hadoop离线阶段（第四节）hadoop简介和hadoop的standAlone环境安装

大数据发展简史

hadoop的介绍

1. Hadoop最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。
2. 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。
   ——分布式文件系统（GFS），可用于处理海量网页的存储
   ——分布式计算框架MAPREDUCE，可用于处理海量网页的索引计算问题。
3. Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE，并从Nutch中剥离成为独立项目HADOOP，到2008年1月，HADOOP成为Apache顶级项目(同年，cloudera公司成立)，迎来了它的快速发展期。
   狭义上来说，hadoop就是单独指代hadoop这个软件
   广义上来说，hadoop指代大数据的一个生态圈，包括很多其他的软件
   

hadoop发展历史

hadoop三大公司发型版本介绍

1、免费开源版本apache：
hadopp在apache的专题站：http://hadoop.apache.org/
优点：拥有全世界的开源贡献者，代码更新迭代版本比较快，
缺点：版本的升级，版本的维护，版本的兼容性，版本的补丁都可能考虑不太周到，学习可以用，实际生产工作环境尽量不要使用

2、免费开源版本hortonWorks：
hortonWorks官网https://hortonworks.com/
hortonworks主要是雅虎主导Hadoop开发的副总裁，带领二十几个核心成员成立Hortonworks，核心产品软件HDP（ambari），HDF免费开源，并且提供一整套的web管理界面，供我们可以通过web界面管理我们的集群状态，web管理界面软件HDF网址。
3、软件收费版本ClouderaManager:
ClouderaManager官网https://www.cloudera.com/
cloudera主要是美国一家大数据公司在apache开源hadoop的版本上，通过自己公司内部的各种补丁，实现版本之间的稳定运行，大数据生态圈的各个版本的软件都提供了对应的版本，解决了版本的升级困难，版本兼容性等各种问题，生产环境强烈推荐使用。

hadoop的架构模型

1.x的版本架构模型介绍

HDFS（文件系统核心模块）：
NameNode：集群当中的主节点，主要用于管理集群当中的各种数据
secondaryNameNode：主要能用于hadoop当中元数据信息的辅助管理
DataNode：集群当中的从节点，主要用于存储集群当中的各种数据
MapReduce（数据计算核心模块）：
JobTracker：接收用户的计算请求任务，并分配任务给从节点
TaskTracker：负责执行主节点JobTracker分配的任务

2.x的版本架构模型介绍

第一种：NameNode与ResourceManager单节点架构模型

HDFS（文件系统核心模块）：
NameNode：集群当中的主节点，主要用于管理集群当中的各种元数据
secondaryNameNode：主要能用于hadoop当中元数据信息的辅助管理
DataNode：集群当中的从节点，主要用于存储集群当中的各种数据
Yarn（数据计算核心模块）：
ResourceManager：接收用户的计算请求任务，并负责集群的资源分配
NodeManager：负责执行主节点APPmaster分配的任务
第二种：NameNode单节点与ResourceManager高可用架构模型

HDFS（文件系统核心模块）：
NameNode：集群当中的主节点，主要用于管理集群当中的各种数据
secondaryNameNode：主要能用于hadoop当中元数据信息的辅助管理
DataNode：集群当中的从节点，主要用于存储集群当中的各种数据
Yarn（数据计算核心模块）：
ResourceManager：接收用户的计算请求任务，并负责集群的资源分配，以及计算任务的划分，通过zookeeper实现ResourceManager的高可用
NodeManager：负责执行主节点ResourceManager分配的任务
第三种：NameNode高可用与ResourceManager单节点架构模型

HDFS（文件系统核心模块）：
NameNode：集群当中的主节点，主要用于管理集群当中的各种数据，其中nameNode可以有两个，形成高可用状态
DataNode：集群当中的从节点，主要用于存储集群当中的各种数据
JournalNode：文件系统元数据信息管理
Yarn（数据计算核心模块）：
ResourceManager：接收用户的计算请求任务，并负责集群的资源分配，以及计算任务的划分
NodeManager：负责执行主节点ResourceManager分配的任务
第四种：NameNode与ResourceManager高可用架构模型

HDFS（文件系统核心模块）：
NameNode：集群当中的主节点，主要用于管理集群当中的各种数据，一般都是使用两个，实现HA高可用
JournalNode：元数据信息管理进程，一般都是奇数个
DataNode：从节点，用于数据的存储
Yarn（数据计算核心模块）：
ResourceManager：Yarn平台的主节点，主要用于接收各种任务，通过两个，构建成高可用
NodeManager：Yarn平台的从节点，主要用于处理ResourceManager分配的任务

hadoop的standAlone环境搭建

apache hadoop三种架构介绍

apache hadoop有三种架构：standAlone，伪分布式和分布式。standAlone即单机版环境，NameNode、DataNode、ResourceManager、NodeManager都在一台机器上；伪分布式是指NameNode、ResourceManager在同一台机器上，DataNode、NodeManager在不同机器上；分布式是指NameNode、ResourceManager在不同机器上（如果NameNode、ResourceManager都是高可用的架构方式，那么需要4台机器来部署主节点），DataNode、NodeManager也在不同机器上。

standAlone环境搭建

1、将hadoop2.X的安装包放到Linux机器上，并解压tar包到安装目录

tar /export/softwares/hadoop-2.7.5.tar.gz -C /export/servers

2、修改配置文件
①使用notepad++连接Linux机器
②修改文件/export/servers/hadoop-2.7.5/etc/hadoop/core-site.xml，修改内容如下：

<configuration>
	<!-- hdfs表示通过分布式的方式实现，IP地址是namenode所在的机器的IP地址 -->
	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://192.168.177.100:8020</value>