Hadoop集群的搭建及Hadoop生态圈
目前是动态IP，所以需要配置IP地址为静态IP
/etc/sysconfig/network-scripts
ll | grep ifcfg-ens33可查看此文件的权限，只能在root下更改
vi ifcfg-ens33:
BOOTPROTO=dhcp改为 BOOTPROTO=static
ONBOOT=yes
添加四行代码：
IPADDR=192.168.220.138
NETMASK=255.255.255.0
GATEWAY=192.168.220.1
DNS1=202.106.0.20
保存后：
遇到的问题：
IP地址的网段：需要从DOS命令中查看VM8的网段和网关
2.修改主机名和主机映射
vi /etc/hostname
将localhost改为虚拟机的名字
vi /etc/hosts
追加：192.168.220.138 python2
保存退出
ssh 192.168.220.138
如果想让Windows系统认识python2
c:/windows/system32/drivers/etc/hosts文件
在此文件中添加：
192.168.220.138 python2
保存
但是没有权限：所以先将文件复制出来再粘贴回去
这时我们需要切换到Hadoop用户下来首先在Hadoop的主体目录下创建一个opt的文件夹 打开xftp来上传文件
在这里我把需要的安装包一次性上传了，我们首先来解压Java 的jdk压缩包和Hadoop的压缩包到opt文件夹内
解压文件
tar -xzf 文件名 -C 要解压到的文件夹
解压完之后我们可以在opt文件夹下面产生了两个新的文件夹
我们首先来配置java的环境变量，环境变量需要在主目录下的 .bashrc文件中追加需要文件目录，我把环境变量追加.bashrc中
接下来刷新一下环境变量(每次配置完环境变量都要刷新一下才可以起到效果)输入Java看一下是否配置成功
如果没有成功的话就是配置出错了 需要好好检查主目录下的.bashrc文件
接着来配置Hadoop的环境变量我们进入到hadoop-2.7.5文件夹中 ll查看一下里面的内容
有一个bin文件夹还有一个sbin文件夹，
hadoop分客户端和服务端，所以有bin和sbin
所以我们配置环境变量两个都需要来配置
刷新环境 输入hadoop看环境变量是否配置成功
如果没有成功的话或者出现异常情况就是配置出错了 需要好好检查主目录下的.bashrc文件
4.配置hadoop配置文件
伪分布式：一台计算机扮演多个角色：
nameNode secondaryNameNode DataNode
resourceManager nodeManager
配置以下文件：
core-site.xml
hdfs-site.xml
mapred-site.xml
yarn-site.xml
slaves文本文件
-------------------------------------
从官网查询：hadoop.apache.org/docs/
core-site.xml
默认文件系统:hdfs
hdfs-site.xml
修改mapred-site.xml文件：（修改前复制一下）
cp mapred-site.xml.template mapred-site.xml
vi mapred-site.xml
修改slaves
将localhost改为虚拟机名称
完成后：
关闭防火墙 和 selinux（切换到root用户）
关闭防火墙：
临时关闭：systemctl stop firewalld
永久关闭：systemctl disable firewalld
查看防火墙状态：systemctl status firewalld
临时关闭：setenforce 0
永久关闭：vi /etc/selinux/config
修改文件以上文件中：
SELINUX=disabled
保存关闭
getenforce可以查看值
执行hdfs文件系统格式化:hdfs namenode -format
只要状态为0就成功
ssh-keygen -t rsa
一直敲回车
当前主体目录下多了.ssh文件和目录
ssh-copy-id 你想登录到的计算机名
启动hadoop:start-dfs.sh start-yarn.sh
以上启动了文件系统
输入jps查看如果能看到5个节点就对了
如果没有成功检查上面的步骤有没有错误·
在浏览器中输入:mouse:50070
可以看到这个页面表示成功
创建目录
hadoop fs -mkdir -p /user/hadoop
网盘上就有了此目录
hadoop fs -put data.txt .
接下来我们了解一下Hadoop的生态圈
一、简介
Hadoop是一个分布式系统基础架构，由Apache基金会开发。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力高速运算和存储。简单地说来，Hadoop是一个可以更容易开发和运行处理大规模数据的软件平台。
图1 Hadoop主要项目
MapReduce：分布式数据处理模型和执行环境，运行于大型商用机集群。
HDFS：分布式文件系统，运行于大型商用机集群。
Zookeeper：一个分布式、可用性高的协调服务，提供分布式锁之类的基本服务用于构建分布式应用。
HBase：一个分布式、按列存储数据库，使用HDFS作为底层存储，同时支持MapReduce的批量式计算和点查询（随机读取）。
Pig：一种数据流语言和运行环境，用以检索非常大的数据集，运行在MapReduce和HDFS的集群上。
Hive：一个分布式、按列存储的数据仓库，管理HDFS中存储的数据，并提供基于SQL的查询语言（由运行时引起翻译成MapReduce作业）用以查询数据。
Mahout：一个在Hadoop上运行的可扩展的机器学习和数据挖掘类库（例如分类和聚类算法）。
Avro：一种支持高效、跨语言的RPC以及永久存储数据的序列化系统。
Sqoop：在数据库和HDFS之间高效传输数据的工具。
二、核心
Hadoop对应于Google三驾马车：HDFS对应于GFS，即分布式文件系统，MapReduce即并行计算框架，HBase对应于BigTable，即分布式NoSQL列数据库，外加Zookeeper对应于Chubby，即分布式锁设施。
图2 Hadoop核心系统
三、Hadoop生态图谱
