Hadoop 学习第二天

一、常用Linux命令的基本使用
序号    命令    对应英文    作用
01    ls    list    查看当前文件夹下的内容
02    pwd    print work directory    查看当前所在文件夹
03    cd[目录名]    changge directory    切换文件夹
04    touch[文件名]    touch    如果文件不存在，新建文件
05    mkdir[目录名]    make directory    创建目录
06    rm[文件名]    remove    删除指定文件
07    clear    clear    清屏

二、HDFS架构概述
Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。

随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。

HDFS的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变。

优缺点
优点
1）高容错性

数据自动保存多个副本。它通过增加副本的形式，提高容错性。
2）适合处理大数据

数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；
文件规模：能够处理百万规模以上的文件数量，数量相当之大。
3）可构建在廉价机器上，通过多副本机制，提高可靠性。

缺点
1）不适合低延时数据访问，比如毫秒级的存储数据，是做不到的。

2）无法高效的对大量小文件进行存储。

存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode的内存总是有限的；
小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。
3）不支持并发写入、文件随机修改。

一个文件只能有一个写，不允许多个线程同时写；
仅支持数据append（追加），不支持文件的随机修改。

三、Hive入门

Hive：由Facebook开源用于解决海量结构化日志的数据统计。

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。

本质是：将HQL转化成MapReduce程序

1）Hive处理的数据存储在HDFS

2）Hive分析数据底层的实现是MapReduce

3）执行程序运行在Yarn上