大資料學習之Hadoop快速入門
1、Hadoop生態概況
Hadoop是一個由Apache基金會所開發的分散式系統整合架構，使用者可以在不瞭解分散式底層細節情況下，開發分散式程式，充分利用叢集的威力來進行高速運算與儲存，具有可靠、高效、可伸縮的特點。 大資料學習資料分享群119599574
Hadoop的核心是YARN,HDFS,Mapreduce,常用模組架構如下
2、HDFS
源自谷歌的GFS論文，發表於2013年10月，HDFS是GFS的克隆版，HDFS是Hadoop體系中資料儲存管理的基礎，它是一個高度容錯的系統，能檢測和應對硬體故障
HDFS簡化了檔案一致性模型，通過流式資料訪問，提供高吞吐量應用程式資料訪問功能，適合帶有大型資料集的應用程式，它提供了一次寫入多次讀取的機制，資料以塊的形式，同時分佈在叢集不同物理機器
3、Mapreduce
源自於谷歌的MapReduce論文，用以進行大資料量的計算，它遮蔽了分散式計算框架細節，將計算抽象成map和reduce兩部分
4、HBASE（分散式列存資料庫）
源自谷歌的Bigtable論文，是一個建立在HDFS之上，面向列的針對結構化的資料可伸縮，高可靠，高效能分散式和麵向列的動態模式資料庫
5、zookeeper
解決分散式環境下資料管理問題，統一命名，狀態同步，叢集管理，配置同步等
6、HIVE
由Facebook開源，定義了一種類似sql查詢語言，將SQL轉化為mapreduce任務在Hadoop上面執行
7、flume
日誌收集工具
8、yarn分散式資源管理器
是下一代mapreduce，主要解決原始的Hadoop擴充套件性較差，不支援多種計算框架而提出的，架構如下
9、spark
spark提供了一個更快更通用的資料處理平臺，和Hadoop相比，spark可以讓你的程式在記憶體中執行 大資料學習資料分享群119599574
10、kafka
分散式訊息佇列，主要用於處理活躍的流式資料
11、Hadoop偽分散式部署
目前而言，不收費的Hadoop版本主要有三個，都是國外廠商，分別是
1、Apache原始版本
2、CDH版本，對於國內使用者而言，絕大多數選擇該版本
3、HDP版本
這裡我們選擇CDH版本hadoop-2.6.0-cdh5.8.2.tar.gz，環境是centos7.1，jdk需要1.7.0_55以上
[[email protected] ~]# useradd hadoop
我的系統預設自帶的java環境如下
[[email protected] ~]# ll /usr/lib/jvm/
total 12
lrwxrwxrwx. 1 root root 26 Oct 27 22:48 java -> /etc/alternatives/java_sdk
lrwxrwxrwx. 1 root root 32 Oct 27 22:48 java-1.6.0 -> /etc/alternatives/java_sdk_1.6.0
drwxr-xr-x. 7 root root 4096 Oct 27 22:48 java-1.6.0-openjdk-1.6.0.34.x86_64
lrwxrwxrwx. 1 root root 34 Oct 27 22:48 java-1.6.0-openjdk.x86_64 -> java-1.6.0-openjdk-1.6.0.34.x86_64
lrwxrwxrwx. 1 root root 32 Oct 27 22:44 java-1.7.0 -> /etc/alternatives/java_sdk_1.7.0
lrwxrwxrwx. 1 root root 40 Oct 27 22:44 java-1.7.0-openjdk -> /etc/alternatives/java_sdk_1.7.0_openjdk
drwxr-xr-x. 8 root root 4096 Oct 27 22:44 java-1.7.0-openjdk-1.7.0.75-2.5.4.2.el7_0.x86_64
lrwxrwxrwx. 1 root root 32 Oct 27 22:44 java-1.8.0 -> /etc/alternatives/java_sdk_1.8.0
lrwxrwxrwx. 1 root root 40 Oct 27 22:44 java-1.8.0-openjdk -> /etc/alternatives/java_sdk_1.8.0_openjdk
drwxr-xr-x. 7 root root 4096 Oct 27 22:44 java-1.8.0-openjdk-1.8.0.31-2.b13.el7.x86_64
lrwxrwxrwx. 1 root root 34 Oct 27 22:48 java-openjdk -> /etc/alternatives/java_sdk_openjdk
lrwxrwxrwx. 1 root root 21 Oct 27 22:44 jre -> /etc/alternatives/jre
lrwxrwxrwx. 1 root root 27 Oct 27 22:44 jre-1.6.0 -> /etc/alternatives/jre_1.6.0
lrwxrwxrwx. 1 root root 38 Oct 27 22:44 jre-1.6.0-openjdk.x86_64 -> java-1.6.0-openjdk-1.6.0.34.x86_64/jre
lrwxrwxrwx. 1 root root 27 Oct 27 22:44 jre-1.7.0 -> /etc/alternatives/jre_1.7.0
lrwxrwxrwx. 1 root root 35 Oct 27 22:44 jre-1.7.0-openjdk -> /etc/alternatives/jre_1.7.0_openjdk
lrwxrwxrwx. 1 root root 52 Oct 27 22:44 jre-1.7.0-openjdk-1.7.0.75-2.5.4.2.el7_0.x86_64 -> java-1.7.0-openjdk-1.7.0.75-2.5.4.2.el7_0.x86_64/jre
lrwxrwxrwx. 1 root root 27 Oct 27 22:44 jre-1.8.0 -> /etc/alternatives/jre_1.8.0
lrwxrwxrwx. 1 root root 35 Oct 27 22:44 jre-1.8.0-openjdk -> /etc/alternatives/jre_1.8.0_openjdk
lrwxrwxrwx. 1 root root 48 Oct 27 22:44 jre-1.8.0-openjdk-1.8.0.31-2.b13.el7.x86_64 -> java-1.8.0-openjdk-1.8.0.31-2.b13.el7.x86_64/jre
lrwxrwxrwx. 1 root root 29 Oct 27 22:44 jre-openjdk -> /etc/alternatives/jre_openjdk[[email protected] ~]# cat /home/hadoop/.bashrc 增加如下環境變數
export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.75-2.5.4.2.el7_0.x86_64
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin
export HADOOP_PREFIX=/opt/hadoop/current
export HADOOP_MAPRED_HOME=${HADOOP_PREFIX}
export HADOOP_COMMON_HOME=${HADOOP_PREFIX}
export HADOOP_HDFS_HOME=${HADOOP_PREFIX}
export HADOOP_YARN_HOME=${HADOOP_PREFIX}
export HTTPS_CATALINA_HOME=${HADOOP_PREFIX}/share/hadoop/httpfs/tomcat
export HADOOP_CONF_DIR=/etc/hadoop/conf
export YARN_CONF_DIR=/etc/hadoop/conf
export HTTPS_CONFIG=/etc/hadoop/conf
export PATH=$PATH:$HADOOP_PREFIX/bin:$HADOOP_PREFIX/sbin我們將Hadoop安裝在/opt/hadoop目錄下面，建立如下軟連線，配置檔案放在/etc/hadoop/conf目錄下面
[[email protected] hadoop]# ll current
lrwxrwxrwx 1 root root 21 Oct 29 11:02 current -> hadoop-2.6.0-cdh5.8.2
做好如下授權
[[email protected] hadoop]# chown -R hadoop.hadoop hadoop-2.6.0-cdh5.8.2
[[email protected] hadoop]# chown -R hadoop.hadoop /etc/hadoop/conf
CDH5新版本的Hadoop啟動服務腳步位於$HADOOP_HOME/sbin目錄下面，啟動服務有如下
namenode
secondarynamenode
datanode
resourcemanger
nodemanager
這裡以Hadoop使用者來進行管理和啟動Hadoop的各種服務
[[email protected] etc]# cd /etc/hadoop/conf/
[[email protected] conf]# vim core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop1</value>
</property>
</configuration>
格式化namenode
[[email protected] conf]# cd /opt/hadoop/current/bin
[[email protected] bin]# hdfs namenode -format
啟動namenode服務
[[email protected] bin]# cd /opt/hadoop/current/sbin/
[[email protected] sbin]# ./hadoop-daemon.sh start namenode
[[email protected] sbin]$ ./hadoop-daemon.sh start datanode檢視服務啟動情況
namenode啟動完成後，就可以通過web介面檢視狀態了，預設埠是50070，我們訪問測試下
