Hadoop开发----经验总结3

之前在Hadoop的开发过程中，一直犯了一个比较严重的错误：一直将windows下的hadoop的本地运行模式理解为hadoop的集群运行模式，现将Hadoop的运行模式总结如下：
1、独立模式即本地运行模式（standalone或local mode）
无需运行任何守护进程（daemon），所有程序都在单个JVM上执行。由于在本机模式下测试和调试MapReduce程序较为方便，因此，这种模式适宜用在开发阶段。
具体实现方式：
①在windows的eclipse里面直接运行main方法，就会将job提交给本地执行器localjobrunner执行
—-输入输出数据可以放在本地路径下（c:/wc/srcdata/）
—-输入输出数据也可以放在hdfs中(hdfs://hadoop20:9000/dir)
②在linux的eclipse里面直接运行main方法，但是不要添加yarn相关的配置，也会提交给localjobrunner执行
—-输入输出数据可以放在本地路径下（/usr/local/）
—-输入输出数据也可以放在hdfs中(hdfs://hadoop20:9000/dir)
2、伪分布运行模式
如果Hadoop对应的Java进程都运行在一个物理机器上,称为伪分布运行模式，伪分布运行模式常用于开发者机器环境受限的情况下使用。
注意：伪分布模式就是在一台服务器上面模拟集群环境,但仅仅是机器数量少,其通信机制与运行过程与真正的集群模式是一样的，hadoop的伪分布运行模式可以看做是集群运行模式的特殊情况。
3、集群模式
如果Hadoop对应的Java进程运行在多台物理机器上,称为集群模式.[集群就是有主有从]
具体实现方式：
①将工程打成jar包，上传到服务器，然后用hadoop命令hadoop jar xxx.jar 将jar包分发到集群中运行。
②在linux的eclipse中直接运行main方法，进而将程序提交到集群中去运行，但是必须采取以下措施：
第一：在工程src目录下加入 mapred-site.xml 和 yarn-site.xml 这两个配置文件或者在代码中加入：

  Configuration conf = new Configuration();
  conf.set("mapreduce.framework.name", "yarn");
  conf.set("yarn.resourcemanager.hostname", "hadoop20");

第二：同时将工程打成jar包(xxx.jar)，并在main方法中添加一个conf的配置参数　conf.set(“mapreduce.job.jar”,”路径/xxx.jar”);
还是以WordCount程序为例：
③在windows的eclipse中直接运行main方法，进而将程序提交给集群运行，但是因为平台不兼容，需要做很多的设置修改：
第一：要在windows中存放一份hadoop的安装包（解压好的）
第二：要将其中的lib和bin目录替换成根据你的windows版本重新编译出的文件(lib和bin都是和本地平台相关的东西)
第三：再要配置系统环境变量 HADOOP_HOME 和 PATH
第四：修改YarnRunner这个类的源码
从上面的介绍可以看出：在windows的eclipse里面跑集群模式非常不方便，没有任何实际意义—不推荐！！！！
综上，以后在实际看法过程中，推荐用下述方式进行开发：
第一种方式：首先在windows中通过本地模式对编写出的程序进行调试，确定程序无误后，将工程打成jar包上传到服务器，然后用hadoop命令—hadoop jar xxx.jar 将jar包分发到集群中运行。
当然如果仅仅是简单的逻辑测试，用本地模式就可以了，不必到集群中运行。
第二种方式：因为linux对hadoop具有很好的平台兼容性，所以我们可以直接在linux的eclipse中进行集群模式的运行。