WatchStor.com — 领先的中文存储网络媒体 | 51CTO旗下网站

新闻资讯 > Hadoop > 正文
大数据入门之Hadoop基础学习
作者: aloof 2018-07-12 14:05 【阿里云栖社区】

 前言

目前人工智能和大数据火热,使用的场景也越来越广,日常开发中前端同学也逐渐接触了更多与大数据相关的开发需求。因此对大数据知识也有必要进行一些学习理解

基础概念

大数据的本质

一、数据的存储:分布式文件系统(分布式存储)

二、数据的计算:分部署计算

基础知识

学习大数据需要具备Java知识基础及Linux知识基础

学习路线

(1)Java基础和Linux基础

(2)Hadoop的学习:体系结构、原理、编程

第一阶段:HDFS、MapReduce、HBase(NoSQL数据库)

第二阶段:数据分析引擎 -> Hive、Pig

● 数据采集引擎 -> Sqoop、Flume

第三阶段:HUE:Web管理工具

● ZooKeeper:实现Hadoop的HA

● Oozie:工作流引擎

(3)Spark的学习

● 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)Apache Storm 类似:Spark Streaming ->进行流式计算

NoSQL:Redis基于内存的数据库

HDFS

分布式文件系统 解决以下问题:

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

管理员:NameNode 硬盘:DataNode

![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/8ca9f78b244c7f991e73f71fd1e56421.png)

MapReduce

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

MapReduce数据流程分析:

● Map的输出是Reduce的输入,Reduce的输入是Map的集合

大数据入门之Hadoop基础学习

HBase

什么是BigTable?: 把所有的数据保存到一张表中,采用冗余 ---> 好处:提高效率

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

大数据入门之Hadoop基础学习

Hadoop环境搭建

环境准备

Linux环境、JDK、http://mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz

安装

1、安装jdk、并配置环境变量

vim /etc/profile 末尾添加

![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/a9bf2e19410f9b3d38c8b0ca64b2f264.png)

2、解压hadoop-3.0.0.tar.gz、并配置环境变量

tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/

mv hadoop-3.0.0/ hadoop

大数据入门之Hadoop基础学习

大数据入门之Hadoop基础学习

vim /etc/profile 末尾添加

大数据入门之Hadoop基础学习

配置

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

大数据入门之Hadoop基础学习

查看HDFS管理界面和yarn资源管理系统

大数据入门之Hadoop基础学习

大数据入门之Hadoop基础学习

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

大数据入门之Hadoop基础学习

MapReduce示例

大数据入门之Hadoop基础学习

结果:

大数据入门之Hadoop基础学习

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,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


标签:Hadoop 

LecVideo