三种运行模式

发表于 更新于 分类于 Waline： 阅读次数： 本文字数： 6.5k 阅读时长 ≈ 6 分钟

Hadoop 三种运行模式：从单机调试到生产集群，一路搭过来

Hadoop 提供三种运行模式，本质上对应三个场景：

  • 单机模式：我电脑上写代码，跑通逻辑就行
  • 伪分布式模式：我测试 HDFS + YARN 功能对不对
  • 完全分布式模式：生产环境，多台机器跑大数据

从单机到完全分布式的过程，就是你的 Hadoop 技能从入门到生产的过程。

不管哪种模式，先配 Java 环境

Hadoop 依赖 Java，不管哪种模式，这一步都逃不掉。

# 安装 Java（以 CentOS 为例）
sudo yum install java-1.8.0-openjdk-devel

# 确认 Java 路径
which java
# 输出：/usr/bin/java

# 找到 JAVA_HOME
readlink -f /usr/bin/java | sed 's:/bin/java::'

然后在 $HADOOP_HOME/etc/hadoop/hadoop-env.sh 里加上：

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk

验证 Hadoop 能跑：

hadoop version

单机模式：什么都不配，直接跑

Hadoop 默认就是单机模式，解压即用。所有进程跑在单个 JVM 里，不启动 HDFS、不启动 YARN，读写本地文件系统。

什么时候用？ 写 MapReduce 代码的时候，跑通逻辑就行。输入输出都在本地，不用跟 HDFS 打交道。

快速上手 WordCount：

# 创建输入目录
mkdir -p input
echo "hello hadoop world" > input/file.txt
echo "hello yarn" >> input/file.txt

# 运行 WordCount（JAR 包路径按实际版本调整）
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar wordcount input output

# 看结果
cat output/part-r-00000
# hadoop    1
# hello     2
# world     1
# yarn      1

单机模式的优点： 零配置，秒级启动，用来验证逻辑正确性最好。缺点： 没有 HDFS，没有分布式调度，不能模拟真正的集群行为。

伪分布式模式：一台机器模拟集群

单机模式验证了代码逻辑，但你还不确定它在 HDFS + YARN 上能不能跑。伪分布式模式就是在一台机器上启动所有守护进程——NameNode、DataNode、ResourceManager、NodeManager 全都有，但都跑在同一台机器上。

什么时候用？ 功能测试、开发调试，需要验证 HDFS 和 YARN 的交互逻辑。

核心配置（4 个文件，都在 $HADOOP_HOME/etc/hadoop/）：

1. core-site.xml——HDFS 地址

<configuration>  
  <!-- 指定 HDFS 的 NameNode 地址 -->  
  <property>  
    <name>fs.defaultFS</name>  
    <value>hdfs://localhost:9000</value>  
  </property>  

  <!-- Hadoop 临时文件存储目录（需手动创建） -->  
  <property>  
    <name>hadoop.tmp.dir</name>  
    <value>/opt/data/hadoop/tmp</value>  
  </property>  
</configuration>

2. hdfs-site.xml——单节点副本数设为 1

<configuration>  
  <!-- 副本数量（单节点集群设为 1） -->  
  <property>  
    <name>dfs.replication</name>  
    <value>1</value>  
  </property>  

  <!-- NameNode 元数据存储目录（需手动创建） -->  
  <property>  
    <name>dfs.namenode.name.dir</name>  
    <value>/opt/data/hadoop/hdfs/name</value>  
  </property>  

  <!-- DataNode 数据存储目录（需手动创建） -->  
  <property>  
    <name>dfs.datanode.data.dir</name>  
    <value>/opt/data/hadoop/hdfs/data</value>  
  </property>  

  <!-- 关闭 HDFS 权限检查（方便测试） -->  
  <property>  
    <name>dfs.permissions.enabled</name>  
    <value>false</value>  
  </property>  
</configuration>

3. mapred-site.xml——用 YARN 跑 MapReduce

<configuration>  
  <!-- 指定 MapReduce 运行在 YARN 上 -->  
  <property>  
    <name>mapreduce.framework.name</name>  
    <value>yarn</value>  
  </property>  

  <!-- MapReduce 应用类路径（3.x 版本需配置） -->  
  <property>  
    <name>mapreduce.application.classpath</name>  
    <value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value>  
  </property>  
</configuration>

4. yarn-site.xml——开启 Shuffle

<configuration>  
  <!-- 启用 Shuffle 服务（MapReduce 依赖） -->  
  <property>  
    <name>yarn.nodemanager.aux-services</name>  
    <value>mapreduce_shuffle</value>  
  </property>  

  <!-- Shuffle 服务类（3.x 版本需配置） -->  
  <property>  
    <name>yarn.nodemanager.aux-services.mapreduce_shuffle.class</name>  
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>  
  </property>  

  <!-- 允许环境变量白名单（避免 YARN 启动报错） -->  
  <property>  
    <name>yarn.nodemanager.env-whitelist</name>  
    <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>  
  </property>  
</configuration>

启动：

# 格式化 HDFS（仅需执行一次，多次执行会清空数据）  
hdfs namenode -format

# 启动 HDFS
start-dfs.sh

# 启动 YARN
start-yarn.sh

# 检查进程
jps
# 应该看到：NameNode、DataNode、SecondaryNameNode、ResourceManager、NodeManager

验证：

  • HDFS Web UI：http://localhost:9870
  • YARN Web UI：http://localhost:8088

跑个作业验证：

# 在 HDFS 上建目录、传文件
hdfs dfs -mkdir -p /input
hdfs dfs -put input/file.txt /input/

# 运行 WordCount
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar wordcount /input /output

# 看结果
hdfs dfs -cat /output/part-r-00000

关闭：

stop-yarn.sh
stop-dfs.sh

完全分布式模式：多台机器真正跑集群

伪分布式的所有进程挤在一台机器上，资源争抢、单点风险——生产环境不能这样。完全分布式模式把组件分散到多台机器，真正分布式部署。

集群规划（3 台机器）：

机器 HDFS 角色 YARN 角色
hadoop1（主） NameNode —
hadoop2（从） DataNode + SecondaryNameNode NodeManager
hadoop3（从） DataNode ResourceManager + NodeManager

前置准备（在所有节点执行）：

配置主机名和 /etc/hosts

# 每台机器的 /etc/hosts 都要加上
192.168.1.101 hadoop1
192.168.1.102 hadoop2
192.168.1.103 hadoop3

SSH 免密登录

主节点（hadoop1）需要能免密登录所有从节点：

# 生成 SSH 密钥（主节点执行）  
ssh-keygen -t rsa -P "" -f ~/.ssh/id_rsa  

# 复制公钥到所有节点（包括自身）  
ssh-copy-id hadoop1  
ssh-copy-id hadoop2  
ssh-copy-id hadoop3

所有节点安装 Java + Hadoop，路径一致

主节点配置（hadoop1 上配，然后 scp 到其他节点）：

core-site.xml：

<configuration>  
  <!-- 指定 NameNode 地址（主节点 hostname） -->  
  <property>  
    <name>fs.defaultFS</name>  
    <value>hdfs://hadoop1:9000</value>  
  </property>  

  <!-- Hadoop 临时目录（所有节点需手动创建） -->  
  <property>  
    <name>hadoop.tmp.dir</name>  
    <value>/opt/data/hadoop/tmp</value>  
  </property>  
</configuration>

hdfs-site.xml：

<configuration>  
  <!-- 副本数量（建议设为 2-3，取决于从节点数） -->  
  <property>  
    <name>dfs.replication</name>  
    <value>2</value>  
  </property>  

  <!-- SecondaryNameNode 地址（建议部署在从节点） -->  
  <property>  
    <name>dfs.namenode.secondary.http-address</name>  
    <value>hadoop2:9868</value>  
  </property>  

  <!-- NameNode 元数据存储目录 -->  
  <property>  
    <name>dfs.namenode.name.dir</name>  
    <value>/opt/data/hadoop/hdfs/name</value>  
  </property>  

  <!-- DataNode 数据存储目录 -->  
  <property>  
    <name>dfs.datanode.data.dir</name>  
    <value>/opt/data/hadoop/hdfs/data</value>  
  </property>  
</configuration>

mapred-site.xml：

<configuration>  
  <!-- 指定 MapReduce 运行在 YARN 上 -->  
  <property>  
    <name>mapreduce.framework.name</name>  
    <value>yarn</value>  
  </property>  
</configuration>

yarn-site.xml：

<configuration>  
  <!-- 启用 Shuffle 服务 -->  
  <property>  
    <name>yarn.nodemanager.aux-services</name>  
    <value>mapreduce_shuffle</value>  
  </property>  

  <!-- 指定 ResourceManager 地址 -->  
  <property>  
    <name>yarn.resourcemanager.hostname</name>  
    <value>hadoop3</value>  
  </property>  
</configuration>

workers（告诉 Hadoop 哪些节点是 DataNode）：

hadoop2
hadoop3

分发配置到所有节点：

scp -r $HADOOP_HOME/etc/hadoop/* hadoop2:$HADOOP_HOME/etc/hadoop/
scp -r $HADOOP_HOME/etc/hadoop/* hadoop3:$HADOOP_HOME/etc/hadoop/

启动集群：

# hadoop1 上执行：格式化 HDFS
hdfs namenode -format

# hadoop1 上执行：启动 HDFS
start-dfs.sh

# hadoop3 上执行：启动 YARN（ResourceManager 在 hadoop3）
start-yarn.sh

验证：

  • hadoop1 上能看到 NameNode
  • hadoop2 上能看到 DataNode + SecondaryNameNode
  • hadoop3 上能看到 DataNode + ResourceManager + NodeManager
  • Web UI：HDFS 在 http://hadoop1:9870，YARN 在 http://hadoop3:8088