1 大数据简介

平台架构

image.png
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。

应用

image.png

2 Hadoop架构组成

HDFS

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

  • NameNode nn存储文件的元数据，如文件名、文件目录结构、文件属性，以及每个文件的块列表和块所在的DataNode
  • DataNode dn存储文件块数据及其校验和
  • Secondary NameNode 2nn对元数据备份

YARN

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

MapReduce

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

三者关系

image.png

3 构建Hadoop集群

（1）模板虚拟机准备

（2）克隆虚拟机3台

（3）集群安装

以上内容参考atguigu文档即可。

4 Hadoop运行

安装

  • 解压jdk并配置环境变量
  • 解压hadoop 并配置环境变量

    运行简介

    hadoop目录如下：
    （1） bin 目录：存放对 Hadoop 相关服务（hdfs， yarn， mapred）进行操作的脚本
    （2） etc 目录： Hadoop 的配置文件目录，存放 Hadoop 的配置文件
    （3） lib 目录：存放 Hadoop 的本地库（对数据进行压缩解压缩功能）
    （4） sbin 目录：存放启动或停止 Hadoop 相关服务的脚本
    （5） share 目录：存放 Hadoop 的依赖 jar 包、 文档、 和官方案例
    hadoop运行模式：
    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。
    ➢ 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。
    ➢ 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。

完全分布式启动

1）准备 3 台客户机（关闭防火墙、静态 IP、主机名称）
2）安装 JDK
3）配置环境变量
4）安装 Hadoop
5）配置环境变量
6）配置集群
7）单点启动
8） 配置 ssh
m-shell脚本
9） 群起并测试集群

集群部署规划

image.png
image.png