大数据开发 hadoop集群 2.hadoop框架入门

自从我学会了寻找,我就已经找到 ------史铁生

------ 24.3.10

内容简介

Hadoop入门:

①概念 ②环境准备 ③hadoop生产集群搭建 ④常见错误的解决方案

①概念:1.Hadoop是什么 2.Hadoop发展历史 3.Hadoop的三大发行版本 4.Hadoop的优势 5.Hadoop的组成 6.大数据技术生态体系 7.推荐系统案例

②环境准备(前戏):1模板虚拟机准备 2.克隆 3.安装JDK、Hadoop

③Hadoop生产集群搭建:1.本地模式 2.完全分布式(开发和面试的重点)

一、hadoop是什么

1>Hadoop是一个由Apache基金会所开发的分布式系统基础架构

2>主要解决,海量数据的存储 和海量数据的分析计算问题

3>广义上说,Hadoop通常是指一个更广泛的概念------Hadoop生态圈

二、Hadoop的发展历史

1>Hadoop创始人DougCutting,为了实现与Google类似的全文搜索功能,他在Lucene框架基础上进行优级,查询引擎和索引引擎。

2)2001年年底Lucene成为Apache基金会的一个子项目

3)对于海量数据的场景,Lucene框架面对与Google同样的困难,存储海量数据困难,检索海量速度慢

4)学习和模仿Google解决这些问题的办法:微型版Nutch。

5> 可以说Google是Hadoop的思想之源

GFS ---> HDFS

Map-Reduce ---> MR

BigTable ---> HBase

6)2003-2004年,Google公开了部分GFS和MapReduce思想的细节,以此为基础DougCutting等人用了2年业余时间实现了DFS和MapReduce机制,使Nutch性能飙升。

7)2005 年Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。

8)2006年3月份,Map-Reduce和Nutch Distributed File System(NDFS)分别被纳入到 Hadoop 项Hadoop就此正式诞生,标志着大数据时代来临。中,

9)名字来源于Doug Cutting儿子的玩具大象

三、Hadoop 三大发行版本(了解)

Hadoop三大发行版本:Apache、Cloudera、Hortonworks。

Apache 版本最原始(最基础)的版本,对于入门学习最好。2006eCloudera内部集成了很多大数据框架,对应产品CDH。2008

Hortonworks文档较好,对应产品HDP。

Hortonworks 现在已经被Cloudera 公司收购,推出新的品牌CDP

四、Hadoop优势(四高)

**1>高可靠性:**Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元素或存储出现故障,也不会导致数据的丢失

**2>高拓展性:**在集群间分配任务数据,可方便的拓展数以千计的节点

**3>高效性:**在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理速度

**4>高容错性:**能够自动将失败的任务重新分配

五、Hadoop的组成

5.1 1.x、2.x、3.x的组成区别

5.2 HDFS架构概述

Hadoop Distributed File System 简称 HDFS,是一个分布式文件系统

1)NameNode(nn):存储文件的元数据,文件名,文件目录结构,文件属性 (生成时间、副本数文件权限),以及每个文件的块列表块所在的DataNode 等。

2)DataNode(dn):在本地文件系统存储文件块数据 ,以及块数据的校验和

3)Secondary NameNode(2nn):每隔一段时间对NameNode元数据备份,

5.3 YARN 架构概述

Yet Another Resource Negotiator 简称 YARN,另一种资源协调者,是Hadoop的资源管理器

5.4 MapReduce 架构概述

MapReduce将计算过程分为两个阶段:Map和Reduce

1)Map阶段并行处理输入数据

2)Reduce阶段对Map结果进行汇总

5.5 HDFS、YARN、MapReduce三者关系

六、大数据技术生态体系*

七、推荐系统的架构图

相关推荐
瞎胡侃9 小时前
Spark读取Apollo配置
大数据·spark·apollo
悻运9 小时前
如何配置Spark
大数据·分布式·spark
懒惰的橘猫9 小时前
Spark集群搭建之Yarn模式
大数据·分布式·spark
2401_824256869 小时前
Spark-Streaming
大数据·分布式·spark
胡耀超9 小时前
附1:深度解读:《金融数据安全 数据安全分级指南》——数据分类的艺术专栏系列
大数据·金融·数据治理·生命周期·数据分类·政策法规
合新通信 | 让光不负所托9 小时前
【合新通信】浸没式液冷光模块与冷媒兼容性测试技术报告
大数据·网络·光纤通信
元63310 小时前
spark和hadoop之间的对比和联系
大数据·hadoop·spark
cooldream200910 小时前
深入解析大数据的Lambda架构:设计、特点与应用场景
大数据·架构·系统架构师
淋一遍下雨天11 小时前
Spark-Streaming核心编程
大数据·kafka
jack xu111 小时前
高频面试题:如何保证数据库和es数据一致性
java·大数据·数据库·mysql·elasticsearch