Hadoop 的定义:
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。
Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。HDFS有高容错性的特点,并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。
Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,而MapReduce则为海量的数据提供了计算。
Hadoop的优点:
1.高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖。
2.高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的,这些集簇可以方便地扩展到数以千计的节点中。
3.高效性。Hadoop能够在节点之间动态地移动数据,并保证各个节点的动态平衡,因此处理速度非常快。
4.高容错性。Hadoop能够自动保存数据的多个副本,并且能够自动将失败的任务重新分配。
5.低成本。与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比,hadoop是开源的,项目的软件成本因此会大大降低。
安装虚拟机、SecureCRT
以下操作在SecureCRT里面完成
一、基础安装配置
1.关闭防火墙
2.传输JDK和HADOOP压缩包
3.解压JDK、HADOOP
4.配置JDK并生效
5.配置HADOOP并生效
6.单机模式配置hadoop -env.sh
7.运行自带程序wordcount
二、修改以下5个配置文件
在与之间添加如下property:
①core-site.xml
fs.defaultFS
hdfs://bigdata128:9000
⑥修改\etc\hosts配置文件
⑦修改\etc\hostname配置文件
三、格式化
hdfs namenode -format (如果不是第一次格式化,格式化之前先删除/opt/module/hadoop-2.7.3/下面的tmp、logs两个目录)
四、启动
start-all.sh
查看伪分布式配置是否成功:
五、运行wordcount
Hadoop完全分布式模式配置
一、新建另外两台Linux虚拟机
二、修改以下配置文件
①slaves配置文件
②修改\etc\hosts配置文件
③修改\etc\hostname配置文件
三、格式化
四、启动集群
在主节点bigdata128上面输入启动命令(start-all.sh),启动集群。
五、运行wordcount
hdfs dfs -put in.txt /adir 上传本地当前路径下的in.txt文件 到hdfs的/adir目录下。
运行hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /adir/in.txt output/。
在http://192.168.163.132:50070 查看/user/root/output/part-r-00000文件里