大数据
- 大数据5V特性是什么?
–(V)olume(大体量)
可从数百TB到数十数百PB,甚至EB的规模
–(V)ariety(多样性)
大数据包括各种格式和形态的数据
–(V)elocity(时效性)
很多大数据需要在一定的时间限度下得到及时处理
–(V)eracity(准确性)
处理的结果钥保证一定的准确性
– `(V)alue(大价值)
大数据包含很多深度的价值,大数据分析挖掘和利用将带来巨大的商业
Hadoop
- Hadoop
– 是一种分析和处理海量数据的软件平台
– 是一款开源软件,使用JAVA开发
– 可以提供一个分布式基础架构 - 特点
– 高可靠性,高扩展性,高效性,高容错性,低成本
Hadoop组件
- 核心组件
– HDFS:Hadoop分布式文件系统
– MapReduce:分布式计算机框架
– Yarn:集群资源管理系统 - 组件
– Zookeeper:分布式协作服务
– Hbase:分布式列存数据库
– Hive:基于Hadoop的数据仓库
– Sqoop:数据同步工具
– Pig:基于Hadoop的数据流系统
– Mahout:数据挖掘算法库
– Flume:日志收集工具
HDFS结构
- Hadoop体系中数据存储管理的基础,是一个高度容错的系统,用于在低成本的通用硬件上运行
- 构成
– client
– Namenode
– Secondarynode
– Datanode
MapReduce结构
- 源于Google的MapReduce论文,JAVA实现的分布式计算框架
- 构成
– JobTracker
– TaskTracker
– Map Task
– Reducer Task
Yarn结构
- 是Hadoop的一个通用的资源管理系统
- 构成
– Resourcemanage
– Nodemanager
– ApplicationMaster
– container
– Client
Had安装与配置
单机模式
- 安装java环境
yum -y install java-1.8.0-openjdk-devel
java -version
openjdk version "1.8.0_131"
OpenJDK Runtime Environment (build 1.8.0_131-b12)
OpenJDK 64-Bit Server VM (build 25.131-b12, mixed mode)
jps
1235 Jps
- 安装hadoop
cd hadoop/
ls
hadoop-2.7.7.tar.gz
tar -xf hadoop-2.7.7.tar.gz
mv hadoop-2.7.7 /usr/local/hadoop
cd /usr/local/hadoop
ls
bin include libexec NOTICE.txt sbin
etc lib LICENSE.txt README.txt share
./bin/hadoop //报错,JAVA_HOME没有找到
Error: JAVA_HOME is not set and could not be found.
- 解决报错问题
rpm -ql java-1.8.0-openjdk
cd /usr/local/hadoop/etc/hadoop/
vim hadoop-env.sh
25 export JAVA_HOME="/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.161-2.b14.el7.x86_64/jre"
33 export HADOOP_CONF_DIR="/usr/local/hadoop/etc/hadoop"
cd /usr/local/hadoop/
mkdir /usr/local/hadoop/input
cp *.txt /usr/local/hadoop/input
./bin/hadoop jar \
share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount input output
cat output/part-r-00000 #查看,成功
伪分布式
- 与安全分布式类似,区别是所有角色安装在一台机器上,使用本地磁盘,一般生产环境都会使用完全分布式,伪分布式一般是用来学习和测试Hadoop的功能的
- 为分布式的配置和完全分布式配置类似
完全分布式
- 系统规划
主机 | 角色 | 软件 |
---|---|---|
192.168.1.60 hadoop1 | NameNode和SecondaryNameNode | HDFS |
192.168.1.61 node1 | DAtaNode | HDFS |
192.168.1.62 node2 | DAtaNode | HDFS |
192.168.1.63 node3 | DAtaNode | HDFS |
- 基础环境准备
– 禁用selinuxSELINUX=disabled
– 禁用firewalld
systemctl stop firewalld
systemctl mask firewalld
#4台机器都做
vim /etc/hosts
192.168.1.60 nn01
192.168.1.61 node1
192.168.1.62 node2
192.168.1.63 node3
yum -y install java-1.8.0-openjdk-devel
在hadoop上:布置SSH信任关系
vim /etc/ssh/ssh_config #第一次登陆不需要输入yes
Host *
GSSAPIAuthentication yes
StrictHostKeyChecking no
ssh-keygen -f /root/.ssh/id_rsa -N ''
for i in 60 61 62 63; do ssh-copy-id 192.168.1.$i; done
- 修改配置文件
– 环境配置文件:hadoop-env.sh
– 核心配置文件:core-site.xml
– HDFS配置文件:hdfs-site.xml
– 节点配置文件:slaves
# 修改slaves文件
cd /usr/local/hadoop/etc/hadoop
vim slaves
node1
node2
node3
# 修改hadoop的核心配置文件core-site
# 不同可以看hadoop官网文档http://hadoop.apache.org/docs找
vim core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://nn01:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/var/hadoop</value>
</property>
</configuration>
mkdir /var/hadoop #hadoop的数据根目录
# 配置hdfs-site文件
vim hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.http-address</name>
<value>nn01:50070</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>nn01:50090</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
</configuration>
同步配置到node1,node2,node3
for i in 62 63 61
do
rsync -aXSH --delete /usr/local/hadoop 192.168.1.$i:/usr/local/ &
done
- 格式化
cd /usr/local/hadoop/
./bin/hdfs namenode -format #格式化 namenode
./sbin/start-dfs.sh #启动
jps #验证角色
23408 NameNode
23700 Jps
23591 SecondaryNameNode
./bin/hdfs dfsadmin -report #查看集群是否组建成功
Live datanodes (3): #有三个角色成功