大数据概论
大数据概念
大数据(Big Data):指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、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。
大数据特点
1、Vohume(大量)
截至目前,人类生产的所有印刷材料的数据量是20PB,而历史上全人类总共说过的话的数据量大约是SEB。当面。曲型个人计算机硬盘的客量为TB量及,而—世天企亚的数据量已经接近E卫量及。
2、vebcity(高速)
这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告,预计到2025年,全球数据便用星将达到163ZB。在如此海量的数据面前,处理数据的效本就是企业的生命。
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数据。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、图片、地理位置信息等,这些多类型的数据对数据的处理能力提出了更高要求。
4、Value(低价值密度)
价值密度的高低与数据总量的大小成反比。
hadoop生态圈
hadoop是什么
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。主要解决,海量数据的存储和海量数据的分析计算问题。广义上来说,Hadoop通常是指一个更广泛的概念——Hadoop生态圈。
hadoop的优势
1)高可靠性:Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元素或存储出现故障,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。
4)高容错性:能够自动将失败的任务重新分配。
Hadoop运行环境搭建
注:本文Linux系统环境全部以CentOS-7.5-x86-1804为例说明
安装JDK
1)卸载现有JDK
rpm -qa | grep -i java | xargs -n1 sudo rpm -e --nodeps
在/opt目录下创建module、software文件夹
mkdir /opt/module
mkdir /opt/software
一个用来放我们的各种安装包一个用来安装hadoop
使用filezilla将我们需要的安装包传到我们虚拟机上的software文件夹,filezilla软件的使用连接和xshell的使用一样
在Linux系统下的opt目录中查看软件包是否导入成功
ls /opt/software/
看到如下结果:hadoop-3.1.3.tar.gz jdk-8u212-linux-x64.tar.gz
解压JDK到/opt/module目录下
tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
配置JDK环境变量
新建/etc/profile.d/my_env.sh文件:sudo vim /etc/profile.d/my_env.sh
添加如下内容:
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin
然后保存退出
:wq
ource一下/etc/profile文件,让新的环境变量PATH生效:source /etc/profile
java -version如果能看到以下结果,则代表Java安装成功。java version "1.8.0_212"
注意:重启(如果java -version可以用就不用重启):sudo reboot
安装Hadoop
首先将我们的hadoop安装包传到software目录下
进入到Hadoop安装包路径下
cd /opt/software/
解压安装文件到/opt/module下面
tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
查看是否解压成功
ls /opt/module/
如果成功就能看到hadoop-3.1.3
将Hadoop添加到环境变量
获取Hadoop安装路径
pwd
然后复制
打开/etc/profile.d/my_env.sh文件
sudo vim /etc/profile.d/my_env.sh
在my_env.sh文件末尾添加如下内容:
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3//注意:这行的等号后面的为自己hadoop的路径
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
让修改后的文件生效:source /etc/profile
测试是否安装成功:
hadoop version 如果出现hadoop版本号就说明hadoop已经安装成功了