欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

大数据入门之Hadoop基础学习

程序员文章站 2022-08-30 21:14:22
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 ......

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。

大数据入门之Hadoop基础学习

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

![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

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

![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-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。