Hadoop

最新推荐文章于 2023-03-28 11:59:13 发布

qq_45973211

最新推荐文章于 2023-03-28 11:59:13 发布

阅读量324

点赞数

分类专栏： Hadoop 文章标签： hadoop 大数据 mapreduce

本文链接：https://blog.csdn.net/qq_45973211/article/details/126439988

版权

Hadoop 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

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

在这里插入图片描述

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。
在这里插入图片描述

3.5 大数据技术生态系统

在这里插入图片描述
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

在这里插入图片描述

二、Hadoop运行环境搭建

1、自建Linux服务器

自建Linux服务器

2、Linux中软件安装

Linux中安装软件

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