Hadoop

最新推荐文章于 2024-09-12 10:22:19 发布

汉谟拉比丶

最新推荐文章于 2024-09-12 10:22:19 发布

阅读量2.9k

点赞数

本文链接：https://blog.csdn.net/qq_38907771/article/details/123487026

版权

大数据专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Hadoop的三大组成部分

-- HDFS (hadoop的组成部分-负责海量数据的存储)
   -- NameNode（nn）:管理真实数据的元数据的（hdfs集群中的老大）
       -- DataNode（dn）:主要负责对真实数据块存储（hdfs集群中的小弟）
       -- SecondaryNameNode（2nn）：主要为NameNode进行一些数据备份，
       一般恢复数据的时候才会用到它，它也不能保证完全数据恢复。

   -- YARN （hadoop的组成部分，主要负责资源调度）
-- ResourceManager（rm）:统筹管理每一台机器上的资源，并且负责接收处理客户端
作业请求。
       -- NodeManager（nm）:负责单独每一台机器的资源管理，实时保证和大哥
       （ResourceManager）通信。
       -- ApplicationMaster：针对每个请求job的抽象封装
       -- Container：将来运行在YARN上的每一个任务都会给其分配资源，
               Container就是当前任务所需资源的抽象封装

-- MapReduce（hadoop的组成部分，主要负责数据的计算分析）
       -- Map阶段：就是把需要计算的数据按照需求分成多个MapTask任务来执行
       -- Reduce阶段: 把Map阶段处理完的结果拷贝过来根据需求进行汇总计算

Hadoop的四个特点

1）高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。

2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。

3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。

4）高容错性：能够自动将失败的任务重新分配。

大数据技术生态体系

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）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。

5）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。

6）Oozie：Oozie是一个管理Hdoop作业（job）的工作流程调度管理系统。

7）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。

8）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。

9）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。

Hadoop目录结构

1）查看Hadoop目录结构

[atguigu@hadoop102 hadoop-3.1.3]$ ll
总用量 52
drwxr-xr-x. 2 atguigu atguigu  4096 3月  14 2022 bin
drwxr-xr-x. 3 atguigu atguigu  4096 3月  14 2022 etc
drwxr-xr-x. 2 atguigu atguigu  4096 3月  14 2022 include
drwxr-xr-x. 3 atguigu atguigu  4096 3月  14 2022 lib
drwxr-xr-x. 2 atguigu atguigu  4096 3月  14 2022libexec
-rw-r--r--. 1 atguigu atguigu 15429 3月  14 2022 LICENSE.txt
-rw-r--r--. 1 atguigu atguigu   101 3月  14 2022 NOTICE.txt
-rw-r--r--. 1 atguigu atguigu  1366 3月  14 2022 README.txt
drwxr-xr-x. 2 atguigu atguigu  4096 3月  14 2022 sbin
drwxr-xr-x. 4 atguigu atguigu  4096 3月  14 2022 share

2）重要目录

（1）bin目录：存放对Hadoop相关服务（HDFS,YARN）进行操作的脚本

（2）etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件

（3）lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）

（4）sbin目录：存放启动或停止Hadoop相关服务的脚本

（5）share目录：存放Hadoop的依赖jar包、文档、和官方案例