Hadoop的集群

hadoop集群指的是一群机器在一起提供一个hadoop的集群的服务。
hadoop分布式指的是hadoop支持任务分布式运行，因为有hadoop集群提供服务，所以hadoop将任务分发到集群的多台机器运行，所以叫做分布式。
一个是服务器架构，一个是任务运行架构。

---

　　若在windows的eclipse工程中直接启动mapreduc程序，需要先把hadoop集群的配置目录下的xml都拷贝到src目录下，让程序自动读取集群的地址后去进行分布式运行(您也可以自己写java代码去设置job的configuration属性)。　　若不拷贝，工程中bin目录没有完整的xml配置文件，则windows执行的mapreduce程序全部通过本机的jvm执行，作业名也是带有“local"字眼的作业，如 job_local2062122004_0001。 这不是真正的分布式运行mapreduce程序。
　　估计得研究org.apache.hadoop.conf.configuration的源码，反正xml配置文件会影响执行mapreduce使用的文件系统是本机的windows文件系统还是远程的hdfs系统; 还有影响执行mapreduce的mapper和reducer的是本机的jvm还是集群里面机器的jvm
　　二、 本文的结论

　　第一点就是： windows上执行mapreduce，必须打jar包到所有slave节点才能正确分布式运行mapreduce程序。（我有个需求是要windows上触发一个mapreduce分布式运行）
　　第二点就是： linux上，只需拷贝jar文件到集群master上,执行命令hadoop jarpackage.jar mainclassname即可分布式运行mapreduce程序。
　　第三点就是： 推荐使用附一，实现了自动打jar包并上传，分布式执行的mapreduce程序。
　　附一、 推荐使用此方法：实现了自动打jar包并上传，分布式执行的mapreduce程序：
　　请先参考博文五篇：
　　hadoop作业提交分析（一）~~（五）
　　引用博文的附件中ejob.java到你的工程中，然后main中添加如下方法和代码。

　　public static file createpack() throws ioexception {
　　file jarfile = ejob.createtempjar("bin");
　　classloader classloader = ejob.getclassloader();
　　thread.currentthread().setcontextclassloader(classloader);
　　return jarfile;