Spark（8）配置Hadoop集群环境-使用脚本命令实现集群文件同步

 hadoop一共有如下三种运行方式：

1. 本地运行。数据存储在linux本地，测试偶尔用一下。我们上一节课使用的就是本地运行模式hadoop100。

2. 伪分布式。在一台机器上模拟出 Hadoop 分布式系统的各个组件，各个组件在逻辑上是分离的，但是都运行在同一台物理机器上，以此来模拟分布式环境。

3. 完全分布式。数据存储在HDFS，多台服务器工作，企业中大量使用。

要在本地去模拟这个真实的场景功能，我们需要做好如下的准备：

 1）准备3台客户机（关闭防火墙、静态IP、主机名称）

 2）安装javaJDK，安装Hadoop，并配置环境变量

3）配置集群

4）单点启动

 5）配置ssh

 6）群起并测试集群

现在我们来看看按照JDK和Hadoop并配置环境变量的工作。有两种思路：

1. 每台机器都去手动安装一次（上传jar包再去解压）。

2. 把一台机器装好，把module 拷贝到其他的机器。这样就不需要省略了上传和解压的工作了。 

现在要学一个新的命令： scp。它可以实现服务器与服务器之间的数据拷贝。

1.基本语法

scp    -r        $pdir/$fname    $user@$host:$pdir/$fname

说明：

（1）-r: 表示递归拷贝。如果要拷贝的是文件夹，就把文件夹下的内容都拷贝

（2）$pdir/$fname: 要拷贝的文件路径/名称   

（3）$user@host:$pdir/$fname: 目的地用户@主机:目的地路径/名称

注意：要输入相应的账号和密码！

2.案例操作

来，我们一起看下案例实操。

背景

假设你已经：

（1）在两台虚拟机（hadoop100、hadoop101）都已经创建好了/opt/module,/opt/software两个目录

（2）在hadoop100这台机器中已经安装了jdk和hadoop。

目标

现在的目标是：要把hadoop100上的jdk文件夹拷贝到hadoop101中的相同的目录下。

1. 拉取。在hadoop101上，拉取hadoop100机器上的内容（如下左图）。

1. 推送。在hadoop100机器上，把文件推送到hadoop101机器上（如上右图）。
2. 搭桥。在hadoop101机器上，把hadoop100的文件传递到hadoop102上

任务1：在hadoop102上，将hadoop101中/opt/module/hadoop-3.1.3目录拷贝到hadoop102上。

分析：使用scp进行拉取

操作：

1. 先登录到hadoop2
2. 使用命令：

scp -r root@hadoop101:/opt/module/hadoop-3.1.3 /opt/module/

任务2：在hadoop101上操作，将hadoop100中/opt/module目录下所有目录拷贝到hadoop102上。

分析：使用scp进行搭桥

操作：

1. 登录hadoop101
2. 使用命令：

scp -r root@hadoop100:/opt/module/* root@hadoop102:/opt/module

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区别是：rsync只对差异文件做更新，而scp是把所有文件都复制过去，所以它的效果更高一些。

1. 基本语法

rsync    -av       $pdir/$fname             $user@$host:$pdir/$fname

语法说明：

（1）-a：归档拷贝，尽可能让拷贝的文件之间保持一致。

（2）-v：显示拷贝过程。

（3）$pdir/$fname: 要拷贝的文件路径/名称

（4）$user@host:$pdir/$fname: 目的地用户@主机:目的地路径/名称

第一步：在两台机器上准备文件。

在hadoop100的/opt/conf/ 新建1.txt, 2.txt, 3.txt, 4.txt

做一次同步。

[root@hadoop100 ]$ rsync -av /opt/conf/ root@hadoop101:/opt/conf/

它会在hadoop101上创建conf目录。

第二步：在hadoop100中，添加新文件，5.txt, 6.txt, 7.txt

第三步：使用命令把新添加的文件同步到hadoop101中。

命令如下：

[root@hadoop100 ]$ rsync -av /opt/conf/ root@hadoop101:/opt/conf/

请特别注意目录最后的尾/。有/表示拷贝这文件夹下的内容，没有/表示会拷贝这个文件夹

2.步骤

（1）在/root/bin目录下创建xsync文件。在这个

（2）在该文件中编写如下代码。这个部分的代码不需要会写，能看懂，了解即可。

#!/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 hadoop100 hadoop101 hadoop102

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

 （3）修改执行权限。此时，我们去查看文件，可以看到它的颜色是灰色的，不具备执行权限（如下图）

接下来要通过命令： chmod +x xsync（或者是chmod 777 xsync）

重新查看它的颜色，它现在已经变成执行的脚本了（如下图）。

（4）测试使用。把这个脚本同步到其他的机器中。

[root@hadoop100 ~]$ xsync /root/bin/

1. scp的作用是什么？
2. 如果当前在A机器上，要把A机器上的/etc/tst下的所有内容拷贝到B机器上的/etc/tst目录下，应该的命令应该怎么写？
3. rsync与scp的区别是什么？

3.rsync和scp区别是：rsync只对差异文件做更新，而scp是把所有文件都复制过去，所以它的效果更高一些。