hadoop相关知识（一）

1.Hadoop

1、Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
2、主要解决，海量数据的存储和海量数据的分析计算问题。
3、广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈

1.1三大发行版本
Apache 最原始的版本，对于入门学习最好
Cloudera 在大型互联网企业中用的比较多
Hortonworks 文档较好

1.2Hadoop的优势（4高）
1、高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
2、高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3、高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
4、高容错性：能够自动将失败的任务重新分配

1.3Hadoop组成
在Hadoop1.x时代，Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大，在Hadoop2.x时代，增加了Yarn。Yarn只负责资源的调度。MapReduce只负责运算

2.HDFS架构概述

HDFS组成：NameNode、DataNode、Secondary NameNode
作用：
NameNode(nn) : 存储文件的元数据，如文件名，文件目录结构，文件属性(生成时间、副本数、文件权限)，以及每个文件的块列表和块所在的DataNdoe等。
DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。
Secondary NameNode(2nn)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照

2.1YARN架构概述
作用：
ResourceManager：1、处理客户端请求。2、监控NodeManager。3、启动或监控ApplicationMaster。4、资源的分配与调度。
NodeManager：1、管理单个节点上的资源。2、处理来自ResourceManager的命令。3、处理来自ApplicationMaster的命令。
ApplicationMaster：1、负责数据的切分。2、为应用程序申请资源并分配给内容的任务。3、任务的监控与容错
Container：它是Yarn中的资源抽象，它封装了某个节点上的多维度资源。如内存、cpu、磁盘、网络等

2.2MapReduce架构概述
Map阶段并行处理输入数据
Reduce阶段对Map结果进行汇总

3.Hadoop运行环境搭建

1.准备虚拟机
2.修改静态ip

  service network restart  重启一下
    ifconfig                 查看IP是否变化，没有变化重启

 修改hostname主机
    vim /etc/sysconfig/network
        hostname主机重启后生效
3. 添加用户
4.创建目录module（解压的安装包）、software（压缩的安装包）
    mkdir /opt/module /opt/software
5.给普通用户添加sudo权限
    vim /etc/sudoers

6.添加主机和IP的映射关系
    vim /etc/hosts
7.关机拍快照（conf_step1）

8.安装jdk和hadoop

(解压  配置环境变量   激活环境变量 检查是否安装成功)

伪分布式配置

(伪分布式其实就是将：namenode、datanode、resourcemanager、nodemanager、historyserver放在了一台服务器上)
    1.添加JAVA_HOME
    hadoop-env.sh
    mapred-env.sh
    yarn-env.sh
    在以上三个文件中添加
    export JAVA_HOME=/opt/module/jdk1.8.0_144
    2.设置namenode节点所在的服务器地址和临时文件的存储目录

(配置文件的副本数 配置yarn-site.xml  配置mapred-site.xml )

    3.配置完毕就可以启动集群

  (格式化namenode(只在集群启动的时候格式化一次)
        bin/hdfs namenode -format)

完全分布式（hadoop默认的副本数是3）

1.设置namenode节点所在的服务器地址和临时文件的存储目录

(配置文件的副本数 配置yarn-site.xml  配置mapred-site.xml )

2.群起
        （1）必须实现服务器之间的免密登录
        （2）修改文件夹下的etc/hadoop/slaves文件
            添加集群服务器的主机名(自己定)
            hadoop01
            hadoop02
            hadoop03
        将hadoop01 修改hadoop2.7.2文件夹下的etc/hadoop/slaves文件分发到hadoop02、hadoop03
         执行群起
        群起hdfs
        sbin/start-dfs.sh  |  sbin/stop-dfs.sh    
        群起yarn
        sbin/start-yarn.sh |  sbin/stop-yarn.sh

3.修改两个脚本文件

（jpsall和myrsync）