머리말
현재 인공 지능 및 빅 데이터 불 같은 장면이 점점 더 널리 사용, 점차 빅 데이터 개발 요구와 관련된 학생들과 프런트 엔드 매일 접촉의 개발. 따라서 대용량 데이터의 지식은 어떤 학습을 이해하는 것이 필요하다.
기본 개념
빅 데이터의 특성
보관 된 데이터 : 분산 파일 시스템 (분산 형 기억 장치)
둘째로, 계산 된 데이터 : 배치 점 계산
기초
빅 데이터는 자바 학습 지식 기반과 리눅스의 지식 기반을 필요로
학습 과정
(1) 자바와 리눅스 재단의 기본
(2) 하둡 연구 : 아키텍처, 이론, 프로그래밍
첫 번째 단계 : HDFS, 맵리 듀스, HBase를 (형 NoSQL 데이터베이스)
단계 II : 데이터 분석 엔진 -> 하이브, 돼지
数据采集引擎 -> Sqoop、Flume세 번째 단계 : HUE : 웹 관리 도구
ZooKeeper：实现Hadoop的HA
Oozie：工作流引擎(3) 스파크 학습
第一阶段：Scala编程语言
第二阶段：Spark Core -> 基于内存、数据的计算
第三阶段：Spark SQL -> 类似于mysql 的sql语句
第四阶段：Spark Streaming ->进行流式计算：比如：自来水厂(4) 아파치 스톰과 유사한 스파크는 스트리밍 -> 계산 스트리밍
NoSQL의 : 레디 스 메모리 기반 데이터베이스
HDFS
분산 파일 시스템은 다음과 같은 문제를 해결합니다
1、硬盘不够大：多几块硬盘，理论上可以无限大
2、数据不够安全：冗余度，hdfs默认冗余为3 ，用水平复制提高效率，传输按照数据库为单位：Hadoop1.x 64M，Hadoop2.x 128M관리자 : 네임 노드 하드 디스크 : 데이터 노드
맵리 듀스
基础编程模型：把一个大任务拆分成小任务，再进行汇总
MR任务：Job = Map + Reduce
Map的输出是Reduce的输入、MR的输入和输出都是在HDFSMapReduce의 데이터 흐름 분석 :
Map的输出是Reduce的输入，Reduce的输入是Map的集合HBase를
빅 테이블은 무엇인가? : 테이블, 중복 ---> 혜택에 모든 데이터를 저장하려면 효율성 향상
1、因为有了bigtable的思想：NoSQL：HBase数据库
2、HBase基于Hadoop的HDFS的
3、描述HBase的表结构
核心思想是：利用空间换效率빌드로 하둡 환경
환경 준비
리눅스 环境, JDK, HTTP : //mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz
설치
1, JDK 설치 및 구성 환경 변수
vim /etc/profile 末尾添加
2, 추출 하둡-3.0.0.tar.gz 및 구성 환경 변수
tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/
mv hadoop-3.0.0/ hadoop
실패 덤프 다시 업로드를 취소
정력 / 등 추가 / 프로필 끝
구성
Hadoop有三种安装模式：
本地模式：
1台主机
不具备HDFS，只能测试MapReduce程序
伪分布模式：
1台主机
具备Hadoop的所有功能，在单机上模拟一个分布式的环境
（1）HDFS：主：NameNode，数据节点：DataNode
（2）Yarn：容器，运行MapReduce程序
主节点：ResourceManager
从节点：NodeManager
全分布模式：
至少3台我们以伪分布模式为例配置：
修改hdfs-site.xml：冗余度1、权限检查false
<!--配置冗余度为1--><property>
<name>dfs.replication</name>
<value>1</value></property><!--配置权限检查为false--><property>
<name>dfs.permissions</name>
<value>false</value></property>修改core-site.xml
<!--配置HDFS的NameNode--><property>
<name>fs.defaultFS</name>
<value>hdfs://192.168.56.102:9000</value></property><!--配置DataNode保存数据的位置--><property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/tmp</value></property>修改mapred-site.xml
<!--配置MR运行的框架--><property>
<name>mapreduce.framework.name</name>
<value>yar</value></property><property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value></property><property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value></property><property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value></property><property>
<name>mapreduce.application.classpath</name>
<value>
/usr/local/hadoop/etc/hadoop,
/usr/local/hadoop/share/hadoop/common/*,
/usr/local/hadoop/share/hadoop/common/lib/*,
/usr/local/hadoop/share/hadoop/hdfs/*,
/usr/local/hadoop/share/hadoop/hdfs/lib/*,
/usr/local/hadoop/share/hadoop/mapreduce/*,
/usr/local/hadoop/share/hadoop/mapreduce/lib/*,
/usr/local/hadoop/share/hadoop/yarn/*,
/usr/local/hadoop/share/hadoop/yarn/lib/*,
</value>
</property>修改yarn-site.xml
<!--配置ResourceManager地址--><property>
<name>yarn.resourcemanager.hostname</name>
<value>192.168.56.102</value></property><!--配置NodeManager执行任务的方式--><property>
<name>yarn.nodemanager.aux-service</name>
<value>mapreduce_shuffle</value></property>格式化NameNode
hdfs namenode -format
看到
common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted
表示格式化成功
启动
start-all.sh
(*)HDFS：存储数据
(*)YARN：
访问
（*）命令行
（*）Java Api
（*）WEB Console
HDFS: http://192.168.56.102:50070
Yarn: http://192.168.56.102:8088
查看HDFS管理界面和yarn资源管理系统
基本操作：
HDFS相关命令
-mkdir 在HDFD创建目录 hdfs dfs -mkdir /data
-ls 查看目录 hdfs dfs -ls
-ls -R 查看目录与子目录 hdfs dfs -ls -R
-put 上传一个文件 hdfs dfs -put data.txt /data/input
-copyFromLocal 上传一个文件 与-put一样
-moveFromLocal 上传一个文件并删除本地文件
-copyToLocal 下载文件 hdfs dfs -copyTolocal /data/input/data.txt
-put 下载文件 hdfs dfs -put/data/input/data.txt
-rm 删除文件 hdfs dfs -rm
-getmerge 将目录所有文件先合并再下载
-cp 拷贝
-mv 移动
-count 统计目录下的文件个数
-text、-cat 查看文件
-balancer 平衡操作MapReduce示例
结果：
如上 一个最简单的MapReduce示例就执行成功了
思考
Hadoop是基于Java语言的，想系统学习大数据的话，可以加入大数据技术学习交流扣扣君羊：522189307，欢迎添加，了解课程介绍前端日常开发是用的PHP，在使用、查找错误时还是蛮吃力的。工作之余还是需要多补充点其它语言的相关知识，编程语言是我们开发、学习的工具，而不应成为限制我们技术成长的瓶颈！
