Hadoop的介绍

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.
   狭义上来说，hadoop就是单独指代hadoop这个软件，
   HDFS :分布式文件系统
   MapReduce : 分布式计算系统
   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的历史版本介绍

1.x版本系列:hadoop版本当中的第二代开源版本，主要修复0.x版本的一些bug等2.x版本系列:架构产生重大变化，引入了yarn平台等许多新特性3.x版本系列: 加入多namenoode新特性

hadoop三大公司发型版本介绍

免费开源版本apache: 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，apache所有软件的下载地址(包括各种历史版本): 免费开源版本hortonWorks: 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( )软件收费版本ClouderaManager: 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

hadoop的架构模型(1.x，2.x的各种架构模型介绍)

1.x的版本架构模型介绍

文件系统核心模块:NameNode:集群当中的主节点，管理元数据(文件的大小，文件的位置，文件的权限)，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、2.x的版本架构模型介绍

第一种:NameNode与ResourceManager单节点架构模型

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

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

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

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

4、appache版本hadoop重新编译

4.1为什么要编译hadoop

由于appache给出的hadoop的安装包没有提供带C程序访问的接口,所以我们在使用本地库(本地库可以用来做压缩,以及支持C程序等等)的时候就会出问题,需要对Hadoop源码包进行重新编译.

4.2编译环境的准备

4.2.1：准备linux环境准备一台linux环境,内存4G或以上,硬盘40G或以上,我这里使用的是Centos6.9 64位的操作系统(注意：一定要使用64位的操作系统)4.2.2：虚拟机联网,关闭防火墙,关闭selinux关闭防火墙命令：

service  iptables   stop
chkconfig   iptables  off

关闭selinuxvim /etc/selinux/config4.2.3：安装jdk1.7注意hadoop-2.7.5 这个版本的编译,只能使用jdk1.7,如果使用jdk1.8那么就会报错查看centos6.9自带的openjdkrpm -qa | grep java将所有这些openjdk全部卸载掉rpm -e java-1.6.0-openjdk-1.6.0.41-1.13.13.1.el6_8.x86_64 tzdata-java-2016j-1.el6.noarch java-1.7.0-openjdk-1.7.0.131-2.6.9.0.el6_8.x86_64注意：这里一定不要使用jdk1.8,亲测jdk1.8会出现错误将我们jdk的安装包上传到/export/softwares(我这里使用的是jdk1.7.0_71这个版本)解压我们的jdk压缩包统一两个路径

mkdir -p /export/servers
mkdir -p /export/softwares
cd /export/softwares
tar -zxvf jdk-7u71-linux-x64.tar.gz -C ../servers/

配置环境变量vim /etc/profile

export JAVA_HOME=/export/servers/jdk1.7.0_71
export PATH=:$JAVA_HOME/bin:$PATH

让修改立即生效source /etc/profile

4.2.4：安装maven这里使用maven3.x以上的版本应该都可以,不建议使用太高的版本,强烈建议使用3.0.5的版本即可将maven的安装包上传到/export/softwares然后解压maven的安装包到/export/servers

cd /export/softwares/
tar -zxvf apache-maven-3.0.5-bin.tar.gz -C ../servers/

配置maven的环境变量vim /etc/profile

export MAVEN_HOME=/export/servers/apache-maven-3.0.5
export MAVEN_OPTS="-Xms4096m -Xmx4096m"
export PATH=:$MAVEN_HOME/bin:$PATH

让修改立即生效source /etc/profile解压maven的仓库tar -zxvf mvnrepository.tar.gz -C /export/servers/修改maven的配置文件

cd  /export/servers/apache-maven-3.0.5/conf
vim settings.xml

指定我们本地仓库存放的路径添加一个我们阿里云的镜像地址,会让我们下载jar包更快

 <mirror>
      <id>alimaven</id>
      <name>aliyun maven</name>
      <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
      <mirrorOf>central</mirrorOf>
    </mirror>

4.2.5：安装findbugs

解压findbugstar -zxvf findbugs-1.3.9.tar.gz -C ../servers/配置findbugs的环境变量

vim /etc/profile

export JAVA_HOME=/export/servers/jdk1.7.0_75
export PATH=:$JAVA_HOME/bin:$PATH
export MAVEN_HOME=/export/servers/apache-maven-3.0.5
export PATH=:$MAVEN_HOME/bin:$PATH
export FINDBUGS_HOME=/export/servers/findbugs-1.3.9
export PATH=:$FINDBUGS_HOME/bin:$PATH

让修改立即生效source /etc/profile

4.2.6：在线安装一些依赖包

yum install autoconf automake libtool cmake
yum install ncurses-devel
yum install openssl-devel
yum install lzo-devel zlib-devel gcc gcc-c  

bzip2压缩需要的依赖包

yum install -y  bzip2-devel

4.2.7：安装protobuf

解压protobuf并进行编译

cd  /export/softwares
tar -zxvf protobuf-2.5.0.tar.gz -C ../servers/
cd   /export/servers/protobuf-2.5.0
./configure
make && make install

4.2.8、安装snappy

cd /export/softwares/
tar -zxf snappy-1.1.1.tar.gz  -C ../servers/
cd ../servers/snappy-1.1.1/
./configure
make && make install

4.2.9：编译hadoop源码

对源码进行编译

cd  /export/softwares
tar -zxvf hadoop-2.7.5-src.tar.gz  -C ../servers/
cd  /export/servers/hadoop-2.7.5

编译支持snappy压缩：mvn package -DskipTests -Pdist,native -Dtar -Drequire.snappy -e -X编译完成之后我们需要的压缩包就在下面这个路径里面

/export/servers/hadoop-2.7.5/hadoop-dist/target