大数据入门之Hadoop基础学习
在目前相信大多数IT开发人员对于人工智能+大数据并不陌生，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。大数据学习资料分享群119599574 不管你是小白还是大牛，小编我都挺欢迎，今天的源码已经上传到群文件，不定期分享干货，包括我自己整理的一份最新的适合2018年学习的大数据开发和零基础入门教程，欢迎初学和进阶中的小伙伴。
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
(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：SparkCore->基于内存、数据的计算
第三阶段：SparkSQL->类似于mysql的sql语句
第四阶段：SparkStreaming->进行流式计算：比如：自来水厂
(4)ApacheStorm类似：SparkStreaming->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：
硬盘不够大：多几块硬盘，理论上可以无限大
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.x64M，Hadoop2.x128M
管理员：NameNode硬盘：DataNode
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
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
因为有了bigtable的思想：NoSQL：HBase数据库
HBase基于Hadoop的HDFS的
描述HBase的表结构
核心思想是：利用空间换效率
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
2、解压hadoop-3.0.0.tar.gz、并配置环境变量
tar-zxvfhadoop-3.0.0.tar.gz-C/usr/local/
mvhadoop-3.0.0/hadoop
vim/etc/profile末尾添加
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
hdfsnamenode-format
看到common.Storage:Storagedirectory/usr/local/hadoop/tmp/dfs/namehasbeensuccessfullyformatted表示格式化成功
启动
start-all.sh
(*)HDFS：存储数据
(*)YARN：
访问
（*）命令行
（*）JavaApi
（*）WEBConsole
HDFS:http://192.168.56.102:50070
Yarn:http://192.168.56.102:8088
基本操作：
HDFS相关命令
-mkdir在HDFD创建目录hdfsdfs-mkdir/data
-ls查看目录hdfsdfs-ls
-ls-R查看目录与子目录hdfsdfs-ls-R
-put上传一个文件hdfsdfs-putdata.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hdfsdfs-copyTolocal/data/input/data.txt
-put下载文件hdfsdfs-put/data/input/data.txt
-rm删除文件hdfsdfs-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
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。