10分钟大数据Hadoop基础入门-阿里云开发者社区

开发者社区> 中生代技术> 正文

10分钟大数据Hadoop基础入门

简介: 前言 目前人工智能和大数据火热,使用的场景也越来越广,日常开发中前端同学也逐渐接触了更多与大数据相关的开发需求。因此对大数据知识也有必要进行一些学习理解 基础概念

前言

目前人工智能和大数据火热,使用的场景也越来越广,日常开发中前端同学也逐渐接触了更多与大数据相关的开发需求。因此对大数据知识也有必要进行一些学习理解。

基础概念

大数据的本质

一、数据的存储:分布式文件系统(分布式存储)
二、数据的计算:分部署计算

基础知识

学习大数据需要具备Java知识基础及Linux知识基础

学习路线

(1)Java基础和Linux基础
(2)Hadoop的学习:体系结构、原理、编程
第一阶段:HDFS、MapReduce、HBase(NoSQL数据库)
第二阶段:数据分析引擎 -> Hive、Pig

数据采集引擎 -> Sqoop、Flume
第三阶段:HUE:Web管理工具

ZooKeeper:实现Hadoop的HA
Oozie:工作流引擎
(3)Spark的学习

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

(4)Apache Storm 类似:Spark Streaming ->进行流式计算

NoSQL:Redis基于内存的数据库

HDFS

分布式文件系统 解决以下问题:

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
管理员:NameNode 硬盘:DataNode

image.png
MapReduce

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数据流程分析:

Map的输出是Reduce的输入,Reduce的输入是Map的集合

image

HBase

什么是BigTable?: 把所有的数据保存到一张表中,采用冗余 ---> 好处:提高效率

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

image

Hadoop环境搭建

环境准备

Linux环境、JDK、http://mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz

安装

1、安装jdk、并配置环境变量

vim /etc/profile 末尾添加
image.png
2、解压hadoop-3.0.0.tar.gz、并配置环境变量

tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/
mv hadoop-3.0.0/ hadoop

image

image

vim /etc/profile 末尾添加

image.png

配置

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

<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

<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

image

查看HDFS管理界面和yarn资源管理系统
image


image

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

image

MapReduce示例

image

结果:

image

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,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!

原文发布时间为:2018-07-13
本文来自云栖社区合作伙伴“中生代技术”,了解相关信息可以关注“中生代技术”。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
官网链接