【Hadoop】Hadoop体系知识点梳理(目录)

Hadoop体系知识点梳理(目录)

  • 核心点
  • 第一章:Hadoop背景知识与起源
  • 第二章:搭建Hadoop环境
  • 第三章:HDFS体系架构
  • 第四章:HDFS
  • 第五章:MapReduce
  • 第六章:Hbase
  • 第七章:Hive
  • 第八章:Pig
  • 第九章:Sqoop
  • 第十章:Zookeeper与HA
  • 第十一章:HUE

手动反爬虫,禁止转载: 原博地址 https://blog.csdn.net/lys_828/article/details/118612375(CSDN博主:Be_melting)

 知识梳理不易,请尊重劳动成果,文章仅发布在CSDN网站上,在其他网站看到该博文均属于未经作者授权的恶意爬取信息

核心点

(1)明确大数据开发的原理、思想和架构
(2)需要自己动手搭建环境:

  • 学习阶段:使用Apache版本
  • 生产开发:CDH、HDP、阿里、华为等

(3)开发程序时使用的语言:

  • Hadoop:Java语言
  • Spark:Scala语言、Java语言
  • Flink:Scala语言、Java语言

第一章:Hadoop背景知识与起源

1、课程概述:目的:了解名词

2、实验环境:RedHat Linux 7.4 64位
			 Apache版本
			  Java JDK
			  
	一共需要5台虚拟机:注意:我的机器和你的机器的IP地址可能不一样  
		bigdata111	192.168.124.111
		bigdata112  192.168.124.112
		bigdata113  192.168.124.113
		bigdata114  192.168.124.114
		bigdata115  192.168.124.115
		
	(1)关闭防火墙
			systemctl stop firewalld.service
			systemctl disable firewalld.service		
	
	(2)设置主机名 vi /etc/hosts
			192.168.124.111 bigdata111
	
	(3)安装JDK
			mkdir tools/
			mkdir training/
			tar -zxvf jdk-8u181-linux-x64.tar.gz -C ~/training/
			vi ~/.bash_profile
				JAVA_HOME=/root/training/jdk1.8.0_181
				export JAVA_HOME

				PATH=$JAVA_HOME/bin:$PATH
				export PATH
			source ~/.bash_profile
			
3、大数据中几个基本概念:
	(*)什么是大数据?核心问题
			举例:(1)商品推荐		(问题1)大量的订单如何存储?
			                        (问题2)大量的订单如何计算?
									
				  (2)天气预报		(问题1)大量的天气数据如何存储?
				                    (问题2)大量的天气数据如何计算?
			
			核心问题:(1)数据存储:分布式文件系统 HDFS
			          (2)数据计算:分布式计算模型MapReduce、Spark RDD、Flink分区
							(A)离线计算、批处理
									MapReduce、Spark Core、Flink DataSet
							
							(B)实时计算、流处理
									Storm、Spark Streaming、Flink DataStream
				
	(*)数据仓库:本质上,就是一个数据库(Oracle、MySQL);一般,只做查询select
				   Hadoop、Spark、Flink、NoSQL都可以看成是数据仓库的一种实现方式。
	               数据仓库的搭建过程(画图)
				   数据仓库又是一种OLAP的应用
				   
	(*)OLTP、OLAP
		OLTP:online transaction processing 联机事务处理:insert update delete commit rollback
		OLAP:online analytic processing 联机分析处理:select
	
	
	
4、(重点)Google的三篇论文:三驾马车-----> 原理
	(1)GFS:Google File System ---->   HDFS:Hadoop Distributed File System
			画图:分布式文件系统的基本原理
			
		HDFS:主节点:NameNode
			  从节点:DataNode
	
	(2)MapReduce分布式计算模型 ---->  问题来源:PageRank(网页排序)问题
			Page 网页
			Rank 分数
			
			举一个更简单一点的例子,来解释MapReduce计算模型(MapReduce编程模型)
			Demo:wordcount
			位置:$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar
			命令:hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /input/data.txt /output/0223
		
		Yarn:主节点:ResourceManager
			  从节点:NodeManager
	
	(3)BigTable大表            -----> NoSQL数据库:HBase
		  回顾:关系型数据库,需要遵循范式的要求。范式的优点是:减少数据冗余
		                                           范式的缺点:影响性能
				关系型数据库是行式数据库,适合insert update select
	
		  大表思想:把所有的数据存入一张表中。不遵循范式要求。
					通过牺牲空间,提高性能。
					
			HBase是列式数据库,适合做select
					
		  对比:Oracle的表结构和HBase的表结构

第二章:搭建Hadoop环境

1、Hadoop的目录结构

2、Hadoop的本地模式

3、Hadoop的伪分布模式

4、免密码登录的原理和配置

5、Hadoop的全分布模式

第三章:HDFS体系架构

1、HDFS分布式文件系统
	(1)NameNode:名称节点
	(2)DataNode:数据节点
	(3)SecondaryNameNode:第二名称节点

2、Yarn:资源任务调度的容器(平台),执行MapReduce程序
	(1)ResourceManager
	(2)NodeManager
	Yarn如何进行资源的分配:三种分配的方式

3、HBase的体系架构和表结构

第四章:HDFS

1、操作HDFS:Web Console、命令行、Java API

2、HDFS的原理解析(画图)
	(1)数据上传的过程和原理
	(2)数据下载的过程和原理
	
3、HDFS的高级功能
	(1)回收站
	(2)快照:Snapshot,是一种备份
	(3)配额:Quota,名称配额、空间配额
	(4)安全模式:safemode
	(5)权限管理:类似Linux
	
4、HDFS的集群简介:联盟、HA

5、底层原理的实现
	(1)代理对象Proxy
	(2)RPC:remote procedure call 协议

第五章:MapReduce

1、经典案例:单词计数WordCount,实现这个过程

2、功能特性
	(1)序列化:Writable接口
	(2)排序
	(3)分区:非常重要,画图来解释
	(4)Combiner合并:优化的方式
	(5)MapReduce的核心:Shuffle洗牌
	
3、MapReduce的编程案例
	(1)数据去重
	(2)多表查询:类似SQL语句,补充讲一下数据库中的多表查询
	(3)实现倒排索引:原理会在HDFS中讲
	(4)使用MRUnit进行MapReduce的单元测试

第六章:Hbase

1、表结构和体系架构

2、搭建HBase的环境
	(1)本地模式
	(2)伪分布模式
	(3)全分布模式
	(4)HA
	
3、操作HBase:Web Console、命令行、Java API

4、HBase的过滤器:类似where条件

5、HBase中的MapReduce

第七章:Hive

都是Hadoop中的数据分析引擎,支持SQL语句

第八章:Pig

都是Hadoop中的数据分析引擎,支持PigLatin

第九章:Sqoop

实现数据采集,采集的是关系型数据库,基于JDBC

第十章:Zookeeper与HA

1、什么是ZooKeeper?功能特性、环境搭建

2、基于ZooKeeper实现Hadoop的HA:解决大数据主从架构的单点故障问题

3、HDFS的联盟:Federation

第十一章:HUE

基于Web的管理工具

你可能感兴趣的:(大数据开发工程师,大数据,hadoop,java,目录)