Hadoop集群搭建
·大数据集群方案-单机模式
在单机模式下,要求Windows系统运行内存至少也是8G.
·大数据集群方案-集群模式
在集群模式下,要求Windows系统运行内存至少是16G.
Hadoop集群使用
·Hadoop启动和关闭-单节点模式
1.启动虚拟机
在资料中已经提供好了单台虚拟机,为node1(192.168.52.161)
2.使用Termius连接虚拟机
3.集群一键启动和关闭
一键启动大数据环境
/onekey/my-start-all.sh
一键关闭大数据环境
/onekey/my-stop-all.sh
·Hadoop页面访问-集群模式
4.查看启动进程-jps
5.查看HDFS页面
6.查看YARN页面
7.查看已经finished的mapreduce运行日志
HDFS文件系统
·HDFS的概述
在现代的企业环境中,单机容量往往无法存储大量数据,需要跨机器存储。统一管理分布在集群上的文件系统称为分布式文件系统.
HDFS(Hadoop Distributed File System)是 Apache Hadoop 项目的一个子项目. Hadoop 非常适于存储大型数据 (比如 TB 和 PB), 其就是使用 HDFS 作为存储系统. HDFS 使用多台计算机存储文件, 并且提供统一的访问接口,像是访问一个普通文件系统一样使用分布式文件系统.
分布式文件系统解决的问题就是大数据存储。它们是横跨在多台计算机上的存储系统。分布式文件系统在大数据时代有着广泛的应用前景,它们为存储和处理超大规模数据提供所需的扩展能力.
·HDFS的特点
HDFS文件系统可存储超大文件,时效性稍差.
HDFS具有硬件故障检测和自动快速恢复功能.
HDFS为数据存储提供很强的扩展能力.
HDFS存储一般为一次写入,多次读取,只支持追加写入,不支持随机修改.
HDFS可在普通廉价的机器上运行.
·HDFS的架构
HDFS采用Master/Slave架构 .
一个HDFS集群有两个重要的角色,分别是Namenode和Datanode.
HDFS的四个基本组件:HDFS Client、NameNode、DataNode和Secondary NameNode.
1、Client
就是客户端。
文件切分。文件上传 HDFS 的时候,Client 将文件切分成 一个一个的Block,然后进行存储 .
与 NameNode 交互,获取文件的位置信息。
与 DataNode 交互,读取或者写入数据。
2、NameNode
就是 master,它是一个主管、管理者。
管理 HDFS 元数据(文件路径,文件的大小,文件的名字,文件权限,文件的block切片信 息….)。
配置副本策略。
处理客户端读写请求。
3、DataNode
就是Slave。NameNode 下达命令,DataNode 执行实际的操作。
存储实际的数据块。
执行数据块的读/写操作。
定时向namenode汇报block信息。
4、Secondary NameNode
并非 NameNode 的热备。当NameNode 挂掉的时候,它并不能马上替换 NameNode 并提供服务。
辅助 NameNode,分担其工作量。
在紧急情况下,可辅助恢复 NameNode。
·HDFS的Shell命令
安装好hadoop环境之后,可以执行hdfs相关的shell命令对hdfs文件系统进行操作,比如文件的创建、删除、修改文件权限等。
对HDFS的操作命令类似于Linux的shell对文件的操作,如ls、mkdir、rm等。