什么是Hadoop

最新推荐文章于 2022-08-16 17:45:35 发布

浪里小菜鸟

最新推荐文章于 2022-08-16 17:45:35 发布

阅读量140

点赞数

分类专栏：大数据

本文链接：https://blog.csdn.net/wwg18895736195/article/details/83180493

版权

大数据专栏收录该内容

15 篇文章 0 订阅

订阅专栏

hadoop中有3个核心组件：
分布式文件系统：HDFS —— 实现将文件分布式存储在很多的服务器上
分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算
分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源

3、hdfs整体运行机制
hdfs：分布式文件系统
hdfs有着文件系统共同的特征：
1、有目录结构，顶层目录是： /
2、系统中存放的就是文件
3、系统可以提供对文件的：创建、删除、修改、查看、移动等功能

hdfs跟普通的单机文件系统有区别：
1、单机文件系统中存放的文件，是在一台机器的操作系统中
2、hdfs的文件系统会横跨N多的机器
3、单机文件系统中存放的文件，是在一台机器的磁盘上
4、hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统）

hdfs的工作机制：
1、客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的>

2、一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node）

3、为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）

综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！

4、搭建hdfs分布式集群
4.1 hdfs集群组成结构：

4.2 安装hdfs集群的具体步骤：
一、首先需要准备N台linux服务器
学习阶段，用虚拟机即可！
先准备4台虚拟机：1个namenode节点 + 3 个datanode 节点

二、修改各台机器的主机名和ip地址
主机名：hdp-01 对应的ip地址：192.168.33.61
主机名：hdp-02 对应的ip地址：192.168.33.62
主机名：hdp-03 对应的ip地址：192.168.33.63
主机名：hdp-04 对应的ip地址：192.168.33.64

三、从windows中用CRT软件进行远程连接
在windows中将各台linux机器的主机名配置到的windows的本地域名映射文件中：
c:/windows/system32/drivers/etc/hosts
192.168.33.61 hdp-01
192.168.33.62 hdp-02
192.168.33.63 hdp-03
192.168.33.64 hdp-04

用crt连接上后，修改一下crt的显示配置（字号，编码集改为UTF-8）：

四、配置linux服务器的基础软件环境

防火墙
关闭防火墙：service iptables stop
sudo systemctl stop firewalld.service && sudo systemctl disable firewalld.service
关闭防火墙自启： chkconfig iptables off

CentOS6关闭防火墙使用以下命令，
//临时关闭
service iptables stop//禁止开机启动
chkconfig iptables off
CentOS7中若使用同样的命令会报错，
stop iptables.service
Failed to stop iptables.service: Unit iptables.service not loaded.
这是因为CentOS7版本后防火墙默认使用firewalld，因此在CentOS7中关闭防火墙使用以下命令，
//临时关闭
systemctl stop firewalld
//禁止开机启动
systemctl disable firewalld
Removed symlink /etc/systemd/system/multi-user.target.wants/firewalld.service.
Removed symlink /etc/systemd/system/dbus-org.fedoraproject.FirewallD1.service.

安装jdk：（hadoop体系中的各软件都是java开发的）
1)利用alt+p 打开sftp窗口，然后将jdk压缩包拖入sftp窗口
2)然后在linux中将jdk压缩包解压到/root/apps 下
3)配置环境变量：JAVA_HOME PATH
vi /etc/profile 在文件的最后，加入：
export JAVA_HOME=/root/apps/jdk1.8.0_60
export PATH= $P A T H :$ JAVA_HOME/bin
4)修改完成后，记得 source /etc/profile使配置生效
5)检验：在任意目录下输入命令： java -version 看是否成功执行
6)将安装好的jdk目录用scp命令拷贝到其他机器
7)将/etc/profile配置文件也用scp命令拷贝到其他机器并分别执行source命令

集群内主机的域名映射配置
在hdp-01上，vi /etc/hosts
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
::1 localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.33.61 hdp-01
192.168.33.62 hdp-02
192.168.33.63 hdp-03
192.168.33.64 hdp-04
然后，将hosts文件拷贝到集群中的所有其他机器上
scp /etc/hosts hadoop071:/etc/
scp /etc/hosts hadoop072:/etc/
scp /etc/hosts hadoop073:/etc/

补充
提示: 如果在执行scp命令的时候，提示没有scp命令，则可以配置一个本地yum源来安装
1、先在虚拟机中配置cdrom为一个centos的安装镜像iso文件
2、在linux系统中将光驱挂在到文件系统中（某个目录）
3、mkdir /mnt/cdrom
4、mount -t iso9660 -o loop /dev/cdrom /mnt/cdrom
5、检验挂载是否成功： ls /mnt/cdrom
6、3、配置yum的仓库地址配置文件
7、yum的仓库地址配置文件目录： /etc/yum.repos.d
8、先将自带的仓库地址配置文件批量更名：

9、然后，拷贝一个出来进行修改

10、修改完配置文件后，再安装scp命令：
11、yum install openssh-clients -y

五、安装hdfs集群
1、上传hadoop安装包到hdp-01

2、修改配置文件
要点提示核心配置参数：
1)指定hadoop的默认文件系统为：hdfs
2)指定hdfs的namenode节点为哪台机器
3)指定namenode软件存储元数据的本地目录
4)指定datanode软件存放文件块的本地目录

hadoop的配置文件在：/root/apps/hadoop安装目录/etc/hadoop/

修改hadoop-env.sh
export JAVA_HOME=/root/apps/jdk1.8.0_60
修改core-site.xml

fs.defaultFS
hdfs://hdp-01:9000
修改hdfs-site.xml

dfs.namenode.name.dir
/root/hdpdata/name/

dfs.datanode.data.dir /root/hdpdata/data dfs.namenode.secondary.http-address hdp-02:50090

拷贝整个hadoop安装目录到其他机器
scp -r /root/apps/hadoop-2.8.1 hdp-02:/root/apps/
scp -r /root/apps/hadoop-2.8.1 hdp-03:/root/apps/
scp -r /root/apps/hadoop-2.8.1 hdp-04:/root/apps/
启动HDFS

所谓的启动HDFS，就是在对的机器上启动对的软件
要点
提示：要运行hadoop的命令，需要在linux环境中配置HADOOP_HOME和PATH环境变量
vi /etc/profile
export JAVA_HOME=/root/apps/jdk1.8.0_60
export HADOOP_HOME=/root/apps/hadoop-2.8.1
export PATH= $P A T H :$ JAVA_HOME/bin: $HADOOP_HOME/bin:$ HADOOP_HOME/sbin

首先，初始化namenode的元数据目录
要在hdp-01上执行hadoop的一个命令来初始化namenode的元数据存储目录
hadoop namenode -format
创建一个全新的元数据存储目录
生成记录元数据的文件fsimage
生成集群的相关标识：如：集群id——clusterID

然后，启动namenode进程（在hdp-01上）
hadoop-daemon.sh start namenode
启动完后，首先用jps查看一下namenode的进程是否存在

然后，在windows中用浏览器访问namenode提供的web端口：50070
http://hdp-01:50070

然后，启动众datanode们（在任意地方）
hadoop-daemon.sh start datanode

用自动批量启动脚本来启动HDFS
1)先配置hdp-01到集群中所有机器（包含自己）的免密登陆
2)配完免密后，可以执行一次 ssh 0.0.0.0
3)修改hadoop安装目录中/etc/hadoop/slaves（把需要启动datanode进程的节点列入）
hdp-01
hdp-02
hdp-03
hdp-04

4)在hdp-01上用脚本：start-dfs.sh 来自动启动整个集群
5)如果要停止，则用脚本：stop-dfs.sh
5、hdfs的客户端操作
客户端的理解
hdfs的客户端有多种形式：
1、网页形式
2、命令行形式
3、客户端在哪里运行，没有约束，只要运行客户端的机器能够跟hdfs集群联网

文件的切块大小和存储的副本数量，都是由客户端决定！
所谓的由客户端决定，是通过配置参数来定的
hdfs的客户端会读以下两个参数，来决定切块大小、副本数量：
切块大小的参数： dfs.blocksize
副本数量的参数： dfs.replication

上面两个参数应该配置在客户端机器的hadoop目录中的hdfs-site.xml中配置

dfs.blocksize
64m

dfs.replication 2

hdfs客户端的常用操作命令
1、上传文件到hdfs中
hadoop fs -put /本地文件 /aaa

2、下载文件到客户端本地磁盘
hadoop fs -get /hdfs中的路径 /本地磁盘目录

3、在hdfs中创建文件夹
hadoop fs -mkdir -p /aaa/xxx

4、移动hdfs中的文件（更名）
hadoop fs -mv /hdfs的路径1 /hdfs的另一个路径2

复制hdfs中的文件到hdfs的另一个目录
hadoop fs -cp /hdfs路径_1 /hdfs路径_2

5、删除hdfs中的文件或文件夹
hadoop fs -rm -r /aaa

6、查看hdfs中的文本文件内容
hadoop fs -cat /demo.txt
hadoop fs -tail -f /demo.txt