hadoop数据的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-3.1.3/data</value>
    </property>

    <!-- 配置HDFS网页登录使用的静态用户为yjr1100 -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>yjr1100</value>
    </property>
</configuration>

HDFS配置文件
配置hdfs-site.xml

1	vim hdfs-site.xml

文件内容如下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
  <!-- nn web端访问地址-->
  <property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop102:9870</value>
    </property>
  <!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop104:9868</value>
    </property>
</configuration>

YARN配置文件
配置yarn-site.xml

1	vim yarn-site.xml

文件如下

<?xml version="1.0"?>
<configuration>
    <!-- 指定MR走shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    <!-- 指定ResourceManager的地址-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop103</value>
    </property>

    <!-- 环境变量的继承 -->
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
    </property>
</configuration>

这里环境变量的继承算是3.1的一个小bug，3.2以后就不用配置了

MapReduce配置文件
配置mapred-site.xml

1	vim mapred-site.xml