Hadoop项目实战-用户行为分析之应用概述(一)

简介:

1.概述

  本课程的视频教程地址:《Hadoop 回顾

  好的,下面就开始本篇教程的内容分享,本篇教程我为大家介绍我们要做一个什么样的Hadoop项目,并且对Hadoop项目的基本特点和其中的难点做有针对性的剖析,完成项目环境的基本配置,以及项目工程和Hadoop插件的相关准备等工作。

  本课程主要包含以下课时,其内容如下图所示:

  本节为大家分享的是第一节——《Hadoop 回顾》,下面开始今天的分享内容。

2.内容

  从这节开始,我们将进入到Hadoop项目的实战学习,本节课程为大家介绍的主要知识点有一下内容,如下图所示:

  首先,我们来看看本节的Hadoop的业务知识点,业务场景如下:

  假设现在有以下场景,用户每天都会对某网站进行点击,这些点击都会记录到日志中,然后分析用户在网站的使用习惯。

  其内容包含如下内容,如下图所示:

  接着,是Hadoop的应用场景,其内容包含如下内容,如下图所示:

  通过阅读上图,下面我给大家解释以下这个图中所设计的含义:

  1.Hadoop的核心之一,就是它的离线计算模型MapReduce。

  • 在数据统计中,统计网站的PV、UV
  • 大规模Web信息搜索
  • 一些复杂的算法

  MapReduce都能非常友好的实现。

  2.海量数据的离线分析
在MapReduce框架下,很难处理实时计算,作业都以日志分析这样的离线作业为主。

  3.静态数据源
Hadoop要保证分析与计算的数据源是静态的,不能是实时的流水数据。这也是Hadoop自身设计特点决定了数据源必须是静态的。

  在了解了Hadoop的应用场景和业务场景之后,下面我们来看看用户行为分析平台的搭建需要注意哪些事项,注意事项包含以下内容,如下图所示:
 

  1.平台的高可用性  

  如图所示,这是一个高可用平台的简要说明图,在Hadoop2.x版本后,Hadoop提出了HA方案。HA方案的出现,解决了第一代的单点问 题,在图中,我们可以看出,在Client请求服务时,若NameNode Active(NNA)节点宕机,整个集群依然是可用的,NameNode Standby(简称NNS)节点会立马切换自己的状态,由Standby切换为Active,并对外提供服务。保证集群的高可用性。

  注:下面是集群的启动演示,可以参考视频的启动步骤:《Hadoop 回顾
2.在对NameNode Active节点和NameNode Standby节点配置时
hdfs-site.xml和core-site.xml两个文件中HDFS的NameService要保持一致;
在配置HA的实现时,Hadoop官方提供了两种NameNode HA的实现方式,分别是QJM和NFS,同学们可自选一种实现。
3.在配置YARN的相关配置文件
yarn-site.xml文件,有一个属性需要特别注意,它就是yarn.resourcemanager.ha.id这个属性。假设,我们在NNA节点上配置的是value值是rm1,那么在NNS节点上我们得将value换成rm2。

  4.在集群启动时,需注意按照以下顺序
第一步:由于我们选择的是QJM方案,需要使用到zookeeper,所以在各个DataNode节点上启动zookeeper服务
第二步:在其中一台NameNode节点(这里我预选取的是NameNode Active节点)启动journalnode服务,该服务用于共享存储,同步节点信息。
第三步:若是首次启动,需要在其中一台NameNode Active节点上格式HDFS
第四步:接着我们同样一台NameNode Active节点格式化zkfc,它对应的类是DFSZKFailoverController
第五步:在NameNode Active节点启动hdfs服务和yarn服务
第六步:同步NameNode Active节点的元数据

 3.结束语

  这就是本节的主要内容,主要就对Hadoop做一个回顾学习,对后续学习Hadoop项目实战做一个准备工作。

  如果本教程能帮助到您,希望您能点击进去观看一下,谢谢您的支持!

目录
相关文章
|
分布式计算 资源调度 Hadoop
大数据Hadoop概述
大数据Hadoop概述
196 0
|
2月前
|
SQL 分布式计算 大数据
大数据平台的毕业设计01:Hadoop与离线分析
大数据平台的毕业设计01:Hadoop与离线分析
163 0
|
4月前
|
SQL 分布式计算 数据可视化
基于Hadoop的大数据可视化方法
【8月更文第28天】在大数据时代,有效地处理和分析海量数据对于企业来说至关重要。Hadoop作为一个强大的分布式数据处理框架,能够处理PB级别的数据量。然而,仅仅完成数据处理还不够,还需要将这些数据转化为易于理解的信息,这就是数据可视化的重要性所在。本文将详细介绍如何使用Hadoop处理后的数据进行有效的可视化分析,并会涉及一些流行的可视化工具如Tableau、Qlik等。
153 0
|
5月前
|
存储 分布式计算 并行计算
使用Hadoop构建Java大数据分析平台
使用Hadoop构建Java大数据分析平台
|
7月前
|
分布式计算 数据可视化 Hadoop
大数据实战——基于Hadoop的Mapreduce编程实践案例的设计与实现
大数据实战——基于Hadoop的Mapreduce编程实践案例的设计与实现
|
存储 SQL 分布式计算
大数据之Hadoop图解概述
Hadoop创始人Doug Cutting,为 了实 现与Google类似的全文搜索功能,他在Lucene框架基础上进行优 化升级,查询引擎和索引引擎。
216 0
大数据之Hadoop图解概述
|
存储 分布式计算 大数据

相关实验场景

更多