大数据入门之Hadoop基础学习大数据应用

来源:互联网 / 作者:SKY / 2018-07-11 18:38 / 点击:
目前人工智能和大数据火热,使用的场景也越来越广,日常开发中前端同学也逐渐接触了更多与大数据相关的开发需求。因此对大数据知识也有必要进行一些学习理解。

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

学习大数据需要具备Java知识基础及Linux知识基础

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

大数据入门之Hadoop基础学习

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

大数据入门之Hadoop基础学习

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 

大数据入门之Hadoop基础学习

大数据入门之Hadoop基础学习

vim /etc/profile 末尾添加

大数据入门之Hadoop基础学习

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

阅读延展

1
3