MapReduce —> Map & Reduce 计算架构
GFS —> HDFS分布式文件系统
bigtable —> hbase数据库
HADOOP是什么：可靠的、可扩展的、分布式计算框架。
apache hadoop
cloudera hadoop（CDH版 hadoop）
设计的思想：一次写入、多次读取
架构设计：主从架构
文件的属性：名称、位置、副本数、权限、块（大小默认为128M)
文件的块：比如文件的大小为500M，块的最大大小设置为256M，则第一个和第二个块的代销是256M、244M。
文件的读写流程：
就近原则找datanode获取文件的数据HDFS启动：
心跳注册 和 块的状态报告，在这大概30s的时间内，HDFS是处于安全模式的（只读），另外namenode自己也会将fsimage镜像文件和edits操作日志文件中的元信息读取到内存当中[注]：设置块的大小和查看datanode上的数据块：
#增加如下参数项(默认为128M)
$ vim hdfs-site.xml
<property>
<name>dfs.blocksize</name>
<value>134217728</value>
</property>
#datanode节点存储的数据块：
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs/data/current/BP-1491715413-172.16.127.129-1502205769566/current/finalized$ du -sh *
4.0K blk_1073741826
4.0K blk_1073741826_1002.meta
4.0K blk_1073741833
4.0K blk_1073741833_1009.meta
36K blk_1073741835
4.0K blk_1073741835_1011.meta
96K blk_1073741836
4.0K blk_1073741836_1012.meta
48K blk_1073741837
4.0K blk_1073741837_1013.meta
两个功能：集群资源的管理和分配、多任务的调度
架构设计：主从架构
YRAN运行流程：
相关组件的说明：
#resourcemanager
处理客户端的请求
启动和监控applicationMaster
监控nodemanager
资源的分配与调度
#nodemanager
单个节点上的资源管理
处理来自resourcemanager的命令
处理来自applicationMaster的命令
#applicationMaster
数据切分
为应用程序申请资源，并分配给内部任务
任务监控和容错
#container
对任务环境的抽象，封装了CPU、内存等多维资源以及环境变量，启动变量等任务运行相关的信息
常见的hadoop的默认web端口：
yarn外部管理界面端口：8088
HDFS外部管理界面端口：50070
secondarynamenode外部管理界面端口：50090
安装前准备工作：
虚拟机(使用virtualbox 或 vmware，此处我们使用virtualbox)
1. virtualbox新建三台虚拟机，即nimbusz、supervisor01z、supervisor02z
2. 每台虚拟机有两个网卡(也可以只使用，但每个虚拟机都会占用路由器ip资源)
NAT网卡用于连接外网(但不能实现物理机和虚拟机以及虚拟机之间的通信，注意勾选高级-混杂模式-全部允许)，
host-only网卡用于物理机和虚拟机以及虚拟机之间的通信(但不能连接外网)
3. ifconfig大致如下：
eth0 Link encap:Ethernet HWaddr 08:00:27:72:f1:95
inet addr:10.0.2.15 Bcast:10.0.2.255 Mask:255.255.255.0
...
eth1 Link encap:Ethernet HWaddr 08:00:27:8d:c7:a8
inet addr:192.168.56.102 Bcast:192.168.56.255 Mask:255.255.255.0
...
lo Link encap:Local Loopback
inet addr:127.0.0.1 Mask:255.0.0.0
...
4. hosts配置大致如下：
127.0.0.1 localhost
192.168.56.101 dbserver
192.168.56.102 nimbusz
192.168.56.103 supervisor01z
192.168.56.104 supervisor02z
#####源码编译hadoop获取native
# 1. 下载并安装 snappy库(e.g.snappy-1.1.4.tar.gz)
.configure
make
sudo make install
# 2. 用maven编译hadoop原文件，编译生成的文件在target目录下
$ mvn package -Pdist,native -DskipTests -Dtar -Drequire.snappy
# 3. 用编译而成的 xxx/target/hadoop-2.5.0/lib/native
# 替换hadoop自己的 native文件夹 （hadoop默认的安装包不支持native）
# 4. 再次检查hadoop是否支持snappy压缩
$ bin/hadoop checknative
#####CHD-hadoop对应版本的native本地包
# 1. 下载，解压rpm包(以hadoop-2.5.0 x64举例)
wget http://archive.cloudera.com/cdh5/redhat/5/x86_64/cdh/5.2.3/RPMS/x86_64/hadoop-2.5.0+cdh5.2.3+615-1.cdh5.2.3.p0.15.el5.x86_64.rpm
# 2. 替换
# 3. 检查
下面以hadoop伪分布式模式的配置和启动过程进行大致讲解：
# 解压hadoop后的hadoop的目录，bin etc include lib libexec sbin share
# 建议，这里share文件夹下面有一个doc文件夹，存放的是hadoop的文档，由于线上不用，而且该文件夹很大，故删除
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0$ du -sh *
...
1.7G share
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0$ rm -rf share/doc
#伪分布式配置方法：
#1. 修改配置文件的 $JAVA_HOME 项，$JAVA_HOME需要写具体的java安装home路径而不是$JAVA_HOME
hadoop-env.sh
mapred-env.sh
yarn-env.sh
#2. 查看当前的配置的配置文件是否生效
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0$ bin/hadoop
#3. 配置文件
#etc/hadoop/core-site.xml:
<configuration>
#hdfs主从节点通信默认端口号为8020
<property>
<name>fs.defaultFS</name>
<value>hdfs://nimbusz:8020</value>
</property>
#hdfs的namenode节点元数据的镜像文件
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/modules/hadoop-2.5.0/data/tmp</value>
</property>
</configuration>
#etc/hadoop/hdfs-site.xml: #为分布式，副本数为1
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
#etc/hadoop/slaves
#配置nodemanager配置文件slaves
#决定了datanode和nodemanager所在机器，一行就是一个主机，此处只有一个node节点
#严格来讲，slaves文件存储的并不是真正的datanode节点，它唯一的作用是在集群操作的时候要正对这个文件去ssh处理。我们在start-all.sh、start-dfs.sh、start-yarn.sh的时候，通过ssh向远程服务器发送指令，将远程服务器启动。至于节点是不是datanode节点，取决于dfs.hosts和dfs.hosts.exclude两个参数。
nimbusz
#4. 格式化hdfs文件系统，并查看格式化后生成的元数据镜像文件(刚才配置在core-site.xml中)
#注意，格式化的时候需要保证fsimage不存在，这样新生成的fsimage镜像文件才不会和旧的发生冲突
ubuntu@hadoop01:/opt/modules/hadoop-2.5.0$ bin/hdfs namenode -format
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs/name/current$ ls
fsimage_0000000000000000000 fsimage_0000000000000000000.md5 seen_txid VERSION
#5. 启动namenode和datanode
sbin/hadoop-daemon.sh start namenode
sbin/hadoop-daemon.sh start datanode
jps
10920 NameNode
11003 DataNode
11071 Jps
#6. 打开hdfs web 管理界面，端口号默认为50070，可通过hdfs-site dfs.namenode.http-address 选项配置
http://nimbusz:50070
#7. 在hdfs文件系统创建文件目录，约定用户目录格式类似于 /user/ubuntu
bin/hdfs dfs -mkdir -p /user/ubuntu
#8. 在hdfs文件系统中循环查看文件及文件目录
bin/hdfs dfs -ls -R /
drwxr-xr-x - ubuntu supergroup 0 2017-08-08 20:33 /user
drwxr-xr-x - ubuntu supergroup 0 2017-08-08 20:33 /user/ubuntu
#9. 上传下载查看文件
touch /opt/datas/test.txt
bin/hdfs dfs -put /opt/datas/test.txt /user/ubuntu/test.txt
bin/hdfs dfs -get /user/ubuntu/test.txt /opt/datas/test01.txt
bin/hdfs dfs -cat /user/ubuntu/test.txt
#10. 伪分布式（单节点）运行在yarn上面需要的配置：
#etc/hadoop/yarn-site.xml:
<configuration>
#指定resourcemanager所在的机器
<property>
<name>yarn.resourcemanager.hostname</name>
<value>nimbusz</value>
</property>
#启动mapreduce_shuffle服务以支持运行mapreduce程序
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
#etc/hadoop/mapred-site.xml:
<configuration>
#指定mapreduce运行在yarn上
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
#11. 启动yarn的 resourcemanager 和 nodemanager
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
jps
12339 Jps
12004 ResourceManager
12248 NodeManager
10920 NameNode
11003 DataNode
#12. 浏览器访问yarn客户端管理界面 可以在yarn-site.xml的 yarn.resourcemanager.webapp.address 配置
#默认的客户端管理界面http地址 ${yarn.resourcemanager.hostname}:8088
http://nimbusz:8088
#13. 测试在yarn上跑一个hadoop自带的wordcount程序
#前提是在core-site.xml文件中配置fs.defaultFS的值默认为hdfs文件系统
#上传一个待计数的wc.txt文件到hdfs文件系统
bin/hdfs dfs -mkdir -p /user/ubuntu/wc
bin/hdfs dfs -put /opt/datas/wc.txt /user/ubuntu/wc/wc.txt
#在yarn上启动wordcount程序(注意输出目录开始时不能存在)
bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /user/ubuntu/wc /user/ubuntu/wc/output
#查看运行结果
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0$ bin/hdfs dfs -text /user/ubuntu/wc/output/part*
hadoop 4
hello 2
hive 1
mapreduce 1
spark 1
world 1
yarn 1
启动日志文件目录：$HADOOP_HOME/logs
分析日志文件的格式（框架名-用户名-进程-主机-后缀）：
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/logs$ du -sh *
48K hadoop-ubuntu-datanode-nimbusz.log
4.0K hadoop-ubuntu-datanode-nimbusz.out
92K hadoop-ubuntu-namenode-nimbusz.log
8.0K hadoop-ubuntu-namenode-nimbusz.out
0 SecurityAuth-ubuntu.audit
72K userlogs
52K yarn-ubuntu-nodemanager-nimbusz.log
4.0K yarn-ubuntu-nodemanager-nimbusz.out
108K yarn-ubuntu-resourcemanager-nimbusz.log
4.0K yarn-ubuntu-resourcemanager-nimbusz.out
4.0K yarn-ubuntu-resourcemanager-nimbusz.out.1
4.0K yarn-ubuntu-resourcemanager-nimbusz.out.2
作业历史记录服务会在应用完成运行之后，会将日志的信息上传到HDFS文件系统上（一般保存在HDFS的 /tmp 目录下）。如果没有配置和开启历史服务器的服务，在yarn的web管理页是看不到mapreduce任务的history项的。
配置和开启mr任务历史服务器的过程如下：
#配置
#增加如下两个参数
$ vim mapred-site.xml
<property>
<name>mapreduce.jobhistory.address</name>
<value>nimbusz:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>nimbusz:19888</value>
</property>
#启动
$ sbin/mr-jobhistory-daemon.sh start historyserver
jps
13443 JobHistoryServer #
12004 ResourceManager
12248 NodeManager
10920 NameNode
13528 Jps
11003 DataNode
如果没有配置hadoop的日志聚集功能，则在yarn点击某个mr任务 map或reduce 的 logs 选项是看不到日志信息的。
Aggregation is not enabled. Try the nodemanager at nimbusz:42720
配置和开启hadoop的日志聚集功能：
#配置
$ vim yarn-site.xml
<property>
#启用hadoop的日志聚集功能(默认false)
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<property>
#日志保存在HDFS上的期限(默认为-1，这里配置的是一周)
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
#重启yarn
sbin/yarn-daemon.sh stop resourcemanager
sbin/yarn-daemon.sh stop nodemanager
sbin/mr-jobhistory-daemon.sh stop historyserver
#
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
sbin/mr-jobhistory-daemon.sh start historyserver
#重新在yarn上运行mr wordcount程序，查看作业历史记录服务和日志聚集功能是否生效
bin/hdfs dfs -rm -r /user/ubuntu/wc/output
bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /user/ubuntu/wc /user/ubuntu/wc/output
比方说刚才我们配置了hadoop的作业历史记录服务，一般会将日志信息保存在HDFS的 /tmp 目录下，但是在web页没有配置权限情况下我们是看不到 tmp里面的内容的：
Permission denied: user=dr.who, access=READ_EXECUTE, inode="/tmp":ubuntu:supergroup:drwx------
原因是因为在 hdfs-site.xml 配置中 dfs.permissions.enabled 参数默认是true的，在开发环境，为了方便查看日志，通常先设置为false：
#配置
$ vim hdfs-site.xml
<property>
<name>dfs.permissions.enabled</name>
<value>false</value>
</property>
$ vim core-site.xml
<property>
#设置一个hadoop的web静态用户名(默认为dr.who)
<name>hadoop.http.staticuser.user</name>
<value>ubuntu</value>
</property>
#重启hadoop相关度的所有进程
sbin/yarn-daemon.sh stop resourcemanager
sbin/yarn-daemon.sh stop nodemanager
sbin/mr-jobhistory-daemon.sh stop historyserver
sbin/hadoop-daemon.sh stop namenode
sbin/hadoop-daemon.sh stop datanode
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
sbin/mr-jobhistory-daemon.sh start historyserver
sbin/hadoop-daemon.sh start namenode
sbin/hadoop-daemon.sh start datanode
jps
15617 Jps
15490 NameNode
15043 ResourceManager
15547 DataNode
15293 NodeManager
15439 JobHistoryServer
#重新在yarn上运行mr wordcount程序，查看权限检查是否生效
bin/hdfs dfs -rm -r /user/ubuntu/wc/output
bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /user/ubuntu/wc /user/ubuntu/wc/output
namenode元数据（文件名、文件目录结构、文件生成时间、副本数、文件权限等信息）初始的时候是通过 bin/hdfs namenode -format 生成的，通过格式化这条命令，会在${HADOOP_TMP_DIR}/dfs/name/current 的 目录中生成一个fsimage_*的镜像文件（存放元数据），在namenode节点启动以后，元数据就被加载到内存当中。当在HDFS系统中做了增删改的操作之后，同样会在${HADOOP_TMP_DIR}/dfs/name/current 目录中产生edits_* 操作日志文件。namenode节点在重启的时候，会先读取 fsimage 和 edits文件，以将文件系统的元数据加载到namenode节点的内存当中。
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs/name/current$ du -sh *
1.0M edits_0000000000000000001-0000000000000000130
1.0M edits_inprogress_0000000000000000131
4.0K fsimage_0000000000000000000
4.0K fsimage_0000000000000000000.md5
4.0K seen_txid
4.0K VERSION
通常如果hadoop如果运行了很长时间之后，edits操作日志文件就会变得很大。当这时候因为修改了hadoop的某个配置项或服务器修复需要重启 namenode节点的时候，这个重启的过程就会变得很慢（因为读edits操作日志文件通常要比读fsimage镜像文件慢很多）。所以为了减少namenode重启的时间，这时候就需要HDFS 的secondarynamenode。
通过以上两步，secondarynamenode会不断合并edits操作日志文件到新的fsimage镜像文件，这样就有效地减少了namenode重启所花费的时间。
用一句话归结secondarynamenode的作用就是：每隔一段时间合并生成HDFS元数据的新的快照，以减少namenode重启所花费的时间。
以下是配置和启动secondarynamenode服务的过程：
#配置
#增加如下参数项配置
$ vim hdfs-site.xml
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>nimbusz:50090</value>
</property>
#启动
sbin/hadoop-daemon.sh start secondarynamenode
jps
19685 NodeManager
19862 NameNode
20583 Jps
19784 JobHistoryServer
19437 ResourceManager
20542 SecondaryNameNode #
19967 DataNode
#访问web管理页
http://nimbusz:50090
#查看secondarynamenode生成的文件(除了namenode文件夹，又多出了一个namesecondary文件夹)
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs$ ls
data name namesecondary
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs/namesecondary/current$ du -sh *
1.0M edits_0000000000000000001-0000000000000000130
4.0K edits_0000000000000000131-0000000000000000132
4.0K fsimage_0000000000000000000
4.0K fsimage_0000000000000000000.md5
4.0K fsimage_0000000000000000132
4.0K fsimage_0000000000000000132.md5
4.0K VERSION
# sbin/start-dfs.sh
# 快捷启动 namenode、datanode、secondarynamenode
$ sbin/start-dfs.sh
Starting namenodes on [nimbusz]
ubuntu@nimbusz's password:
nimbusz: starting namenode, logging to xx/logs/hadoop-ubuntu-namenode-nimbusz.out
ubuntu@nimbusz's password:
nimbusz: starting datanode, logging to xx/logs/hadoop-ubuntu-datanode-nimbusz.out
Starting secondary namenodes [nimbusz]
ubuntu@nimbusz's password:
nimbusz: starting secondarynamenode, logging to xx/logs/hadoop-ubuntu-secondarynamenode-nimbusz.out
#上述快捷启动的过程中，我们可以看到，虽然启动方便了很多，但是每次都要输入登录密码，挺麻烦的。
#这时候就可以设置不同主机之间通过ssh免密码登录。
#所谓的 ssh公钥登录 就是用户将自己的公钥存储在远程主机上，登录的时候远程主机会向用户发送一段随机的字符串，
#用户用自己的私钥加密后再发回到远程主机，远程主机主机用事先存储的公钥进行解密，如果成功，就证明用户是可信的
#直接允许登录shell，不再要求输入密码。
#在用户机器上生成秘钥-公钥对
ssh-keygen -t [rsa|dsa] -C "message…"
#拷贝用户机器上的公钥到需要登录的远程主机上
#第一次密码验证成功后会将公钥内容拷贝到远程主机的authorized_keys文件
ssh-copy-id ubuntu@nimbusz
#再次使用dfs快捷启动脚本就不会每次都输密码那么麻烦了
$ sbin/start-dfs.sh
$ sbin/stop-dfs.sh
Stopping namenodes on [nimbusz]
nimbusz: stopping namenode
nimbusz: stopping datanode
Stopping secondary namenodes [nimbusz]
nimbusz: stopping secondarynamenode
#快捷关闭和启动yarn的resourcemanager和nodemanager
$ sbin/stop-yarn.sh
$ sbin/start-yarn.sh
#剩下的 MR作业历史记录服务 需要单独关闭和开启
$ sbin/mr-jobhistory-daemon.sh stop historyserver
$ sbin/mr-jobhistory-daemon.sh start historyserver
1) 多次格式化导致启动失败
#格式化hdfs文件系统，并查看格式化后生成的元数据镜像文件($HADOOP_TMP_DIR配置在core-site.xml中)
#注意，格式化的时候需要保证fsimage不存在，这样新生成的fsimage镜像文件才不会和旧的发生冲突
ubuntu@hadoop01:/opt/modules/hadoop-2.5.0$ bin/hdfs namenode -format
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs/name/current$ ls
fsimage_0000000000000000000 fsimage_0000000000000000000.md5 seen_txid VERSION
2) 集群版本不一致导致的启动失败
#一般namenode、secondarynamenode、datanode三者的集群id，即clusterID不一致可能启动就会出现问题
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs/name/current$ cat VERSION
namespaceID=389815234
clusterID=CID-0ead1360-19df-4a73-9fc3-8ff2ecc8c472
cTime=0
storageType=NAME_NODE
blockpoolID=BP-1491715413-172.16.127.129-1502205769566
layoutVersion=-57
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs/namesecondary/current$ cat VERSION
namespaceID=389815234
clusterID=CID-0ead1360-19df-4a73-9fc3-8ff2ecc8c472
cTime=0
storageType=NAME_NODE
blockpoolID=BP-1491715413-172.16.127.129-1502205769566
layoutVersion=-57
ubuntu@nimbusz:/opt/modules/hadoop-2.5.0/data/tmp/dfs/data/current$ cat VERSION
storageID=DS-89f31c8e-49b0-4614-8453-f59796c88adb
clusterID=CID-0ead1360-19df-4a73-9fc3-8ff2ecc8c472
cTime=0
datanodeUuid=59840327-bd85-4aa3-9b87-466724b63310
storageType=DATA_NODE
layoutVersion=-55
3) 端口号被占用
#使用netstat查看端口号是否被占用
netstat -lntp[u]
4) 多用户的混用，造成进程冲突（pid）
#这只是针对的单节点的为分布式的启动模式而言的
#这时候需要把 /tmp目录下的 *.pid文件删除，然后重新以一个用户启动
#下载两个文件并合并到本地的一个文件中
bin/hdfs dfs -getmerge xxx/file01 xxx/file02 /opt/datas/targetfile.txt
#查看当前hdfs是不是处于安全状态(安全状态是只读的)
bin/hdfs dfsadmin -safemode get
#进入|离开安全模式
bin/hdfs dfsadmin -safemode [enter|leave]
#######################
# xcall文件
# $@ 为远程执行指令
#######################
#!/bin/bash
#参数个数
pcount=$#
if (( pcount<1 )) ; then
echo no args;
exit;
fi
#遍历现有的3台远程服务器
num=3
for (( host=0; host<$num; host=host+1)) ; do
if (( host==0 )) ; then
echo --------- nimbusz ------------
ssh ubuntu@nimbusz $@
else
echo --------- supervisor0${host}z ------------
ssh ubuntu@supervisor0${host}z $@
fi
done
#测试如下
ubuntu@nimbusz:/opt/module$ xcall $JAVA_HOME/bin/jps
--------- nimbusz ------------
2561 HRegionServer
2387 HMaster
1752 DataNode
4136 NodeManager
1609 NameNode
1979 JournalNode
1437 QuorumPeerMain
12925 Jps
7022 Main
2207 DFSZKFailoverController
--------- supervisor01z ------------
1569 NameNode
2849 NodeManager
1682 DataNode
1365 QuorumPeerMain
1813 JournalNode
3003 ResourceManager
1979 DFSZKFailoverController
2140 HRegionServer
7260 Jps
--------- supervisor02z ------------
1537 DataNode
1826 HRegionServer
2452 NodeManager
1668 JournalNode
5864 Jps
2267 ResourceManager
1438 QuorumPeerMain
#################################################
# xfile文件
# $1 为源文件或源文件夹
# $2 为远程目标文件夹绝对路径xxx (ubuntu@nimbusz:xxx)
#################################################
#!/bin/bash
src=$1
dist=$2
host_name=`hostname`
#遍历现有的3台远程服务器
num=3
for (( host=0; host<$num; host=host+1)) ; do
if (( host==0 )) ; then
if [[ "$host_name" == "nimbusz" ]] ; then
continue
fi
echo --------- nimbusz ------------
scp -r $src ubuntu@nimbusz:$dist
else
if [[ "$host_name" == "supervisor0${host}z" ]] ; then
continue
fi
echo --------- supervisor0${host}z ------------
scp -r $src ubuntu@supervisor0${host}z:$dist
fi
done
#测试如下
ubuntu@supervisor02z:~$ xfile test01/ ~/
--------- nimbusz ------------
ss2 100% 0 0.0KB/s 00:00
ss1 100% 0 0.0KB/s 00:00
111 100% 0 0.0KB/s 00:00
--------- supervisor01z ------------
ss2 100% 0 0.0KB/s 00:00
ss1 100% 0 0.0KB/s 00:00
111
$ ssh ubuntu@nimbusz sudo ls /
sudo: no tty present and no askpass program specified
$ ssh -t ubuntu@nimbusz sudo ls /
[sudo] password for ubuntu: #输入远程root密码
bin boot dev etc home initrd.img lib lib64 lost+found media mnt opt proc root run sbin srv sys tmp usr var vmlinuz
Connection to nimbusz closed.
$ xcall -t sudo ls /
[sudo] password for ubuntu:
bin boot dev etc home initrd.img lib lib64 lost+found media mnt opt proc root run sbin srv sys tmp usr var vmlinuz
Connection to nimbusz closed.
