大数据的发展历史
3V：volume、velocity、variety（结构化和非结构化数据）、value（价值密度低）
大数据带来的技术挑战
- 存储容量不断增加
- 获取有价值的信息的难度：搜索、广告、推荐
- 大容量、多类型、高时效的数据处理场景，使得从数据中获取有价值的信息变得非常困难
hadoop理论概述
hadoop发展简史
- apache nutch项目，是一个开源网络搜索引擎
- 谷歌发表GFS，是HDFS的前身
- 谷歌发表了mapreduce分布式编程思想
- nutch开源实现了mapreduce
hadoop简介
- 是apache软件基金会下的一个开源分布式计算平台
- java语言，跨平台性
- 在分布式环境下提供了海量数据的处理能力
- 几乎所有厂商都围绕hadoop提供开发工具
hadoop核心
- 分布式文件系统HDFS
- 分布式计算MapReduce
hadoop特性
- 高可靠性
- 高效性
- 高可扩展性
- 高容错性
- 成本低
- linux
- 支持多种编程语言
hadoop生态系统
- HDFS：分布式文件系统
- mapreduce：分布式并行编程模型
- yarn：资源管理和调度器
- tez运行在yarn之上的下一代hadoop查询处理框架，他会将很多的mr任务分析优化后构建一个邮箱无环图，保证最高的工作效率
- hive：hadoop上的数据仓库
- hbase：非关系型分布式数据库
- pig：基于hadoop的大规模数据分析平台
- sqoop：用于在hadoop与传统数据库之间进行数据传递
- oozie：工作流管理系统
- zookeeper：提供分布式协调一致性服务
- storm：流计算框架
- flume：分布式海量日志采集、聚合和传输的系统
- ambari：快速部署工具
- kafka：分布式发布订阅消息系统，可以处理消费者规模的网站中所有动作流数据
- spark：类似于hadoop mapreduce的通用并行框架
hadoop伪分布模式安装
主要流程
- 创建用户及用户组
sudo useradd -d /home/zhangyu -m zhangyu
sudo passwd zhangyu
sudo usermod -G sudo zhangyu
su zhangyu
ssh-keygen -t rsa
cat ~/.ssh/id_rsa.pub >>~/.ssh/authorized_keys
ssh localhost- 创建apps和data目录并修改权限
sudo mkdir /apps
sudo mkdir /data
sudo chown -R zhangyu:zhangyu /apps
sudo chown -R zhangyu:zhangyu /data- 下载hadoop和java
mkdir -p /data/hadoop1
cd /data/hadoop1
wget java
wget hadoop
tar -xzvf jdk.tar.gz -C /apps
tar -xzvf hadoop.tar.gz -C /apps
cd /apps
mv jdk java
mv hadoop hadoop- 添加上面两个到环境变量
sudo vim ~/.bashrc
export JAVA_HOME=/apps/java
export PATH=JAVA_HOME/bin:$PATH
export HADOOP_HOME=/apps/hadoop
export PATH=HADOOP_HOME/bin:$PATH
source ~/.bashrc
java
hadoop- 修改hadoop配置文件
cd /apps/hadoop/etc/hadoop
vim hadoop-env.sh
export JAVA_HOME=/apps/java
vim core-site.xml
//追加
hadoop.tmp.dir //临时文件存储位置
/data/tmp/hadoop/tmp
fs.defaultFS //hdfs文件系统的地址
hdfs://localhost:9000
mkdir -p /data/tmp/hadoop/tmp
vim hdfs-site.xml
dfs.namenode.name.dir //配置元数据信息存储位置
/data/tmp/hadoop/hdfs/name
dfs.datanode.data.dir //具体数据存储位置
/data/tmp/hadoop/hdfs/data
dfs.replication //配置每个数据库备份数，要根据节点数决定
1
dfs.permissions.enabled //配置hdfs是否启用权限认证
false
- 将集群中slave角色的节点的主机名添加进slaves文件中
vim slaves //将集群中的slave角色的节点的主机名添加经slaves文件中
//目前只有一台节点，所以slaves文件内容只有localhost- 格式化hdfs文件系统
hadoop namenode -format- 输入jps查看hdfs相关进程是否启动
cd /apps/hadoop/sbin/
./start-dfs.sh
jps
hadoop fs -mkdir /myhadoop1
hadoop fs -ls -R /- 配置mapreduce
cd /apps/hadoop/etc/hadoop/
mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml
mapreduce.framework.name //配置mapreduce任务所使用的框架
yarn
- 配置yarn并且测试
vim yarn-site.xml
yarn.nodemanager.aux-services //指定所用服务器
mapreduce_shuffle
./start-yarn.sh- 执行测试
cd /apps/hadoop/share/hadoop/mapreduce
hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.4.5.jar pi 3 3 hadoop开发插件安装
mkdir -p /data/hadoop3
cd /data/hadoop3
wget http://192.168.1.100:60000/allfiles/hadoop3/hadoop-eclipse-plugin-2.6.0.jar
cp /data/hadoop3/hadoop-eclipse-plugin-2.6.0.jar /apps/eclipse/plugins/ - 进入图形界面
window->open perspective->other
选择map/reduce
点击condole右上角蓝色的大象添加相关配置- 终端命令行
cd /apps/hadoop/sbin
./start-all.shhadoop常用命令
开启、关闭hadoop
cd /apps/hadoop/sbin
./start-all.sh
cd /apps/hadoop/sbin
./stop-all.sh命令格式
hadoop fs -命令 目标
hadoop fs -ls /user查看版本
hdfs version
hdfs dfsadmin -report //查看系统状态目录操作
hadoop fs -ls -R /
hadoop fs -mkdir /input
hadoop fs -mkdir -p /test/test1/test2
hadoop fs -rm -rf /input文件操作
hadoop fs -touchz test.txt
hadoop fs -put test.txt /input //把本地文件上传到input文件加下
hadoop fs -get /input/test.txt /data //把hadoop集群中的test文件下载到data目录下
hadoop fs -cat /input/test.txt
hadoop fs -tail data.txt //同cat
hadoop fs -du -s /data.txt //查看文件大小
hadoop fs -text /test1/data.txt //将源文件输出为文本格式
hadoop fs -stat data.txt //返回指定路径的统计信息
hadoop fs -chown root /data.txt //改变文件所有者
hadoop fs -chmod 777 data.txt //赋予文件777权限
hadoop fs -expunge //清空回收站模式切换
hdfs dfsadmin -safemode enter
hdfs dfsadmin -safemode leave