大数据入门之Hadoop基础学习大数据应用
一、数据的存储：分布式文件系统(分布式存储)
二、数据的计算：分部署计算
基础知识
学习路线
(1)Java基础和Linux基础
(2)Hadoop的学习：体系结构、原理、编程
第一阶段：HDFS、MapReduce、HBase(NoSQL数据库)
第二阶段：数据分析引擎 -> Hive、Pig
数据采集引擎 -> Sqoop、Flume
第三阶段：HUE：Web管理工具
ZooKeeper：实现Hadoop的HA
Oozie：工作流引擎
(3)Spark的学习
第一阶段：Scala编程语言
第二阶段：Spark Core -> 基于内存、数据的计算
第三阶段：Spark SQL -> 类似于mysql 的sql语句
第四阶段：Spark Streaming ->进行流式计算：比如：自来水厂
(4)Apache Storm 类似：Spark Streaming ->进行流式计算
NoSQL：Redis基于内存的数据库
HDFS
分布式文件系统 解决以下问题：
硬盘不够大：多几块硬盘，理论上可以无限大
数据不够安全：冗余度，hdfs默认冗余为3 ，用水平复制提高效率，传输按照数据库为单位：Hadoop1.x 64M，Hadoop2.x 128M
管理员：NameNode 硬盘：DataNode
![image.png]()
MapReduce
基础编程模型：把一个大任务拆分成小任务，再进行汇总
MR任务：Job = Map + Reduce
Map的输出是Reduce的输入、MR的输入和输出都是在HDFS
MapReduce数据流程分析：
Map的输出是Reduce的输入，Reduce的输入是Map的集合
HBase
什么是BigTable?: 把所有的数据保存到一张表中，采用冗余 ---> 好处：提高效率
因为有了bigtable的思想：NoSQL：HBase数据库
HBase基于Hadoop的HDFS的
描述HBase的表结构
核心思想是：利用空间换效率
Hadoop环境搭建
环境准备
Linux环境、JDK、
安装
1、安装jdk、并配置环境变量
vim /etc/profile 末尾添加
![image.png]()
2、解压hadoop-3.0.0.tar.gz、并配置环境变量
tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/
mv hadoop-3.0.0/ hadoop
vim /etc/profile 末尾添加
配置
Hadoop有三种安装模式：
本地模式 ：
1台主机
不具备HDFS，只能测试MapReduce程序
伪分布模式：
1台主机
具备Hadoop的所有功能，在单机上模拟一个分布式的环境
(1)HDFS：主：NameNode，数据节点：DataNode
(2)Yarn：容器，运行MapReduce程序
主节点：ResourceManager
从节点：NodeManager
全分布模式：
至少3台
我们以伪分布模式为例配置：
修改hdfs-site.xml：冗余度1、权限检查false
<!--配置冗余度为1-->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!--配置权限检查为false-->
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
修改core-site.xml
<!--配置HDFS的NameNode-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://192.168.56.102:9000</value>
</property>
<!--配置DataNode保存数据的位置-->
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/tmp</value>
</property>
修改mapred-site.xml
<!--配置MR运行的框架-->
<property>
<name>mapreduce.framework.name</name>
<value>yar</value>
</property>
<property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
<property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
<property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
<property>
<name>mapreduce.application.classpath</name>
<value>
/usr/local/hadoop/etc/hadoop,
/usr/local/hadoop/share/hadoop/common/*,
/usr/local/hadoop/share/hadoop/common/lib/*,
/usr/local/hadoop/share/hadoop/hdfs/*,
/usr/local/hadoop/share/hadoop/hdfs/lib/*,
/usr/local/hadoop/share/hadoop/mapreduce/*,
/usr/local/hadoop/share/hadoop/mapreduce/lib/*,
/usr/local/hadoop/share/hadoop/yarn/*,
/usr/local/hadoop/share/hadoop/yarn/lib/*,
</value>
</property>
修改yarn-site.xml
<!--配置ResourceManager地址-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>192.168.56.102</value>
</property>
<!--配置NodeManager执行任务的方式-->
<property>
<name>yarn.nodemanager.aux-service</name>
<value>mapreduce_shuffle</value>
</property>
格式化NameNode
hdfs namenode -format
看到common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted表示格式化成功
启动
start-all.sh
(*)HDFS：存储数据
(*)YARN：
访问
（*）命令行
（*）Java Api
（*）WEB Console
HDFS: :50070
Yarn: :8088
精彩导读
热门资讯
关注我们
