2. 软件开发
    3. 大数据入门框架Hadoop基础学习

    大数据入门框架Hadoop基础学习

    xiaoxiao2025-04-05  22

    目前人工智能和大数据火热，使用的场景也越来越广，日常开发中前端同学也逐渐接触了更多与大数据相关的开发需求。因此对大数据知识也有必要进行一些学习理解。

    基础概念

    大数据的本质

    一、数据的存储：分布式文件系统(分布式存储)

    二、数据的计算：分部署计算

    基础知识

    学习大数据需要具备Java知识基础及Linux知识基础

    学习路线

    (1)Java基础和Linux基础

    (2)Hadoop的学习：体系结构、原理、编程

    第一阶段：HDFS、MapReduce、HBase(NoSQL数据库)

    第二阶段：数据分析引擎 -> Hive、Pig

    数据采集引擎 -> Sqoop、Flume

    第三阶段：HUE：Web管理工具

    ZooKeeper：实现Hadoop的HA Oozie：工作流引擎

    (3)Spark的学习

    第一阶段：Scala编程语言

    第二阶段：Spark Core -> 基于内存、数据的计算

    第三阶段：Spark SQL -> 类似于mysql 的sql语句

    第四阶段：Spark Streaming ->进行流式计算：比如：自来水厂

    (4)Apache Storm 类似：Spark Streaming ->进行流式计算

    NoSQL：Redis基于内存的数据库

    HDFS

    分布式文件系统 解决以下问题：

    • 硬盘不够大：多几块硬盘，理论上可以无限大

    • 数据不够安全：冗余度，hdfs默认冗余为3 ，用水平复制提高效率，传输按照数据库为单位：Hadoop1.x 64M，Hadoop2.x 128M

    • 管理员：NameNode 硬盘：DataNode

    ![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/8ca9f78b244c7f991e73f71fd1e56421.png)

    MapReduce

    基础编程模型：把一个大任务拆分成小任务，再进行汇总

    • MR任务：Job = Map + Reduce

    Map的输出是Reduce的输入、MR的输入和输出都是在HDFS

    MapReduce数据流程分析：

    • Map的输出是Reduce的输入，Reduce的输入是Map的集合

    在这里我还是要推荐下我自己建的大数据学习交流qq裙：522189307 ， 裙 里都是学大数据开发的，如果你正在学习大数据 ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有大数据开发相关的），包括我自己整理的一份最新的大数据进阶资料和高级开发教程，欢迎进阶中和进想深入大数据的小伙伴。上述资料加群可以领取  

     

     

    HBase

    什么是BigTable?: 把所有的数据保存到一张表中，采用冗余 ---> 好处：提高效率

    • 因为有了bigtable的思想：NoSQL：HBase数据库

    • HBase基于Hadoop的HDFS的

    • 描述HBase的表结构

    核心思想是：利用空间换效率

     

     

    Hadoop环境搭建

    环境准备

    Linux环境、JDK、http://mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz

    安装

    1、安装jdk、并配置环境变量

    vim /etc/profile 末尾添加 ![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/a9bf2e19410f9b3d38c8b0ca64b2f264.png)

    2、解压hadoop-3.0.0.tar.gz、并配置环境变量

    tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/ mv hadoop-3.0.0/ hadoop

     

     

     

     

     

     

    vim /etc/profile 末尾添加

     

     

    配置

    Hadoop有三种安装模式：

    本地模式 ：

    • 1台主机 • 不具备HDFS，只能测试MapReduce程序

    伪分布模式：

    • 1台主机 • 具备Hadoop的所有功能，在单机上模拟一个分布式的环境 • (1)HDFS：主：NameNode，数据节点：DataNode • (2)Yarn：容器，运行MapReduce程序 • 主节点：ResourceManager • 从节点：NodeManager

    全分布模式：

    • 至少3台

    我们以伪分布模式为例配置：

    修改hdfs-site.xml：冗余度1、权限检查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

    启动

    start-all.sh

    (*)HDFS：存储数据

    (*)YARN：

    访问

     

     

    HDFS: http://192.168.56.102:50070

    Yarn: http://192.168.56.102:8088

     

     

    查看HDFS管理界面和yarn资源管理系统

     

     

     

     

     

     

    基本操作：

    HDFS相关命令

     

     

     

     

    MapReduce示例

     

     

    结果：

     

     

    如上 一个最简单的MapReduce示例就执行成功了

    思考

    Hadoop是基于Java语言的，前端日常开发是用的PHP，在使用、查找错误时还是蛮吃力的。工作之余还是需要多补充点其它语言的相关知识，编程语言是我们开发、学习的工具，而不应成为限制我们技术成长的瓶颈

    最新回复(0)