Hadoop 提供了三種運行模式，它們是：

　　1. 本地(Local)模式：在本地模式下，Hadoop 運行在單機上，并且不涉及分布式計算和存儲。這種模式主要用于開發和調試目的，以及在較小的數據集上運行簡單的 MapReduce 任務。本地模式非常適合初學者和開發人員，用于驗證算法的正確性和邏輯。

　　2. 偽分布式(Pseudo-Distributed)模式：在偽分布式模式下，Hadoop 模擬了一個分布式環境，其中包含多個節點，但實際上仍然在單臺機器上運行。這種模式適合用于在本地開發環境中進行分布式計算的測試和驗證。它模擬了分布式環境的行為，允許你編寫和調試分布式應用程序，同時不需要真正的分布式集群。

　　3. 分布式(Distributed)模式：在分布式模式下，Hadoop 運行在真正的分布式環境中，使用多個計算節點和存儲節點來處理大規模的數據集。這是 Hadoop 的核心運行模式，適用于大規模數據處理和分析。分布式模式能夠實現數據的并行處理和存儲，通過橫向擴展提供高性能和可伸縮性。

　　以下是三種運行模式的應用場景：

　　1. 本地模式適用于：

　　- 初學者學習 Hadoop 和 MapReduce 的基本概念和操作。

　　- 快速驗證和調試算法、邏輯和數據處理流程。

　　- 在小規模數據集上運行簡單的 MapReduce 任務，不需要分布式環境的特性。

　　2. 偽分布式模式適用于：

　　- 在本地開發環境中進行分布式計算的測試和驗證。

　　- 編寫和調試分布式應用程序，同時不需要真正的分布式集群。

　　- 了解和熟悉 Hadoop 分布式架構和組件的行為。

　　3. 分布式模式適用于：

　　- 處理大規模數據集，需要并行處理和存儲的能力。

　　- 構建真正的生產級分布式應用程序和數據處理流水線。

　　- 需要高性能、可伸縮性和容錯性的大規模數據處理和分析。

　　需要注意的是，分布式模式需要設置和配置一個真實的 Hadoop 集群，包括多個計算節點和存儲節點。這需要一定的硬件資源和系統管理能力。因此，在學習和實驗階段，本地模式和偽分布式模式通常是更常見和可行的選擇。