大數據初學者的福利——Hadoop快速入門教程
Hadoop是一個由Apache基金會所開發的分布式系統集成架構,用戶可以在不了解分布式底層細節情況下,開發分布式程序,充分利用集群的威力來進行高速運算與存儲,具有可靠、高效、可伸縮的特點
Hadoop的核心是YARN,HDFS,Mapreduce,常用模塊架構如下
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體系中數據存儲管理的基礎,它是一個高度容錯的系統,能檢測和應對硬件故障
HDFS簡化了文件一致性模型,通過流式數據訪問,提供高吞吐量應用程序數據訪問功能,適合帶有大型數據集的應用程序,它提供了一次寫入多次讀取的機制,數據以塊的形式,同時分布在集群不同物理機器
3、Mapreduce
源自於谷歌的MapReduce論文,用以進行大數據量的計算,它屏蔽了分布式計算框架細節,將計算抽象成map和reduce兩部分
4、HBASE(分布式列存數據庫)
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數據可伸縮,高可靠,高性能分布式和面向列的動態模式數據庫
5、zookeeper
解決分布式環境下數據管理問題,統一命名,狀態同步,集群管理,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分布式資源管理器
是下一代mapreduce,主要解決原始的Hadoop擴展性較差,不支持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數據處理平臺,和Hadoop相比,spark可以讓你的程序在內存中運行
10、kafka
分布式消息隊列,主要用於處理活躍的流式數據
11、Hadoop偽分布式部署
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,對於國內用戶而言,絕大多數選擇該版本
3、HDP版本
這裏我們選擇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
[root@hadoop1 ~]# useradd hadoop
我的系統默認自帶的java環境如下
增加如下環境變量
做好如下授權
這裏以Hadoop用戶來進行管理和啟動Hadoop的各種服務
查看服務啟動情況
結語
感謝您的觀看,如有不足之處,歡迎批評指正。
為了幫助大家讓學習變得輕松、高效,給大家免費分享一大批資料,幫助大家在成為大數據工程師,乃至架構師的路上披荊斬棘。在這裏給大家推薦一個大數據學習交流圈:658558542 歡迎大家進×××流討論,學習交流,共同進步。
當真正開始學習的時候難免不知道從哪入手,導致效率低下影響繼續學習的信心。
但最重要的是不知道哪些技術需要重點掌握,學習時頻繁踩坑,最終浪費大量時間,所以有有效資源還是很有必要的。
最後祝福所有遇到瓶疾且不知道怎麽辦的大數據程序員們,祝福大家在往後的工作與面試中一切順利。
大數據初學者的福利——Hadoop快速入門教程