提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
前言
提示:这里可以添加本文要记录的大概内容:
随着互联网的快速发展,以及5G时代开启高速流量,如何处理庞大的数据量成为一个比较关注的一个问题,由此大数据诞生;大数据主要解决海量数据的存储和海量数据的分析计算;
提示:以下是本篇文章正文内容,下面案例可供参考
一、Hadoop是什么?
1.1 Hadoop是什么
1、Hadoop是Apache基金会所开发的一个分布式基础系统架构
2、Hadoop主要解决海量数据的存储以及海量数据的分析计算
3、广义上讲Hadoop是一个生态圈
2.2 Hadoop发行的三大版本
三大版本:Apache、Cloudera、Hortonworks
3.3 Hadoop优势
1、高可靠性
Hadoop底层维护多个数据副本,即时Hadoop某个计算元素或存储出现故障,也不会导致数据丢失;
2、高扩展性
在集群间分配任务数据,可方便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
3.4 Hadoop的组成
Hadoop1.x: MapReduce(计算+资源调度)、HDFS(数据存储)、Common(辅助工具)
Hadoop2.x: MapReduce(计算)、yarn(资源调度)、HDFS(数据存储)、Common(辅助工具)
Hadoop3.x:无任何变化
3.5 HDFS架构概述
1、NameNode:存储文件的元数据,如:文件名、文件目录结构、文件属性,以及每个文件的块列表和块所在的DataNode等
2、DataNode: 在本地系统存储的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
3.6 YARN架构概述
1、ResourceManager:整个集群资源(内存、cup等)的老大
2、NodeManager: 单个节点服务器资源老大
3、ApplicationMaster: 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的资源,如内存、cup、磁盘、网络等
3.7 MapReduce架构概述
MaReduce将计算过程分为两个阶段:Map和Reduce
1、map并行处理数据
2、Reduce对map处理数据进行汇总
二、Hadoop运行环境的搭建
1.linux常用命令
(1)、修改module、software文件夹的所有者和所属组均为atguigu用户:
chown atguigu:atguigu /opt/module
(2)、卸载虚拟机自带的JDK: rpm -qa | grep -i java | Xargs - n1 rpm -e --nodeps
rpm -qa : 查询所安装的所有rpm安装包
grep -i :忽略大小写
Xargs -n1: 每次只传递一个参数
rpm -e --nodeps: 强制卸载软件
(3)、重启虚拟机: reboot
(4)、解压JDK到/opt/module目录下: tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
(5)、获取安装路径: pwd
(6)、在hadoop102上,将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上:scp -r /opt/module/jdk1.8.0_212 atguigu@hadoop103:/opt/module
(7)、rsync主要用于备份和镜像,具有速度快、避免复制相同内容和支持符号链接的优点;rsync和scp区别用rsync做文件的复制要比scp的速度快,
rsync只对差异文件做更新,scp是把整个文件都复制过去;
(8)、xsync集群分发脚本:
2.集群配置
NameNode和SecondaryNameNode不要安装在同一台服务器;
ResourceManager也很消耗内存,不要和NameNode、SecondaryNameNode配置在同一台机器上。
福利
需要免费大数据、java、面试、书籍、视频资料的+v15112693241
需要免费AIGC教程资料的+v15112693241