10分ビッグデータHadoopの基礎知識

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

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1 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！

大数据基础入门教程

发布了160 篇原创文章 · 获赞 2 · 访问量 1万+

私信关注