Hadoop 是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop 是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop 是可靠的,因为它假设计算元素和存储会失败,因此它维护多个工作数据副本,确保能够针对失败的节点重新分布处理。Hadoop 是高效的,因为它以并行的方式工作,通过并行处理加快处理速度。Hadoop 还是可伸缩的,能够处理 PB 级数据。此外,Hadoop 依赖于社区服务器,因此它的成本比较低,任何人都可以使用。
学习方法:
1.多看
看相关大数据书籍和咨询
多上CSDN等相关技术论坛
2.多做
练习 付出和收获
3.多想
将学习的内容想通,转换成自己的笔记和语言
虚拟机:
1.硬盘 50G
2.选择桌面
3.分区默认
数据容量:
KB MB GB TB PB ZB YB – 1024
大数据特点4V:
Volume 大,数据体量巨大
Velocity 快,处理速度快
Varcity 繁,数据类型繁多
varecity 价值高
企业大数据来源:
企业内部:
** 日志文件(tomcat/apache/jboss…)
** 数据库(Mysql/Oracle/DB2…)
** 用户行为数据
企业外部:
** 网页爬虫
** 购买第三方数据(数据交换中心)
Google
三篇论文:
GFS 文件系统
MapReduce 计算框架
BigTable 数据存储的
Hadoop:
作者:Doug Cutting
编写语言:java
Apache 开源免费
Cloudare CDH
服务 技术支持 功能
版本:
0.2+
1.0+: 由分布式存储系统HDFS和分布式计算框架MapReduce组成,
HDFS由一个NameNode和多个DataNode组成,
MapReduce由一个JobTracker和多个TaskTracker组成
不足:NameNode 单点故障问题,
2.0+ 2.50(使用):ResourceManager负责所有应用程序的资源分配,
ApplicationMaster:任务调度管理器
3.0+ 测试
http://hadoop.apache.org/
Hadoop思想来源:
HDFS 文件系统
MapReduce 计算框架
大数据 == hadoop hive hbase spark …
hadoop生态系统:
hadoop
** 存储框架
** 分布计算框架
Hadoop四个核心模块:
common
为其他Hadoop模块提供基础设施。
HDFS(Hadoop Distribute FileSystem)
** 由多台服务器组成
** 一个高可靠、高吞吐量的分布式文件系统
MapReduce
** 一个分布式的离线并行计算框架
** Map Reduce
启动相关任务的时候才会产生线程
Map 分析
Reduce 统计
YARN
** Hadoop 2.0+出现的
** Hadoop操作系统,资源管理系统
** 任务调度与资源管理
HDFS(主-从结构)
** NameNode
** 元数据
** DataNode
** 存储数据
YARN
** ResourceManager
** 负责服务器资源调度
** NodeManager
** 执行任务
Map task
Reduce task
MapReducd
** 分为Map和Reduce
Map:处理输入数据
Reduce:对Map处理结果汇总
** shuffe
** 仅适合离线批处理
** 启动开销大,占用磁盘
** HDFS和YARN没有关系
** HDFS提供分布式存储。YARN协同工作
=伪分布模式搭建====
系统环境准备
1.网卡 网关 设置
编辑文件
# vi /etc/sysconfig/network-scritps/ifcfg-eth0
修改一下内容
ONBOOT=yes #开机启动
192 BOOTPROTO=static #静态IP
IPADDR=192.168.xx.xx #设置IP地址
GATEWAY=192.168.xx.2 #设置网关
NETMASK=255.255.255.0 #子网
DNS1=192.168.xx.2
DNS2=202.2.209.5
# service network restart
2.修改主机名
# vi /etc/sysconfig/network
修改
HOSTNAME=hadoop-senior01.beifeng.com
集群主机命名(不要使用下划线)
hadoop-senior01.beifeng.com
hadoop-senior02.beifeng.com
hadoop-senior03.beifeng.com
3.创建用户
添加用户
# useradd beifeng
修改密码
# echo 123456 | passwd --stdin beifeng
4.防火墙、selinux --> 默认端口 22
# service iptables stop #关闭防火墙
# chkconfig iptables off #关闭开机启动
修改配置文件
# vi /etc/sysconfig/selinux
SELINUX=enforcing
改成
SELINUX=disabled
5.主机名映射
修改文件
# vi /etc/hosts
在最后加上
192.168.23.31 hadoop-senior01.beifeng.com
修改本地计算机的hosts文件
C:\Windows\System32\drivers\etc\hosts
在本地添加
192.168.23.31 hadoop-senior01.beifeng.com
6.JDK
先创建工作文件夹
# mkdir /opt/modules # 工作目录
# mkdir /opt/softwares # 存放软件工具
修改文件夹权限
# chown beifeng:beifeng /opt/modules
# chown beifeng:beifeng /opt/softwares
卸载系统自带JDK
# rpm -qa | grep -i java # 查找相关文件
java-1.6.0-openjdk-1.6.0.0-1.50.1.11.5.el6_3.x86_64
tzdata-java-2012j-1.el6.noarch
java-1.7.0-openjdk-1.7.0.9-2.3.4.1.el6_3.x86_64
# java-1.6.0-openjdk-1.6.0.0-1.50.1.11.5.el6_3.x86_64
# rpm -e --nodeps tzdata-java-2012j-1.el6.noarch
# rpm -e --nodeps java-1.7.0-openjdk-1.7.0.9-2.3.4.1.el6_3.x86_64
安装JDK
解压
# tar zxf jdk-7u67-linux-x64.tar.gz -C /opt/modules/
配置环境变量
# vi /etc/profile
# JAVA_HOME
export JAVA_HOME=/opt/modules/jdk1.7.0_67
export PATH=$PATH:$JAVA_HOME/bin
# source /etc/profile
伪分布式搭建
解压:
$ tar zxf hadoop-2.5.0.tar.gz -C /opt/modules/
忽略如下错误
tar: Ignoring unknown extended header keyword SCHILY.dev' ... tar: Ignoring unknown extended header keyword
SCHILY.ino’
tar: Ignoring unknown extended header keyword `SCHILY.nlink’
Hadoop配置文件位置:
hadoop/etc/hadoop/
** 通过Notepad++链接远程FTP
HostName 主机地址
Connection Type SFTP
Username
password
Initial remote directory 设置默认链接的远程目录
/opt/modules
配置JAVA_HOME路径
hadoop-env.sh
mapred-env.sh
yarn-env.sh
配置HDFS文件系统
NameNode
DataNode
配置core-site.xml
<!--配置集群入口-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop-senior01.beifeng.com:8020</value>
</property>
<!--配置数据存放目录-->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/modules/hadoop-2.5.0/data</value>
</property>
配置hdfs-site.xml
<!--block副本数量-->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
指定DataNode
配置文件Slaves
hadoop-senior01.beifeng.com
启动
** 格式化:
$ bin/hdfs namenode -format
** Namenode 启动
$ sbin/hadoop-daemon.sh start namenode
** Datanode 启动
$ sbin/hadoop-daemon.sh start datanode
** 同时启动
sbin/start-dfs.sh ; sbin/start-yarn.sh
可以通过jps检查进程
** 创建文件夹
$ bin/hdfs dfs -mkdir /input
** HDFS文件系统访问地址
http://hadoop-senior01.beifeng.com:50070/
** 上传文件
$ bin/hdfs dfs -put tt.txt /input/
$ bin/hdfs dfs -put 本地文件名 服务器文件夹
** 查看
$ bin/hdfs dfs -cat /input/tt.txt
停止:
停止Namenode
$ sbin/hadoop-daemon.sh stop namenode
停止Datanode
$ sbin/hadoop-daemon.sh stop datanode
配置YARN
mapred-site.xml
mapreduce.framework.name
yarn
yarn-site.xml
<!-- 制定ResourceManager服务器 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop-senior01.beifeng.com</value>
</property>
<!-- 开启MapReduce Shuffe -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
启动:
ResourceManager
$ sbin/yarn-daemon.sh start resourcemanager
NodeManager
$ sbin/yarn-daemon.sh start nodemanager
测试:
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount 文件 输出路径
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /input /output
查看测是结果
$ bin/hdfs dfs -cat /output/par*
删除文件
$ bin/hdfs dfs -rm -r /input/tt.txt
日志
mapred-site.xml
mapreduce.jobhistory.address
hadoop-senior01.beifeng.com:10020
mapreduce.jobhistory.webapp.address
hadoop-senior01.beifeng.com:19888
yarn-site.xml
<!-- 开启日志 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 时间 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>86400</value>
</property>
重启Yarn服务
$ sbin/yarn-daemon.sh stop resourcemanager
$ sbin/yarn-daemon.sh stop nodemanager
$ sbin/yarn-daemon.sh start resourcemanager
$ sbin/yarn-daemon.sh start nodemanager
启动日志服务:
$ sbin/mr-jobhistory-daemon.sh stop historyserver
重新跑任务:
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /input /output3
解决警告
16/12/09 03:15:31 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
native-2.5.0.tar.gz
解压替换掉
/opt/modules/hadoop-2.5.0/lib/native
命令:
$ tar zxf /opt/softwares/native-2.5.0.tar.gz -C /opt/modules/hadoop-2.5.0/lib/
完成
测试:$ bin/hdfs dfs -put tt.txt /input