第二周：HDFS简介，实验准备

HDFS简介

   HDFS(Hadoop Distributed File System)默认的最基本的存储单位是64M的数据块。

   和普通文件系统相同的是，HDFS中的文件是被分成64M一块的数据块存储的。

   不同于普通文件系统的是，HDFS中，如果一个文件小于一个数据块的大小，并不占用整个数据块存储空间。

为什么hadoop不适合存储小文件

  

    因为Namenode把文件系统的元数据放置在内存中，所以文件系统所能容纳的文件数目是由Namenode的内存大小来决定。一般来说，每一个文件、文 件夹和Block需要占据150字节左右的空间，所以，如果你有100万个文件，每一个占据一个Block，你就至少需要300MB内存。当前来说，数百 万的文件还是可行的，当扩展到数十亿时，对于当前的硬件水平来说就没法实现了

`

---

夏老师 · 说

1. 在整个Hadoop提示中 必须要明白的：PageRank

2. Salve节点是有一套心跳机制的 ，定期的向NameNode提交节点信息。  （热备）

3.  我们默认使用  hadoop-core1.0.4 作为开发版本 （老夏的版本）

4.  在实际的集群搭建下，建议使用 NDS服务器来维护各个子节点的地址 

5. jps  实际上是jvm的命令 

6. hadoop不推荐使用root命令  记得不安全

7. openStack 虚拟云 也是大数据云计算的热门   Vcenter  （openStack的收费版本） --提供更加便利的图形界面操作

8.watch -n 3 -d jps 每隔三秒查看一次命令 

9. ./hadoop dfsadmin -safename get  关闭安全模式  

---

• **** 第零章

作者：  道格 

发音的问题 ：o(︶︿︶)o 唉  了解就行了。

参考书：权威指南。（不是道格写的）  这个书很重要

刘鹏（实战hadoop）写得比较浅  对于新手比较适合，有错误 （ 整理一份书单 ）

        Hadoop实战  大学老师写的，说是抄权威指南的

   HDFS 深度实践 （源代码级别的）--要很懂JAVA

        hadoop 技术内幕 （源代码级别的）--要很懂JAVA

• **** 第壹章

  面向企业机型选型配置 介绍

      普通 廉价 标准的 

      16-32G 内存 普通硬盘2Tor more 

      交换机选择比较高的带宽。 infinband 交换机（光交换机 --很贵的!）

      RAID是不需要（磁盘整列） hadoop本身就有冗余机制 

          可以考虑JBOD (把一堆硬盘组合成一个大的硬盘)

• ****  第贰章

    1. 网络拓扑设计

       主流架构方案!局域网中!  

  

    2. Hadoop 是基于JAVA 因此只要运行jvm的平台 就能跑 Hadoop

    

    3. hadoop 没有区分 32位和64位 

    4. window上要跑 Hadoop  需要安装模拟unix/linux的环境 Cygwin

    5. 有很多 apache 官方版本的Hadoop 发布版  ---了解

    6. JAVA是hadop的原生开发语言。 hadoop本身用hadoop开发， 主要开发语言也是java

    7. 世界上最小的电脑：树莓派

• **** 第叁章

    课程实验准备

       内存 1G  硬盘 20G   

    安装完linux 以后 要确认 iptables 和 selinux 等防火墙或者过滤策略软件关闭

    1. 怎么装 JDK  

     wget  *（url）  下载 

     tar -vxzf * （*.tar）

 

     设置环境变量    （讲得很抽象）  

    

    2. 免密码登录

      ssh keygen -t rsn (生成公钥和私钥文件)

      将公钥文件 拷贝到其他机器上。

      （循环往复的做每一台机器）

    3. 免密码的原因：

      早期：保密通讯。

      RSA  不对称加密   公钥私钥

    正常：

     A 客服端  B 服务器

 A  发起请求

         B  公钥给A 

         A  生成密码 用B公钥加密  传递给B    

         B  用私钥解密

         A B 有对称密码  

                

    免密码：

         A  发起请求

         B  生成 challest  用 A 公钥 加密  发给 A 

         A  用私钥解密 challest   再次发给B

         B  核对 A 发过来的 challest 发现和本地一样   不用密码也通过验证

       

• ****  第肆章

   1. 完全分布式安装

   

    安装  hadoop

    hadoop-env.xml 脚本文件   修改环境变量   java 

    core-site.xml  指定名称节点的路径    存放数据的位置

    hdfs-site.xml  指定hdfs的复制因子

    mapred-site.xml  joktrack的监听端口

    修改 vi  etc/hosts 文件    将IP和主机名映射

    关闭防火墙

    format  nodename 节点

    start-all

   问题：  自己连自己要密码   公钥拷贝到 authori-keys ! 

    

   JPS 命令 

   PS   第一版和现在的版本可以交替的看。要不可能会晕。

   常见错误：  

   

百度 和 谷歌 dataguru  1000人参加过Hadoop

    chkconfig  iptables  off  （重启有用 ） 关闭防火墙

    chkconfig （查看 各个级别的 启动项）

    查看所有端口开放情况： netstat -ntl

   开放某个端口：nc -l 端口号 & 

   2. 伪分布式系统安装描述

      和完全分布式的基本一样

自动清除log文件

hadoop集群跑了很多的任务后 在hadoop.log.dir目录下会产生大量的日志文件。 可以通过配置core-site.xml文件让集群自动清除日志文件： <property> <name>hadoop.logfile.size</name> <value>10000000</value> <description>The max size of each log file</description> </property> <property> <name>hadoop.logfile.count</name> <value>10</value> <description>The max number of log files</description> </property>

ssh-keygen 创建公钥和密钥。 
ssh-copy-id 把本地主机的公钥复制到远程主机的authorized_keys文件上。
ssh-copy-id 也会给远程主机的用户主目录（home）和~/.ssh, 和~/.ssh/authorized_keys设置合适的权限 。 

http://www.itpub.net/forum-214-1.html