|
|
|
|
移动端

大数据入门之Hadoop基础学习

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。

作者:aloof来源:阿里云栖社区|2018-07-11 13:33

开发者盛宴来袭!7月28日51CTO首届开发者大赛决赛带来技术创新分享

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

  1. ![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

  1. vim /etc/profile 末尾添加 
  2. ![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

  1. tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local
  2. 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

  1. <!--配置冗余度为1--> 
  2. <property> 
  3.     <name>dfs.replication</name
  4.     <value>1</value> 
  5. </property> 
  6.  
  7. <!--配置权限检查为false--> 
  8. <property> 
  9.     <name>dfs.permissions</name
  10.     <value>false</value> 
  11. </property> 

修改core-site.xml

  1. <!--配置HDFS的NameNode--> 
  2. <property> 
  3.     <name>fs.defaultFS</name
  4.     <value>hdfs://192.168.56.102:9000</value> 
  5. </property> 
  6.  
  7. <!--配置DataNode保存数据的位置--> 
  8. <property> 
  9.     <name>hadoop.tmp.dir</name
  10.     <value>/usr/local/hadoop/tmp</value> 
  11. </property> 

修改mapred-site.xml

  1. <!--配置MR运行的框架--> 
  2. <property> 
  3.     <name>mapreduce.framework.name</name
  4.     <value>yar</value> 
  5. </property> 
  6. <property> 
  7.     <name>yarn.app.mapreduce.am.env</name
  8.     <value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value> 
  9. </property> 
  10. <property> 
  11.     <name>mapreduce.map.env</name
  12.     <value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value> 
  13. </property> 
  14. <property> 
  15.     <name>mapreduce.reduce.env</name
  16.     <value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value> 
  17. </property> 
  18. <property> 
  19.     <name>mapreduce.application.classpath</name
  20.     <value> 
  21.             /usr/local/hadoop/etc/hadoop, 
  22.             /usr/local/hadoop/share/hadoop/common/*, 
  23.             /usr/local/hadoop/share/hadoop/common/lib/*, 
  24.             /usr/local/hadoop/share/hadoop/hdfs/*, 
  25.             /usr/local/hadoop/share/hadoop/hdfs/lib/*, 
  26.             /usr/local/hadoop/share/hadoop/mapreduce/*, 
  27.             /usr/local/hadoop/share/hadoop/mapreduce/lib/*, 
  28.             /usr/local/hadoop/share/hadoop/yarn/*, 
  29.             /usr/local/hadoop/share/hadoop/yarn/lib/*, 
  30.     </value> 
  31. </property> 

修改yarn-site.xml

  1. <!--配置ResourceManager地址--> 
  2. <property> 
  3.     <name>yarn.resourcemanager.hostname</name
  4.     <value>192.168.56.102</value> 
  5. </property> 
  6.  
  7. <!--配置NodeManager执行任务的方式--> 
  8. <property> 
  9.     <name>yarn.nodemanager.aux-service</name
  10.     <value>mapreduce_shuffle</value> 
  11. </property> 

格式化NameNode

  1. 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

  1. start-all.sh 

(*)HDFS:存储数据

(*)YARN:

访问

  1. (*)命令行 
  2. (*)Java Api 
  3. (*)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

  1. -mkdir   在HDFD创建目录    hdfs dfs -mkdir /data 
  2.     -ls         查看目录                 hdfs dfs -ls 
  3.     -ls -R      查看目录与子目录    hdfs dfs -ls -R 
  4.     -put        上传一个文件        hdfs dfs -put data.txt /data/input 
  5.     -copyFromLocal 上传一个文件 与-put一样 
  6.     -moveFromLocal 上传一个文件并删除本地文件  
  7.     -copyToLocal        下载文件 hdfs dfs -copyTolocal /data/input/data.txt 
  8.     -put    下载文件 hdfs dfs -put/data/input/data.txt 
  9.     -rm     删除文件 hdfs dfs -rm 
  10.     -getmerge     将目录所有文件先合并再下载 
  11.     -cp    拷贝 
  12.     -mv    移动 
  13.     -count    统计目录下的文件个数 
  14.     -text、-cat    查看文件 
  15.     -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

【编辑推荐】

  1. 深度:Hadoop对Spark五大维度正面比拼报告!
  2. 大数据分析系统Hadoop的13个开源工具
  3. 2018数据科学和机器学习调查:Hadoop被抛弃!
  4. 基于Hadoop的数据分析平台搭建
  5. Hadoop学习系列一:环境搭建
【责任编辑:未丽燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

Linux环境下C编程指南

本书系统地介绍了在Linux平台下用C语言进行程序开发的过程,通过列举大量的程序实例,使读者很快掌握在Linux平台下进行C程序开发的方法和技...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊