10分钟大数据Hadoop基础入门

Posted 中生代技术

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了10分钟大数据Hadoop基础入门相关的知识，希望对你有一定的参考价值。

程序员突破成长的好伙伴
连接技术 接力价值
10分钟大数据Hadoop基础入门

本文转自中生代战略合作伙伴云栖社区（https://yq.aliyun.com）


责编 | 大白

 第  716  篇技术好文：4048字 | 10分钟阅读


摘要： 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 

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

10分钟大数据Hadoop基础入门

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

10分钟大数据Hadoop基础入门

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

10分钟大数据Hadoop基础入门

10分钟大数据Hadoop基础入门
vim /etc/profile 末尾添加
10分钟大数据Hadoop基础入门

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

10分钟大数据Hadoop基础入门

查看HDFS管理界面和yarn资源管理系统
10分钟大数据Hadoop基础入门
10分钟大数据Hadoop基础入门

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

10分钟大数据Hadoop基础入门

MapReduce示例

10分钟大数据Hadoop基础入门
结果：
10分钟大数据Hadoop基础入门
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！


10分钟大数据Hadoop基础入门

10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门

10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 10分钟大数据Hadoop基础入门 

推荐阅读






中生代技术

每天早上，推送有营养的干货文章；

总覆盖会员60000+人；资深架构、总监等职位以上3000+人。

定期在线分享超过100期，线下技术沙龙超过70次、覆盖20多个等城市！

关注技术架构、研发管理、互联网金融、电商、大数据、区块链、人工智能等方向！


加入中生代群聊，请添加白明微信：zsdwyq，注明姓名、职称和技术方向，通过后加入中生代技术群，和群友们共同学习成长！

以上是关于10分钟大数据Hadoop基础入门的主要内容，如果未能解决你的问题，请参考以下文章

大数据零基础学习hadoop入门教程

Hadoop基础与电商行为日志分析 新手入门大数据

Hadoop基础与电商行为日志分析 新手入门大数据

成都0基础学习hadoop怎么学？怎么进行大数据入门学习

大数据入门-五分钟读懂HDFS

大数据Hadoop基础入门到精通