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、Flume
세 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 128M
관리자 : 네임 노드 하드 디스크 : 데이터 노드
![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/8ca9f78b244c7f991e73f71fd1e56421.png)
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HDFS
MapReduce의 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
![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/a9bf2e19410f9b3d38c8b0ca64b2f264.png)
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!