目录
(1)创建虚拟机(在VMware中单击:文件->新建虚拟机)
(5)安装net-tool工具包集合里面包含ifconfig等命令
(8)在/opt目录下创建module、software文件夹
(1)用FinalShell传输工具将JDK和Hadoop导入到opt目录下的software文件夹下面
(1)将/opt/software目录下的hadoop-2.7.7解压到/opt/module
第一章 大数据概述
1.大数据概念
大数据(Big Data) :指无去在一定时间范围内用常规软件工具进行捕捉、管理和处理的数居集合,是需要新处理模式才能具有更强的央策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
主要解决,海量数据的存储和海量数据的分析问题。
1.2、大数据特点
1、Volume(大量)
截至目前,人类生产的所有印刷材半料的教据量是200 PB,而历史上全人类总共说过的话的数据量大约是5EB。当前,典型个人计算机硬盘的容量为TB量级,而-些大企业的数居量已经接近B量级.
2、Velocity(高速)
这是大数据区分于专统澎对居挖掘的最显著特征.根据IDC的“数字宇宙”的报告,预十到2020年,全球数据使用量将达到35.2ZB.在如此海量的数据面前,处理数据日的交效率就是企业的生命.
3、Variety(多样)
这种类型的多样性也让数据被分为结构化数据和非结构化教据。相对于以往便于存储的以数据库/文本为主的结构化数据,非结构化数据越来越多,包括网络日志音频、视频烦、图片、地理位置信息等,这些多类型的据对数据的处理能力提出了更高要求。
4、Value(低价值密度)
价值密度的高低与教居总量的大小成反比。比如,在一天监控视烦中,我们只关心宋宋老师晚上在床上健身那—分钟,女何快速对有价值教据“提纯”成为目前大数居背景下待解央的难是题。 价值密度的高低与教居总量的大小成反比.比如,在一天监控视烦中,我们只关心宋宋老师晚上在床上健身那-分钟,女何快速对有价值教据“提纯”成为目前大数居背景下待解央的难是题.
1.3 大数据部门组织结构
大数据部门组织结构,适用于大中型企业
第二章 Hadoop框架
2.1 Hadoop是什么
(1) Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
(2)主要解决,海量教据的存情和海量教据的分析计算问题。
(3)广义上来说,Hadoop通常是指一个更广泛的概念———Hadoop生态圈。
2.2 Hadoop的优势
(1)高可靠性: Hadoop底层维户多个数据副本,所以即使Hadoop某个计算元素或存储山现故障,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,可方便的扩广展以千计的节点。
(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。
2.3 Hadoop2.0的组成
(1)HDFS架构
NameNode (rm):存情文件的元数据,如文件名,文件目录结构,文件国性〈生成时间、倒本数.文件权限),以及每个文件的块列去和块所在的DataNode等。
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。
Seccnday NameNode(2nm):用来监控HDFS状志的辅助后合程序,每隔一段时间获取HDFS元数据的快照。
(2)YARN架构概述
(3)MapReduce架构概述
MapReduce将计算过程分为两个阶段: Map和Reduce
Map阶段并行处理输入数据
Reduce阶段对Map结果进行汇总
2.4 大数据技术生态体系
第三章 Hadoop运行环境搭建(完全分布式)
3.1 准备三台虚拟机
(1)创建虚拟机(在VMware中单击:文件->新建虚拟机)
单击编辑虚拟机设置(选择centos镜像)然后开启虚拟机
单击软件选择
单击安装位置选择完成(默认即可)
点击开始安装(设置root密码)
安装完后会让我们重启一下
(2)登录linux修改ip和用户名配置映射
修改BOOTPROTO=static
修改ONBOOT=yes
增加ip :192.168.10.20
增加网关:192.168.10.2
增加DNS1:192.168.10.2