从零开始的Hadoop学习（三）| 集群分发脚本xsync

1. Hadoop目录结构

• bin目录：存放对Hadoop相关服务（hdfs，yarn，mapred）进行操作的脚本
• etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件
• lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）
• sbin目录：存放启动或停止Hadoop相关服务的脚本
• share目录：存放Hadoop的依赖jar包、文档、和官方案例

2. Hadoop运行模式

本地模式、伪分布式模式以及完全分布式模式。

• 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。

2.1 本地运行模式（官方 WordCount）

• 1）创建在hadoop-3.1.3文件下面创建一个wcinput文件夹

  [atguigu@hadoop102 hadoop-3.1.3]$ mkdir wcinput
  

• 2）在wcinput文件下创建一个word.txt文件

  [atguigu@hadoop102 hadoop-3.1.3]$ cd wcinput
  

• 3）编辑 word.txt 文件

  [atguigu@hadoop102 wcinput]$ vim word.txt
  

  在文件中输入如下内容

  hadoop yarn
  hadoop mapreduce
  atguigu
  atguigu
  

• 4）回到Hadoop 目录/opt/module/hadoop-3.1.3

• 5）执行程序

  [atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
  

• 6）查看结果

  [atguigu@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000
  看到如下结果：
  atguigu 2
  hadoop  2
  mapreduce       1
  yarn    1
  

3.2 完全分布式运行模式（开发重点）

分析：

1）准备3台客户机（关闭防火墙、静态IP、主机名称）
2）安装JDK
3）配置环境变量
4）安装Hadoop
5）配置环境变量
6）配置集群
7）单点启动
8）配置ssh
9）群起并测试集群

3.2.2 编写集群分发脚本 xsync

scp (secure copy) 安全拷贝

• 1）scp 定义

  scp 可以实现服务器与服务器之间的数据拷贝。（from server1 to server2）

• 2）基本语法

  scp  -r    $pdir/$fname    $user@$host:$pdir/$fname
  命令 递归 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称
  

• 3）实际操作

  (a) 在hadoop102上，将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。

  [atguigu@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212  atguigu@hadoop103:/opt/module
  

  (b) 在hadoop103上，将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。

  [atguigu@hadoop103 ~]$ scp -r atguigu@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/
  

  © 在hadoop103上操作，将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。

  [atguigu@hadoop103 opt]$ scp -r atguigu@hadoop102:/opt/module/* atguigu@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。

• 1）基本语法

  rsync -av  $pdir/$fname  $user@$host:$pdir/$fname
  命令 选项参数 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称
  

  选项参数说明

  选项	功能
  -a	归档拷贝
  -v	显示复制过程

• 2）实际操作

  (a) 删除hadoop103中/opt/module/hadoop-3.1.3/wcinput

  [atguigu@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/
  

  (b) 同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103

  [atguigu@hadoop102 module]$ rsync -av hadoop-3.1.3/ atguigu@hadoop103:/opt/module/hadoop-3.1.3/
  

xsync集群分发脚本

• 1）需求：循环复制文件到所有节点相同的目录下

• 2）需求分析

  （a）rsync 命令原始拷贝：

  rsync  -av  /opt/module  atguigu@hadoop103:/opt/
  

  （b）期望脚本：xsync 要同步的文件名称

  （c）期望脚本在任何路径都能使用（脚本放在声明了全局环境变量的路径）

  [atguigu@hadoop102 ~]$ echo $PATH
  /usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/atguigu/.local/bin:/home/atguigu/bin:/opt/module/jdk1.8.0_212/bin
  

• 3）脚本实现

  （a）在/home/atguigu/bin 目录下创建 xsync 文件

  [atguigu@hadoop102 opt]$ cd /home/atguigu
  [atguigu@hadoop102 ~]$ mkdir bin
  [atguigu@hadoop102 ~]$ cd bin
  [atguigu@hadoop102 bin]$ vim xsync
  

  在该文件下编写如下代码

  #!/bin/bash#1. 判断参数个数
  if [ $# -lt 1 ]
  thenecho Not Enough Arguement!exit;
  fi#2. 遍历集群所有机器
  for host in hadoop102 hadoop103 hadoop104
  doecho ====================  $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 $host:$pdirelseecho $file does not exists!fidone
  done
  

  （b）修改脚本 xsync 具有执行权限

  [atguigu@hadoop102 bin]$ chmod +x xsync
  

  （c）测试脚本

  [atguigu@hadoop102 ~]$ xsync /home/atguigu/bin
  

  （d）将脚本复制到 /bin 中，以便全局调用

  [atguigu@hadoop102 bin]$ sudo cp xsync /bin/
  

  （e）同步案件变量配置（root所有者）

  [atguigu@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh
  

  注意：如果用了 sudo，那么xsync一定要给它的路径补全。

  让环境变量生效

  [atguigu@hadoop103 bin]$ source /etc/profile
  [atguigu@hadoop104 opt]$ source /etc/profile