一、我们启动了4个节点:namenode、datanode、resourcemanager、nodemanager
Namenode存储文件
那我们启动yarn又是什么呢?
MapReduce将计算过程分为两个阶段:Map和Reduce
(1)Map阶段并行处理输入数据
(2)Reduce阶段对Map结果进行汇总
下面的配置文件都是基于完全分布式配好的情况下来进行调配的
(1)Sqoop:Sqoop是一款开源的工具,主要用于在Hadoop、Hive与传统的数据库(MySql)间进行数据的传递,可以将一个关系型数据库(例如 :MySQL,Oracle 等)中的数据导进到Hadoop的HDFS中,也可以将HDFS的数据导进到关系型数据库中。
(2)Flume:Flume是一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume支持在日志系统中定制各类数据发送方,用于收集数据;
(3)Kafka:Kafka是一种高吞吐量的分布式发布订阅消息系统;
(4)Storm:Storm用于“连续计算”,对数据流做连续查询,在计算时就将结果以流的形式输出给用户。
(5)Spark:Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。
(6)Flink:Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
(7)Oozie:Oozie是一个管理Hdoop作业(job)的工作流程调度管理系统。
(8)Hbase:HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。
(9)Hive: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数据库表,并提供简单的SQL查询功能,可以将SQL语句转换为MapReduce任务进行运行。 其优点是学习成本低,可以通过类SQL语句快速实现简单的MapReduce统计,不必开发专门的MapReduce应用,十分适合数据仓库的统计分析。
(10)ZooKeeper:它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护、名字服务、分布式同步、组服务等。
二、集群配置
注意:NameNode和SecondaryNameNode不要安装在同一台服务器
(2NN备份元数据的,如果放在一台机器上,机器宕机元数据就拿不到)
注意:ResourceManager也很消耗内存,不要和NameNode、SecondaryNameNode配置在同一台机器上。
hadoop100 | hadoop101 | hadoop102 | |
HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
后续配置完全分布,需要克隆两台虚拟机,主机名更改为hadoop101和hadoop102
群起的时候 hadoop100只启动nNameNode,DataNode和NodeManager
hadoop101只启动DataNode,ResourceManager和NodeManager
hadoop102只启动SecondaryNameNode,DataNode和NodeManager