一、Hadoop概述
1、大数据的特点(4V):
● 大量(Volume)
● 高速(Velocity)
● 多样(Variety)
● 低价值密度(Value)
2、Hadoop优势
高可靠性:底层维护多个数据副本,所以即使某个计算元素或存储出现故障,也不会导致数据的丢失。
高扩展性:在集群键分配任务数据,可方便的扩展数以千计的节点。
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。
高容错性:能够自动将失败的任务重新分配。
3、Hadoop的组成
3.1 HDFS架构概述
Hadoop Distributed File System,简称HDFS,是一个分布式文件系统。
(1)NameNode (nn)︰存储文件的元数据,如文件名,文件目录结构,文件属性(生成时间、副本数、文件权限),以及每个文件的块列表和块所在的DataNode等。
(2)DataNode(dn):在本地文件系统存储文件块数据,以及块数据的校验和。
(3)Secondary NameNode(2nn):每隔一段时间对NameNode元数据备份。
3.2 YARN架构概述
Yet Another Resource Negotiator简称YARN ,另一种资源协调者,是Hadoop的资源管理器。
(1)ResourceManager (RM):整个集群资源(内存、CPL等)的老大
(2)NodeManager ( NM):单个节点服务器资源老大
(3)ApplicationMaster (AM):单个任务运行的老大
(4)Container:容器,相当一台独立的服务器,里面封装了任务运行所需要的资源,如内存、CPU、磁盘、网络等。
注:(1)客户端可以有多个
(2)集群上可以运行多个ApplicationMaster
(2)每个NodeManager上可以有多个Container
3.3 MapReduce架构概述
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
3.4 HDFS、YARN、MapReduce三者之间的关系
客户端Client提交任务到资源管理器(ResourceManager),资源管理器接收到任务之后去NodeManager节点开启任务(ApplicationMaster), ApplicationMaster向ResourceManager申请资源, 若有资源ApplicationMaster负责开启任务即MapTask。开始干活了即分析任务,每个map独立工作,各自负责检索各自对应的DataNode,将结果记录到HDFS, DataNode负责存储,NameNode负责记录,2nn负责备份部分数据。
3.5 大数据技术生态系统
图中涉及的技术名词解释如下:
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Hadoop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。
3.6 推荐系统框架图
二、Hadoop运行环境搭建
1、自建Linux服务器
2、Linux中软件安装
3、安装Hadoop
3.1 解压缩
将Hadoop压缩包上传到Linux上,解压缩到指定目录下:
tar -zxvf hadoop-2.8.5.tar.gz -C /opt/app
3.2 配置环境变量
命令行输入:vim ~/.bash_profile
export HADOOP_HOME=/opt/app/hadoop-2.8.5
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
命令输入:source ~/.bash_profile
查看配置是否成功:hadoop version