序文
現在、人工知能やビッグデータ燃えるシーンはますます広く使われ、次第にビッグデータ開発のニーズに関連した学生とフロントエンドの毎日の接触の開発。したがって、大規模なデータの知識は、いくつかの学習を理解することが必要です。
基本的な考え方
ビッグデータの性質
格納されたデータ:分散ファイルシステム(分散型ストレージ)
第二に、計算されたデータ:計算点を配置
基本
ビッグデータは、Javaの学習知識ベースとLinuxの知識ベースが必要です
学習パス
(1)JavaおよびLinuxの基礎ベース
(2)のHadoop研究:アーキテクチャ、理論、プログラミング
第一段階:HDFS、MapReduceの、HBaseの(NoSQLのデータベース)
フェーズII:データ解析エンジン- >ハイブ、豚
数据采集引擎 -> Sqoop、Flume
第三段階:HUE:Web管理ツール
ZooKeeper:实现Hadoop的HA
Oozie:工作流引擎
(3)スパーク学習
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
同様の(4)Apacheの嵐:スパークストリーミングは - >計算ストリーミング
NoSQL:Redisのメモリベースのデータベース
HDFS
分散ファイルシステムは、次の問題に対処します。
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
管理者:名前ノードハードディスク:データノード
![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/8ca9f78b244c7f991e73f71fd1e56421.png)
MapReduceの
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のデータを分析フロー:
Map的输出是Reduce的输入,Reduce的输入是Map的集合
HBaseの
BigTableのは何ですか?:テーブル、冗長--->利点にすべてのデータを保存するには:効率を改善
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
ビルドへのHadoop環境
環境の準備
Linuxの环境、JDKは、http://mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz
インストール
1、JDKをインストール、および設定環境変数
vim /etc/profile 末尾添加
![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/a9bf2e19410f9b3d38c8b0ca64b2f264.png)
2、エキスHadoopの-3.0.0.tar.gz、および環境変数を設定します
tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/
mv hadoop-3.0.0/ hadoop
ダンプ失敗した再アップロードにキャンセル
のvimの/ etc /追加のプロファイルの端を
コンフィギュレーション
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
查看HDFS管理界面和yarn资源管理系统
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
MapReduce示例
结果:
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,想系统学习大数据的话,可以加入大数据技术学习交流扣扣君羊:522189307,欢迎添加,了解课程介绍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!