Hadoop基础概念知识（干货）

话不多说我直接上干货

概念知识

1. 安全模式是HDFS所处的一种特殊状态，在处于这种状态时，文件系统只接受读数据请求，不能对文件进行写，删除等操作。
2. 在NameNode主节点启动时，HDFS首先进入安全模式，DataNode会向NameNode上传它们数据块的列表，让NameNode得到数据块的位置信息，并对每个文件对应的数据块副本进行统计。当最小副本条件满足时，即数据块都达到最小副本数，HDFS自动离开安全模式。这样就达到了资源的最大化利用，CPU的整合利用。
3. HDFS为每一个用户都创建了类似操作系统的回收站（Trash），位置在/user/用户名/.Trash/。当用户删除文件时，文件并不是马上被永久性删除，会被保留在回收站一段时间，这个保留的时间是可以设置的。
4. Hdfs的快照（snapshot）是在某一时间点对指定文件系统拷贝，快照采用只读模式，可以对重要数据进行恢复、防止用户错误性的操作。快照又分为两种：（1）建立文件系统的索引，每次更新文件不会真正的改变文件，而是新开辟一个空间来保存已经更改的文件。例如hdfs也是属于这样的，而且它的特性如下：新建快照的时候，Datanode中的block不会被复制，快照中只是记录了文件块的列表和大小信息，其次每个快照最高限额为65536个文件或者文件夹，在快照的子文件夹中不允许在创建新的快照，最后mv命令和del命令是不允许的，因为快照是只读的。（2）拷贝所有文件系统。至于如何开启快照和禁用快照，外援资料显示，因为一般是禁用的。
5. YARN的架构是主从架构，主机为ResourceManager，从机为NodeManager，其中ResourceManager负责接收客户端的作业请求以及为作业分配相应的NodeManager资源，在NodeManager启动Container资源容器，在资源容器中运行相关作业。
6. YARN架构中的Container容器，YARN管理的资源包括内存、CPU、磁盘、IO等等。Container是YARN中资源的抽象，它封装了某个节点上的多维度资源。
7. ResourceManger负责整个系统的资源分配和管理，是一个全局的资源管理器。主要由两个组件构成，分别是：调度器和应用程序管理器：调度器会根据资源情况为应用程序分配封装在Container中的资源，应用程序管理器负责管理整个系统中所有应用程序。
8. NodeManager是每个节点上的资源和任务管理器。NodeManager负责的工作有如下两点：定时向ResourceManager汇报本节点上的资源使用情况和各个Container的运行状态。接收并处理来自ApplicationManager的Container启动/停止等请求。
9. YARN中的应用是如何运行的：应用从客户端节点提交到YARN应用到资源管理器，然后资源管理查看集群里资源情况，在资源空闲的NodeManager节点启动ApplicationMaster作为管理该应用，ApplicationMaster分析计算是否有足够的资源运行任务，如果够，则自己处理；如果不够，则向资源管理器申请新的资源，当拿到新资源后，在新的资源所在的NodeManager启动资源容器，然后执行具体的作业任务。
10. YARN调度器分为三种：FIFO Scheduler先进先出调度器，Capacity Scheduler 容器调度器，Fair Scheduler 公平调度器
11. MapReduce框架把复杂的、运行于大规模集群上的计算过程高度抽象到两个函数Map和Reduce函数，我们只需要编写好Map和Reduce函数就能完成分布式计算。这样就是我们的分布式编程极大的简化了，帮我们隐藏了很多并行编程的细节。MapReduce最终要的策略就是分而治之的思想，比如说我们有个文件里面存的全是数字，MapReduce就会按照一定的规则把这个文件划分成一小块一小块的，然后把这些一小块的数据首先交给Map函数进行处理，然后Map函数的输出，然后作为Reduce函数的输入，Reduce处理后，然后进行输出
12. 对于MapReduce，目前较为受欢迎的是Python为编程语言的设计语言，我们可以通过引流的方式对不同的数据进行处理。
13. Hbase的定义是一个分布式的，面向列的数据库。
14. Hbase与hdfs的本质区别就是HBASE可以结构化数据，而hdfs只能存储文件，对于HBASE存储数据的时候与我们的基本表有一个不同的就是，它有一个列族，而这个列族管理的列可以提高我们数据索引的效率。
15. 一个表会包含很多行数据，每行数据都有行键，行键必须唯一，用于区分其他行，一个行中可以有很多列，这些列通过列族来分类。列族是多个列的集合。 其实列式数据库只需要列就可以了， 为什么还需要有列族呢？ 因为HBase会尽量把同一个列族的列放到同一个服务器上， 这样可以提高存取性能， 并且可以批量管理有关联的一堆列。
    

hbase操作

1. 安全模式，查看当前的状态：hdfs dfsadmin -safemode get
2. 进入安全模式：hdfs dfsadmin -safemode enter
3. 强制离开安全模式：hdfs dfsadmin -safemode leave
4. 一直等待直到安全模式结束：hdfs dfsadmin -safemode wait
   在hdfs里面输入命令，与Linux里面类似。只是需要在命令行开头加-
5. 查看该目录下的子文件，递归查询：hdfs dfs -ls -R /home
6. 移动文件夹或者文件：hdfs dfs -mv 源文件的位置 目标位置（如果是目录文件夹需要在后面加入/ 如果是文件则不需要）
7. 递归删除home目录下的子文件或者子目录：hdfs dfs -rm -r /home/文件
8. 删除目录需要把参数改为d即可
9. 创建多级文件夹需要加-P参数，如果父目录不存在，则创建父目录
10. 新建文件：hdfs dfs -touchz /whw/whw.txt 然后我们可以利用：hdfs dfs ls -R /whw 查看
11. 上传文件：首先要在本地上面创建一个文件，注意这个时候不需要再touch后加z，我们创建好之后，利用：hdfs dfs -put 本地文件位置 hdfs目标位置，也可以利用：hdfs dfs -copyFromLocal 本地文件位置 hdfs目标位置
12. 移动文件：hdfs dfs -moveFromLocal 本地文件位置 hdfs目标位置
13. 将hdfs上的文件下载到本地位置：hdfs dfs -get hdfs的位置 本地目标位置/重命名，也可以用hdfs dfs -copyToLocal hdfs的位置 本地目标位置
14. 查看文件：hdfs dfs -cat 文件位置
15. 追写文件：hdfs dfs -appendToFile 本地文件 hdfs文件（两者都是相同的文件类型）
16. Hdfs里面的文件复制：hdfs dfs -cp 源文件 复制文件 参数：-f 如果目标文件存在则强制覆盖。-p保留文件的属性，移动文件（改名文件）：hdfs dfs -mv 源文件 目标文件
17. Hdfs中的目录下的文件（不包含子目录）合并后在下载到本地：hdfs dfs -getmerge 本地文件（位置默认，不需要添加）
    HBASE命令集合
18. 启动HBASE，进入HBASE：start-hbase.sh habse shell
19. 查询HBASE里面含有哪些表：list（注意和hive要有所区别，不能在后面加分号）。
20. 创建表：create ‘表名’,’列族1’,’列族2’,’列族3’
21. 添加一个列族：alter ‘表名称’，‘列族’
22. 删除列族：alter ‘表名称’, {NAME => ‘列族名称’, METHOD => 'delete’}
23. 禁止使用或者屏蔽这个表：disable ‘表名称’
24. 删除表之前必须要禁止使用这个表，所以必须先要执行上面的操作，然后：drop ‘表名称’
25. 启用表：enable ‘表名称’
26. 查看这个表的结构：describe ‘表名称’
27. 检查表是否存在：exists ‘表名称’
28. 添加数据：put ‘表名称’,’行键’,’列族：列名1，列名2……’，‘数据1，数据2……’在这里我们就可以理解为是一个二维表，也就是Excel类似的，一行一列确定一个单元格
29. 查询数据：get ‘表名称’，‘行键’
30. 删除数据：delete ‘表名称’，‘行键’，‘列名称’这样就确定了一个数据集
31. 删除一行数据：delete ‘表名称’，‘行键’
32. 查看表中的记录数：count ‘表名称’
33. 查看整张表：scan ‘表名称’（类似于MySQL里面的select）
34. 扫描整个列族：scan ‘表名称’, {COLUMN=>‘列族’}
35. 扫描一张表里面某个列的所有数据：scan ‘表名称’,{COLUMNS=>‘列族名:列名称’}
36. 限制查询结果行数：scan ‘表名称’, { STARTROW => ‘rowkey1’, LIMIT=>行数, VERSIONS=>版本数}
37. 等值过滤：scan ‘表名称’, FILTER=>"ValueFilter(=,‘binary:某值’)"过滤改值
    HBASE实验操作
38. 首先将本地数据文件上传到hdfs：hdfs dfs -put(copyFromLocal) /home/hadoop/ matchinfo.csv /lol
39. 在执行次命令前，必须要在hdfs上创建一个lol文件夹；hdfs dfs -mkdir /lol
40. 启动hbase 进入hbase：start-hbase.sh hbase shell
41. 创建表和列族：create ‘lol_match’,’info’
42. 导入数据到hbase中：
    hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.separator=, -Dimporttsv.columns=“info:League,info:Year,info:Season,info:Type,info:blueTeamTag,info:bResult,info:rResult,info:redTeamTag,info:gamelength,info:blueTop,info:blueTopChamp,info:blueJungle,info:blueJungleChamp,info:blueMiddle,info:blueMiddleChamp,info:blueADC,info:blueADCChamp,info:blueSupport,info:blueSupportChamp,info:redTop,info:redTopChamp,info:redJungle,info:redJungleChamp,info:redMiddle,info:redMiddleChamp,info:redADC,info:redADCChamp,info:redSupport,info:redSupportChamp,HBASE_ROW_KEY” lol_match /lol/matchinfo.csv

每文一语

懂得越多才发现，不多的太多了