大数据再出发-03hadoop入门
有一天心血来潮突然有个大胆的想法，就是将我平时所学的技术记录成文档，这些文档可能网上一搜一大把，但毕竟和自己总结摘录的还是不太一样，不求文章能有人看，就当给自己做个备忘录吧，上面两节介绍了做大数据的基本环境配置，今天正式介绍一下大数据技术的基石-Hadoop
文章目录
- 第1章 大数据概论
- 1.1 大数据概念
- 1.2 大数据特点
- 第2章 从Hadoop框架讨论大数据生态
- 2.1 Hadoop是什么
- 2.2 Hadoop发展历史
- 2.3 Hadoop三大发行版本
- 2.4 Hadoop的优势
- 2.5 Hadoop组成
- 第3章 Hadoop运行环境搭建
- 3.1 在hadoop101安装JDK
- 3.2 在hadoop101安装Hadoop
- 3.3 Hadoop目录结构
- 第4章 Hadoop运行模式
- 4.1 本地运行模式（官方wordcount）
- 4.2 完全分布式运行模式
- 4.2.1 SSH无密登录配置
- 4.2.2 集群配置
- 4.2.3 编写集群分发脚本xsync
- 4.2.4 群起集群
- 4.2.5 编写hadoop集群常用脚本
- 第5章 常见错误及解决方案
- 总结
第1章 大数据概论
1.1 大数据概念
据百度百科介绍：
大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
1.2 大数据特点
大数据的特点可以归总为4V即：Volume（大量）、Velocity(高速)、Variety(多样)、Value(低价值密度)
看着挺厉害的，不过就我理解，就是数据量大，而且好多数据单独来看没什么用，需要加工处理
第2章 从Hadoop框架讨论大数据生态
2.1 Hadoop是什么
1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
2）主要解决，海量数据的存储和海量数据的分析计算问题。
3）广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈。
2.2 Hadoop发展历史
1）Lucene框架是Doug Cutting开创的开源软件，用Java书写代码，实现与Google类似的全文搜索功能，它提供了全文检索引擎的架构，包括完整的查询引擎和索引引擎。
2）2001年年底Lucene成为Apache基金会的一个子项目。
3）对于海量数据的场景，Lucene面对与Google同样的困难，存储数据困难，检索速度慢。
4）学习和模仿Google解决这些问题的办法 ：微型版Nutch。
5）可以说Google是Hadoop的思想之源(Google在大数据方面的三篇论文)
GFS —>HDFS
Map-Reduce —>MR
BigTable —> HBase
6）2003-2004年，Google公开了部分GFS和MapReduce思想的细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和MapReduce机制，使Nutch性能飙升。
7）2005 年Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。
8）2006 年 3 月份，Map-Reduce和Nutch Distributed File System (NDFS) 分别被纳入到 Hadoop 项目中，Hadoop就此正式诞生，标志着大数据时代来临。
9）名字来源于Doug Cutting儿子的玩具大象。
2.3 Hadoop三大发行版本
Hadoop三大发行版本：Apache、Cloudera、Hortonworks。
Apache版本最原始（最基础）的版本，对于入门学习最好。
Cloudera内部集成了很多大数据框架。对应产品CDH。
Hortonworks文档较好。对应产品HDP。
1）Apache Hadoop
官网地址：http://hadoop.apache.org/releases.html
下载地址：https://archive.apache.org/dist/hadoop/common/
2）Cloudera Hadoop
官网地址：https://www.cloudera.com/downloads/cdh/5-10-0.html
下载地址：http://archive-primary.cloudera.com/cdh5/cdh/5/
（1）2008年成立的Cloudera是最早将Hadoop商用的公司，为合作伙伴提供Hadoop的商用解决方案，主要是包括支持、咨询服务、培训。
（2）2009年Hadoop的创始人Doug Cutting也加盟Cloudera公司。Cloudera产品主要为CDH，Cloudera Manager，Cloudera Support
（3）CDH是Cloudera的Hadoop发行版，完全开源，比Apache Hadoop在兼容性，安全性，稳定性上有所增强。Cloudera的标价为每年每个节点10000美元。
（4）Cloudera Manager是集群的软件分发及管理监控平台，可以在几个小时内部署好一个Hadoop集群，并对集群的节点及服务进行实时监控。
3）Hortonworks Hadoop
官网地址：https://hortonworks.com/products/data-center/hdp/
下载地址：https://hortonworks.com/downloads/#data-platform
（1）2011年成立的Hortonworks是雅虎与硅谷风投公司Benchmark Capital合资组建。
（2）公司成立之初就吸纳了大约25名至30名专门研究Hadoop的雅虎工程师，上述工程师均在2005年开始协助雅虎开发Hadoop，贡献了Hadoop80%的代码。
（3）Hortonworks的主打产品是Hortonworks Data Platform（HDP），也同样是100%开源的产品，HDP除常见的项目外还包括了Ambari，一款开源的安装和管理系统。
（4）Hortonworks目前已经被Cloudera公司收购。
2.4 Hadoop的优势
1）高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
4）高容错性：能够自动将失败的任务重新分配。
2.5 Hadoop组成
在Hadoop1.x时代，Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大，在Hadoop2.x时代，增加了Yarn。Yarn只负责资源的调度，MapReduce只负责运算。后面的文章会对起组成在做深入介绍，暂且了解即可
第3章 Hadoop运行环境搭建
在上面两节我们已经配置好了三台虚拟机，接下来就开始愉快的玩耍吧
3.1 在hadoop101安装JDK
文章中提到的所有安装包都在此链接：
https://pan.baidu.com/s/1frlvq4XWwvIWU4461XUkrQ?pwd=yyds
1）卸载现有JDK
[careate@hadoop101 ~]$ rpm -qa | grep -i java | xargs -n1 sudo rpm -e --nodeps
2）用XFTP工具将JDK导入到opt目录下面的software文件夹下面
3）解压JDK到/opt/module目录下
[careate@hadoop101 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
4）配置JDK环境变量
（1）新建/etc/profile.d/my_env.sh文件
[careate@hadoop101 ~]$ sudo vim /etc/profile.d/my_env.sh
添加如下内容
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH= P A T H : PATH: PATH:JAVA_HOME/bin
（2）保存后退出
:wq
（3）source一下/etc/profile文件，让新的环境变量PATH生效
[careate@hadoop101 ~]$ source /etc/profile
8）测试JDK是否安装成功
[careate@hadoop101 ~]$ java -version
java version “1.8.0_212”
3.2 在hadoop101安装Hadoop
1）用XFTP工具将hadoop-3.1.3.tar.gz导入到opt目录下面的software文件夹下面
2）解压安装文件到/opt/module下面
[careate@hadoop101 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
3）将Hadoop添加到环境变量
（1）获取Hadoop安装路径
[careate@hadoop101 hadoop-3.1.3]$ pwd
/opt/module/hadoop
（2）打开/etc/profile.d/my_env.sh文件
sudo vim /etc/profile.d/my_env.sh
在my_env.sh文件末尾添加如下内容：（shift+g）
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop
export PATH= P A T H : PATH: PATH:HADOOP_HOME/bin
export PATH= P A T H : PATH: PATH:HADOOP_HOME/sbin
（3）保存后退出
:wq
（4）让修改后的文件生效
[careate@hadoop101 hadoop-3.1.3]$ source /etc/profile
6）测试是否安装成功
[careate@hadoop101 hadoop-3.1.3]$ hadoop version
Hadoop 3.1.3
3.3 Hadoop目录结构
1）查看Hadoop目录结构
[careate@hadoop101 hadoop-3.1.3]$ ll
总用量 52
drwxr-xr-x. 2 careate careate 4096 5月 22 2017 bin
drwxr-xr-x. 3 careate careate 4096 5月 22 2017 etc
drwxr-xr-x. 2 careate careate 4096 5月 22 2017 include
drwxr-xr-x. 3 careate careate 4096 5月 22 2017 lib
drwxr-xr-x. 2 careate careate 4096 5月 22 2017 libexec
-rw-r–r–. 1 careate careate 15429 5月 22 2017 LICENSE.txt
-rw-r–r–. 1 careate careate 101 5月 22 2017 NOTICE.txt
-rw-r–r–. 1 careate careate 1366 5月 22 2017 README.txt
drwxr-xr-x. 2 careate careate 4096 5月 22 2017 sbin
drwxr-xr-x. 4 careate careate 4096 5月 22 2017 share
2）重要目录
（1）bin目录：存放对Hadoop相关服务（HDFS,YARN）进行操作的脚本
（2）etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件
（3）lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）
（4）sbin目录：存放启动或停止Hadoop相关服务的脚本
（5）share目录：存放Hadoop的依赖jar包、文档、和官方案例
第4章 Hadoop运行模式
Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。
Hadoop官方网站：http://hadoop.apache.org/
4.1 本地运行模式（官方wordcount）
1）创建在hadoop-3.1.3文件下面创建一个wcinput文件夹
[careate@hadoop101 hadoop-3.1.3]$ mkdir wcinput
2）在wcinput文件下创建一个word.txt文件
[careate@hadoop101 hadoop-3.1.3]$ cd wcinput
3）编辑word.txt文件
[careate@hadoop101 wcinput]$ vim word.txt
在文件中输入如下内容
hadoop yarn
hadoop mapreduce
careate
careate
保存退出：：wq
4）回到Hadoop目录/opt/module/hadoop
5）执行程序
[careate@hadoop101 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
6）查看结果
[careate@hadoop101 hadoop-3.1.3]$ cat wcoutput/part-r-00000
看到如下结果：
careate 2
hadoop 2
mapreduce 1
yarn 1
4.2 完全分布式运行模式
4.2.1 SSH无密登录配置
1）配置ssh
（1）基本语法
ssh另一台电脑的ip地址
（2）ssh连接时出现Host key verification failed的解决方法
[careate@hadoop101 ~]$ ssh hadoop102
出现：
The authenticity of host ‘192.168.1.103 (192.168.1.103)’ can’t be established.
RSA key fingerprint is cf:1e
大数据再出发-03hadoop入门相关推荐
- 大数据再出发-19Flink
大数据再出发-19Flink 今天来一起学习一下flink,一个真正意义上的流处理框架,之前学的sparkstreaming那是个微批处理的框架,今天学的flink是基于事件的实时处理框架. 文章目录 ...
- 大数据再出发-07Hive
大数据再出发-07Hive 前面篇文章写了有关Hadoop的相关知识,但是要想将这个系统用起来还要写maoreduce程序,开发太麻烦了,所以今天来学一下Hive,hive支持sql语法,大家可以通过 ...
- 大数据学习指南从入门到精通
目录 大数据学习指南从入门到精通 前言 一.大数据基础 二.大数据必学Java基础 三.ZooKeeper 四.大数据环境搭建 五.Hadoop 六.Hive 七.HBase 八.Kafka 九.Sc ...
- 大数据竞赛平台——Kaggle 入门
大数据竞赛平台--Kaggle 入门篇 这篇文章适合那些刚接触Kaggle.想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友,对于已经在Kaggle上参赛过的网友来说,大可不必耗费时间阅读本文.本 ...
- 大数据技术之Canal入门篇
大数据技术之Canal入门篇 文章目录 大数据技术之Canal入门篇 写在前面 第 1 章 Canal 入门 1.1 什么是 Canal 1.2 MySQL 的Binlog 1.2.1 什么是 Bin ...
- 大数据竞赛平台——Kaggle 入门篇
这篇文章适合那些刚接触Kaggle.想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友,对于已经在Kaggle上参赛过的网友来说,大可不必耗费时间阅读本文.本文分为两部分介绍Kaggle,第一部分简 ...
- 大数据学习之HBase入门笔记
文章目录 一.HBase简介 1.1.HBase定义 1.2.HBase数据模型 1.2.1.HBase逻辑结构 1.2.2.物理存储结构 1.2.3.数据模型 1.3.HBase基础架构(入门版) ...
- 大数据hadoop新手快速入门视频教程 Hadoop学习视频教程
最新在学习hadoop .storm大数据相关技术,发现网上hadoop .storm 相关学习视频少之又少,我这里整理了hadoop学习视频,给大家学习. 视频下载地址:http://demo.li ...
- 大数据技术——Hadoop3.X入门搭建+安装调优（1.入门）
文章目录 一.大数据概论 二.Hadoop概述 三.Hadoop 运行环境搭建 (开发 重点) 3.1 模板虚拟机环境准备 3.2 克隆虚拟机 3.3 在hadoop102安装JDK 3.4 在had ...
最新文章
- 公众号24小时自动吸粉秘密!一次推广终身有客户
- springBoot 在线心理咨询管理系统
- 【SSH项目实战】国税协同平台-26.分页功能编写
- SpringMVC中@ResponseBody和@RequestBody的使用
- hdu 5504(枚举+找规律)
- 深入理解java的泛型
- centos普通用户修改文件权限_Linux实战014：Centos创建用户并添加root授权
- 内置对象和自定义对象的原型链
- Emmet：HTML/CSS代码快速编写器
- html5制作线路图,HTML5画电路图
- 深度学习网络模型实战
- 计算机网络序号是什么,Excel序号是什么 Excel序号详细介绍
- 全球及中国芯片产业研发方向与投资规模预测报告2022版
- 使用 React 和 Vite 使用 Tauri 构建番茄钟
- 使用UE4制作简单的局域网对战小游戏
- 一个非知识库的中文分词算法实现
- 基于matlab的数值分析实例研究,基于MATLAB的数值分析答辩.ppt
- 一个事物两个方面的对比举例_对比属于修辞手法吗
- SQLServer bigint 转 int带符号转换函数（原创）
- 海康摄像头电子防抖和3D放大冲突