目录
大数据的特征
# 1. 体积大
# 2. 种类多
# 3. 价值密度低
# 4. 速度快
# 5. 质量高
数据体系架构
海量数据的存储
1.1 HDFS
特点:基于磁盘/硬盘,读写效率比较低,因为要对磁盘进行大量的IO操作
1.2 Hbase
特点:nosql,kv数据格式,支持随机读写
1.3 kudu
特点:支持毫秒级别的数据的新增,更新,删除操作
主从模式(中心模式)特点:一主多从
主节点主要负责调度,统一调配
从节点主要是负责干活
主备模式特点:一主一备/多备
备选节点主要是负责接替主节点工作
hadoop架构
1. HDFS:主要用来存储数据
1.1 namenode(NN):用来管理数据,以及分配任务
1.2 datanode(DN):用来存储数据
1.3 secondarynamenode(SNN):辅助主节点进行元数据的管理
2. Yarn:主要用来资源调度
2.1 ResourceManager(RM):用来接收用户请求,分配资源给NM
2.2 NodeManager(NM):用来执行用户的请求
3. Mapreduce:用来数据计算
3.1 map:用来拆分任务
3.2 reduce:用来整合任何计算结果
hadoop架构三者关系:
1. HDFS和MR:Mr计算所需要的数据来源于HDFS,计算的结果要保存到HDFS中
2. MR和Yarn:Mr计算所需要的资源来源于Yarn的调度
hadoop服务器搭建
1. 单机
2. 集群
3. HA(高可用)
hadoop组件启动
1. 启动HDFS和Yarn命令:start-all.sh
2. 关闭HDFS和Yarn命令:stop-all.sh
3. 开启历史服务器命令:mapred --daemon start historyserver
其中验证启动成与否:
1. 输入jps查看java进程
2. 访问浏览器页面
2.1 访问hdfs:node1:9870
# 主要作 用: 查看hdfs中的数据,上传数据,下载数据
2.2 访问yarn:node1::8088
# 主要作用: 查看正在执行的任务的所需要的资源
2.3 访问历史服务器:node1:19888
# 主要作用: 查看已经结束的任务的资源使用情况,以及任务的执行状态(成功与否
2.4 myslq端口号 3306
2.5服务器默认的端口号 : 80
3.杀死进程:
kill -9 进程号
4.hive 远程连接:
4.1 先启动 metastore 服务:nohup bin/hive --service metastore &
4.2 再启动 hiveserver2 服务:nohup bin/hive --service hiveserver2 &
4.3 查看是否成功:jps 是出现两个 run 进程
4.3 查看进程号 : lsof -i:10000 注:10000 端口号
hdfs特点:
1. 可以存储超大文件,只不过时效性比较差(因为有三副本机制)
2. 快速检查问题节点(心跳机制),快速恢复数据(三副本机制)
3. 扩展能力强
4. 支持一次写入,多次读取,只支持追加,不支持随机修改
5. 可以部署在廉价的机器上
HDFS写入流程:
1. 客户端先将文件分块
2. 客户端找NameNode询问是否有上传的权限(是否能上传,是否已经有一份)
3. NameNode告诉客户端可以上传
4. 客户端找NameNode询问上传到哪里
5. NameNode根据机架感知原理/网络拓扑图找到离客户端最近的DataNode1,并
将DataNode1的地址给到客户端
6. 客户端拿到DataNode1地址,并跟DataNode1建立链接管道(管道一次传输64kb),开始传 输数据
7. DataNode1拿到数据后,会快速复制一份到DataNode2和DataNode3,复制完成后返回ACK码(确认复制完成)
8. 重复7操作,直到数据全部上传完成
9. DataNode和NameNode保持心跳机制
HDFS的副本机制
https://hadoop.apache.org/docs/r3.3.4/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
dfs.replication 3
dfs.blocksize 134217728