手记

大数据开发第一步:Hadoop基础学习

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:

• 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.x 64M,Hadoop2.x 128M,大数据架构学习交流扣群数字522跟189and最后307

• 管理员:NameNode 硬盘:DataNode

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

安装

1、安装jdk、并配置环境变量

vim /etc/profile 末尾添加

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

vim /etc/profile 末尾添加

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

修改core-site.xml

修改mapred-site.xml

修改yarn-site.xml

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

(*)HDFS:存储数据

(*)YARN:

访问

查看HDFS管理界面和yarn资源管理系统

基本操作:

HDFS相关命令

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,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。

0人推荐
随时随地看视频
慕课网APP