Hadoop学习

Hadoop学习

关于集群,分布式集群,节点等概念
戳我

HDFS，是一个分布式文件系统
把数据(比如岛国资料)存储在多个服务器上
数据都存储在什么位置:NameNode(nn):存储文件的元数据，如文件名，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和块所在的DataNode等。
每台服务器,又叫DataNode:用于具体存储数据:在本地文件系统存储文件块数据，以及块数据的校验和。
2NN 一个类似秘书的角色:每隔一段时间对NameNode元数据备份。

主要记住:整个集群资源的老大:ResourseManager,单节点服务器资源的老大:NodeManager
一台性能好的服务器可以虚拟出多个container(d幕提到docker),一个container默认1-8g内存


图中涉及的技术名词解释如下：
1）Sqoop：Sqoop 是一款开源的工具，主要用于在 Hadoop、Hive 与传统的数据库（MySQL）
间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进
到 Hadoop 的 HDFS 中，也可以将 HDFS 的数据导进到关系型数据库中。
2）Flume：Flume 是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，
Flume 支持在日志系统中定制各类数据发送方，用于收集数据；
3）Kafka：Kafka 是一种高吞吐量的分布式发布订阅消息系统；
4）Spark：Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大数
据进行计算。
5）Flink：Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
6）Oozie：Oozie 是一个管理 Hadoop 作业（job）的工作流程调度管理系统。
7）Hbase：Hbase 是一个分布式的、面向列的开源数据库。Hbase 不同于一般的关系数据库，
它是一个适合于非结构化数据存储的数据库。
8）Hive：Hive 是基于 Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张
数据库表，并提供简单的 SQL 查询功能，可以将 SQL 语句转换为 MapReduce 任务进行运
行。其优点是学习成本低，可以通过类 SQL 语句快速实现简单的 MapReduce 统计，不必开
发专门的 MapReduce 应用，十分适合数据仓库的统计分析。
9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、
名字服务、分布式同步、组服务等。

虚拟机配置

！！！千万不要卸载原来的重装，后患无穷只能说。
Linux系统配置过程中：
swap：内存不够时，硬盘里抽出一部分当作内存用。
kdump:系统奔溃时，保留一部分内存
ctrl+滚轮,调节窗口显示大小

win10的安全保护更严格,很多 *** 作都要这么来

ctrl+c停止ping网络

ctrl+l或者clear清空屏幕(本质是向后翻了一页)

使用vim /etc/sudoers修改权限找不到root ALL:一直回车,他就会往下拉.(yy复制,p粘贴:噢,是vim的命令)

更改权限:

卸载jdk:


Hadoop 运行模式包括：本地模式、伪分布式模式以及完全分布式模式。
➢ 本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。数据储存在linux本地.
➢ 伪分布式模式：也是单机运行，但是具备 Hadoop 集群的所有功能，一台服务器模
拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。数据储存在HDFS.
➢ 完全分布式模式：多台服务器组成分布式环境。生产环境使用。

拷贝jdk,hadoop等文件到另外的服务器上(使用scp(第一次使用),rcync(后面进行更改))



配置环境变量的作用:任何目录下都可以用

集群配置

vim一般模式下用u撤销

执行wordcount程序报错
戳我

kill -9 xxxx命令: 强制杀死端口为xxxx的命令

集群崩溃处理方法:看硅谷视频32集

关于hadoopweb界面的一些解读:
戳我

更改完yarn(集群内容)设置后,一定要重启yarn(集群)相关进程:(后面编写了相应脚本)



第二行那个是hdfs NameNode 对外端口
2、常用的配置文件
3.x core-site.xml hdfs-site.xml yarn-site.xml mapred-site.xml workers
2.x core-site.xml hdfs-site.xml yarn-site.xml mapred-site.xml slaves

对应集群崩溃处理方法那一节

HDFS

HDFS 的 Shell *** 作

hadoop fs 具体命令 OR hdfs dfs 具体命令
两个是完全相同的。

和linux命令差不多,基本上都要会的
1.moveFromLocal: 原文件move走了就没有了,去了新文件夹里
…


注意集群里的文件位置和本地文件位置不同 !

2.3.4直接 *** 作