一、Hadoop 三种部署模式对比表
| 对比维度 | 单机模式（Standalone Mode） | 伪分布式模式（Pseudo-Distributed Mode） | 完全分布式模式（Fully-Distributed Mode） |
|---|---|---|---|
| 硬件依赖 | 仅需1台普通机器，对硬件配置要求低（普通个人电脑即可） | 仅需1台机器，但需一定硬件资源（内存、磁盘需满足多进程运行） | 需多台机器组成集群（至少3台，主从节点分离，生产环境需更高配置） |
| 组件运行形式 | 所有Hadoop组件（NameNode、DataNode、ResourceManager等）都运行在单个Java进程中 | 所有组件以独立进程运行（如NameNode、DataNode各占一个进程），但所有进程都在同一台机器上 | 不同组件部署在不同机器：主节点（NameNode、ResourceManager）单独部署，从节点（DataNode、NodeManager）分散在多台机器 |
| 网络通信 | 组件间无网络通信，仅在进程内部交互 | 组件间通过本地网络协议通信（模拟分布式网络交互） | 组件间通过集群网络通信（主从节点跨机器交互） |
| 数据存储逻辑 | 不启用HDFS分布式存储，数据直接存在本地文件系统，无分块/副本机制 | 启用HDFS，数据按分布式规则分块存储，支持副本配置（通常设为1，避免单机器资源浪费） | 启用HDFS，数据分块存储在多个DataNode，副本数可配置（生产环境通常设为3，保证数据可靠性） |
| 核心用途 | 1. 代码调试（验证Hadoop API语法、逻辑正确性） 2. 新手快速熟悉Hadoop基本命令 | 1. 学习分布式原理（模拟真实分布式组件交互流程） 2. 开发测试（验证程序在分布式环境下的功能） 3. 小规模数据演示 | 1. 生产环境大规模数据处理（PB级数据存储与计算） 2. 高并发任务运行（多节点协同提升效率） |
| 搭建复杂度 | 极低：无需修改复杂配置，安装后即可使用 | 中等：需配置环境变量、组件通信参数、格式化HDFS等步骤 | 较高：需配置集群网络、节点间免密登录、主从节点同步、资源分配策略等 |
| 性能与扩展性 | 无分布式性能优势，仅支持小规模数据（MB级） | 性能受单机器硬件限制，支持小规模数据（GB级），无扩展性 | 性能随节点数量提升，支持海量数据（PB级），可通过增加节点扩展存储与计算能力 |
二、组件介绍
| 组件名称 | 核心功能 | 关键作用 |
|---|---|---|
| HDFS | 分布式文件系统，将大文件分块存储在多台服务器上 | 为 Hadoop 生态提供高可靠、高吞吐量的分布式数据存储能力，支持海量数据的存储与访问 |
| YARN | 资源管理系统，负责集群资源的分配与调度 | 统一管理集群的计算资源（如 CPU、内存等），为各类应用程序（包括 MapReduce 等）分配资源并进行任务调度，提高集群资源利用率 |
| MapReduce | 分布式计算框架，采用"分而治之"思想处理大规模数据 | 把复杂的大数据计算任务拆分为多个简单的子任务（Map 阶段和 Reduce 阶段），分布到集群各节点并行执行，最后汇总结果，实现高效的分布式计算 |