扣丁学堂大数据培训入门之Hadoop基础学习

2018-07-12 11:19:51 435浏览

在目前相信大多数IT开发人员对于人工智能+大数据并不陌生，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开发相关需求，导致越来越多IT开发程序员想要了解或参加大数据培训知识，下面是扣丁学堂老师整理一下关于大数据入门之Hadoop基础学习介绍。

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

(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：SparkCore->基于内存、数据的计算

第三阶段：SparkSQL->类似于mysql的sql语句

第四阶段：SparkStreaming->进行流式计算：比如：自来水厂

(4)ApacheStorm类似：SparkStreaming->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：

硬盘不够大：多几块硬盘，理论上可以无限大

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.x64M，Hadoop2.x128M

管理员：NameNode硬盘：DataNode

![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/8ca9f78b244c7f991e73f71fd1e56421.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

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

因为有了bigtable的思想：NoSQL：HBase数据库

HBase基于Hadoop的HDFS的

描述HBase的表结构

核心思想是：利用空间换效率

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](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/a9bf2e19410f9b3d38c8b0ca64b2f264.png)

2、解压hadoop-3.0.0.tar.gz、并配置环境变量

tar-zxvfhadoop-3.0.0.tar.gz-C/usr/local/
mvhadoop-3.0.0/hadoop

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
　　<!--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

hdfsnamenode-format

看到common.Storage:Storagedirectory/usr/local/hadoop/tmp/dfs/namehasbeensuccessfullyformatted表示格式化成功

启动

start-all.sh

(*)HDFS：存储数据

(*)YARN：

访问

（*）命令行
（*）JavaApi
（*）WEBConsole

HDFS:http://192.168.56.102:50070

Yarn:http://192.168.56.102:8088

基本操作：

HDFS相关命令

-mkdir在HDFD创建目录hdfsdfs-mkdir/data

-ls查看目录hdfsdfs-ls

-ls-R查看目录与子目录hdfsdfs-ls-R

-put上传一个文件hdfsdfs-putdata.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hdfsdfs-copyTolocal/data/input/data.txt

-put下载文件hdfsdfs-put/data/input/data.txt

-rm删除文件hdfsdfs-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

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，想要了解更多内容的小伙伴可以登录扣丁学堂官网咨询，不仅有专业的老师和与时俱进的课程体系，还有大量的大数据视频教程供学员观看学习哦。扣丁学堂大数据学习群：209080834。

【关注微信公众号获取更多学习资料】

查看更多关于“大数据培训资讯”的相关文章>>