Hadoop环境搭建（4） -- 完全分布式搭建理论

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