大資料入門之Hadoop基礎學習
在這裡還是要推薦下我自己建的大資料學習交流群:199427210，群裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入,大家都是軟體開發黨，不定期分享乾貨（只有大資料軟體開發相關的），包括我自己整理的一份最新的大資料進階資料和高階開發教程，歡迎進階中和進想深入大資料的小夥伴加入。
前言
目前人工智慧和大資料火熱，使用的場景也越來越廣，日常開發中前端同學也逐漸接觸了更多與大資料相關的開發需求。因此對大資料知識也有必要進行一些學習理解。
基礎概念
一、資料的儲存：分散式檔案系統(分散式儲存)
二、資料的計算：分部署計算
基礎知識
學習大資料需要具備Java知識基礎及Linux知識基礎
學習路線
(1)Java基礎和Linux基礎
(2)Hadoop的學習：體系結構、原理、程式設計
第一階段：HDFS、MapReduce、HBase(NoSQL資料庫)
第二階段：資料分析引擎 -> Hive、Pig
資料採集引擎 -> Sqoop、Flume
第三階段：HUE：Web管理工具
ZooKeeper：實現Hadoop的HA
Oozie：工作流引擎
(3)Spark的學習
第一階段：Scala程式語言
第二階段：Spark Core -> 基於記憶體、資料的計算
第三階段：Spark SQL -> 類似於mysql 的sql語句
第四階段：Spark Streaming ->進行流式計算：比如：自來水廠
(4)Apache Storm 類似：Spark Streaming ->進行流式計算
NoSQL：Redis基於記憶體的資料庫
HDFS
分散式檔案系統 解決以下問題：
• 硬碟不夠大：多幾塊硬碟，理論上可以無限大
• 資料不夠安全：冗餘度，hdfs預設冗餘為3 ，用水平復制提高效率，傳輸按照資料庫為單位：Hadoop1.x 64M，Hadoop2.x 128M
• 管理員：NameNode 硬碟：DataNode
MapReduce
基礎程式設計模型：把一個大任務拆分成小任務，再進行彙總
• MR任務：Job = Map + Reduce
Map的輸出是Reduce的輸入、MR的輸入和輸出都是在HDFS
MapReduce資料流程分析：
• Map的輸出是Reduce的輸入，Reduce的輸入是Map的集合
HBase
什麼是BigTable?: 把所有的資料儲存到一張表中，採用冗餘 ---> 好處：提高效率
• 因為有了bigtable的思想：NoSQL：HBase資料庫
• HBase基於Hadoop的HDFS的
• 描述HBase的表結構
核心思想是：利用空間換效率
Hadoop環境搭建
環境準備
Linux環境、JDK、http://mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz
安裝
1、安裝jdk、並配置環境變數
vim /etc/profile 末尾新增 
2、解壓hadoop-3.0.0.tar.gz、並配置環境變數
tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/ mv hadoop-3.0.0/ hadoop
vim /etc/profile 末尾新增
配置
Hadoop有三種安裝模式：
本地模式 ：
• 1臺主機
• 不具備HDFS，只能測試MapReduce程式
偽分佈模式：
• 1臺主機
• 具備Hadoop的所有功能，在單機上模擬一個分散式的環境
• (1)HDFS：主：NameNode，資料節點：DataNode
• (2)Yarn：容器，執行MapReduce程式
• 主節點：ResourceManager
• 從節點：NodeManager
全分佈模式：
• 至少3臺
我們以偽分佈模式為例配置：
修改hdfs-site.xml：冗餘度1、許可權檢查false
修改core-site.xml
修改mapred-site.xml
修改yarn-site.xml
格式化NameNode
hdfs namenode -format
看到common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted表示格式化成功
啟動
start-all.sh
(*)HDFS：儲存資料
(*)YARN：
訪問
HDFS: http://192.168.56.102:50070
Yarn: http://192.168.56.102:8088
檢視HDFS管理介面和yarn資源管理系統
基本操作：
HDFS相關命令
MapReduce示例
結果：
如上 一個最簡單的MapReduce示例就執行成功了
思考
Hadoop是基於Java語言的，前端日常開發是用的PHP，在使用、查詢錯誤時還是蠻吃力的。工作之餘還是需要多補充點其它語言的相關知識，程式語言是我們開發、學習的工具，而不應成為限制我們技術成長的瓶頸