大數據學習之Hadoop快速入門

1、Hadoop生態概況

Hadoop是一個由Apache基金會所開發的分散式系統集成架構，用戶可以在不瞭解分散式底層細節情況下，開發分散式程式，充分利用集群的威力來進行高速運算與存儲，具有可靠、高效、可伸縮的特點。
大數據學習資料分享群119599574

Hadoop的核心是YARN,HDFS,Mapreduce,常用模塊架構如下

2、HDFS

源自谷歌的GFS論文，發表於2013年10月，HDFS是GFS的克隆版，HDFS是Hadoop體系中數據存儲管理的基礎，它是一個高度容錯的系統，能檢測和應對硬體故障

HDFS簡化了文件一致性模型，通過流式數據訪問，提供高吞吐量應用程式數據訪問功能，適合帶有大型數據集的應用程式，它提供了一次寫入多次讀取的機制，數據以塊的形式，同時分佈在集群不同物理機器

3、Mapreduce

源自於谷歌的MapReduce論文，用以進行大數據量的計算，它屏蔽了分散式計算框架細節，將計算抽象成map和reduce兩部分

4、HBASE（分散式列存資料庫）

源自谷歌的Bigtable論文，是一個建立在HDFS之上，面向列的針對結構化的數據可伸縮，高可靠，高性能分散式和麵向列的動態模式資料庫

5、zookeeper

解決分散式環境下數據管理問題，統一命名，狀態同步，集群管理，配置同步等

6、HIVE

由Facebook開源，定義了一種類似sql查詢語言，將SQL轉化為mapreduce任務在Hadoop上面執行

7、flume

日誌收集工具

8、yarn分散式資源管理器

是下一代mapreduce，主要解決原始的Hadoop擴展性較差，不支持多種計算框架而提出的，架構如下

9、spark

spark提供了一個更快更通用的數據處理平臺，和Hadoop相比，spark可以讓你的程式在記憶體中運行
大數據學習資料分享群119599574

10、kafka

分散式消息隊列，主要用於處理活躍的流式數據

11、Hadoop偽分散式部署

目前而言，不收費的Hadoop版本主要有三個，都是國外廠商，分別是

1、Apache原始版本

2、CDH版本，對於國內用戶而言，絕大多數選擇該版本

3、HDP版本

這裡我們選擇CDH版本hadoop-2.6.0-cdh5.8.2.tar.gz，環境是centos7.1，jdk需要1.7.0_55以上

[root@hadoop1 ~]# useradd hadoop

我的系統預設自帶的java環境如下

1.   [root@hadoop1 ~]# ll /usr/lib/jvm/
2.   total 12
3.   lrwxrwxrwx. 1 root root 26 Oct 27 22:48 java -> /etc/alternatives/java_sdk
4.   lrwxrwxrwx. 1 root root 32 Oct 27 22:48 java-1.6.0 -> /etc/alternatives/java_sdk_1.6.0
5.   drwxr-xr-x. 7 root root 4096 Oct 27 22:48 java-1.6.0-openjdk-1.6.0.34.x86_64
6.   lrwxrwxrwx. 1 root root 34 Oct 27 22:48 java-1.6.0-openjdk.x86_64 -> java-1.6.0-openjdk-1.6.0.34.x86_64
7.   lrwxrwxrwx. 1 root root 32 Oct 27 22:44 java-1.7.0 -> /etc/alternatives/java_sdk_1.7.0
8.   lrwxrwxrwx. 1 root root 40 Oct 27 22:44 java-1.7.0-openjdk -> /etc/alternatives/java_sdk_1.7.0_openjdk
9.   drwxr-xr-x. 8 root root 4096 Oct 27 22:44 java-1.7.0-openjdk-1.7.0.75-2.5.4.2.el7_0.x86_64
10.   lrwxrwxrwx. 1 root root 32 Oct 27 22:44 java-1.8.0 -> /etc/alternatives/java_sdk_1.8.0
11.   lrwxrwxrwx. 1 root root 40 Oct 27 22:44 java-1.8.0-openjdk -> /etc/alternatives/java_sdk_1.8.0_openjdk
12.   drwxr-xr-x. 7 root root 4096 Oct 27 22:44 java-1.8.0-openjdk-1.8.0.31-2.b13.el7.x86_64
13.   lrwxrwxrwx. 1 root root 34 Oct 27 22:48 java-openjdk -> /etc/alternatives/java_sdk_openjdk
14.   lrwxrwxrwx. 1 root root 21 Oct 27 22:44 jre -> /etc/alternatives/jre
15.   lrwxrwxrwx. 1 root root 27 Oct 27 22:44 jre-1.6.0 -> /etc/alternatives/jre_1.6.0
16.   lrwxrwxrwx. 1 root root 38 Oct 27 22:44 jre-1.6.0-openjdk.x86_64 -> java-1.6.0-openjdk-1.6.0.34.x86_64/jre
17.   lrwxrwxrwx. 1 root root 27 Oct 27 22:44 jre-1.7.0 -> /etc/alternatives/jre_1.7.0
18.   lrwxrwxrwx. 1 root root 35 Oct 27 22:44 jre-1.7.0-openjdk -> /etc/alternatives/jre_1.7.0_openjdk
19.   lrwxrwxrwx. 1 root root 52 Oct 27 22:44 jre-1.7.0-openjdk-1.7.0.75-2.5.4.2.el7_0.x86_64 -> java-1.7.0-openjdk-1.7.0.75-2.5.4.2.el7_0.x86_64/jre
20.   lrwxrwxrwx. 1 root root 27 Oct 27 22:44 jre-1.8.0 -> /etc/alternatives/jre_1.8.0
21.   lrwxrwxrwx. 1 root root 35 Oct 27 22:44 jre-1.8.0-openjdk -> /etc/alternatives/jre_1.8.0_openjdk
22.   lrwxrwxrwx. 1 root root 48 Oct 27 22:44 jre-1.8.0-openjdk-1.8.0.31-2.b13.el7.x86_64 -> java-1.8.0-openjdk-1.8.0.31-2.b13.el7.x86_64/jre
23.   lrwxrwxrwx. 1 root root 29 Oct 27 22:44 jre-openjdk -> /etc/alternatives/jre_openjdk

[root@hadoop1 ~]# cat /home/hadoop/.bashrc 增加如下環境變數

1.   export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.75-2.5.4.2.el7_0.x86_64
2.   export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
3.   export PATH=$PATH:$JAVA_HOME/bin
4.   export HADOOP_PREFIX=/opt/hadoop/current
5.   export HADOOP_MAPRED_HOME=${HADOOP_PREFIX}
6.   export HADOOP_COMMON_HOME=${HADOOP_PREFIX}
7.   export HADOOP_HDFS_HOME=${HADOOP_PREFIX}
8.   export HADOOP_YARN_HOME=${HADOOP_PREFIX}
9.   export HTTPS_CATALINA_HOME=${HADOOP_PREFIX}/share/hadoop/httpfs/tomcat
10.   export HADOOP_CONF_DIR=/etc/hadoop/conf
11.   export YARN_CONF_DIR=/etc/hadoop/conf
12.   export HTTPS_CONFIG=/etc/hadoop/conf
13.   export PATH=$PATH:$HADOOP_PREFIX/bin:$HADOOP_PREFIX/sbin

我們將Hadoop安裝在/opt/hadoop目錄下麵，建立如下軟連接，配置文件放在/etc/hadoop/conf目錄下麵

[root@hadoop1 hadoop]# ll current

lrwxrwxrwx 1 root root 21 Oct 29 11:02 current -> hadoop-2.6.0-cdh5.8.2

做好如下授權

[root@hadoop1 hadoop]# chown -R hadoop.hadoop hadoop-2.6.0-cdh5.8.2

[root@hadoop1 hadoop]# chown -R hadoop.hadoop /etc/hadoop/conf

CDH5新版本的Hadoop啟動服務腳步位於$HADOOP_HOME/sbin目錄下麵，啟動服務有如下

namenode

secondarynamenode

datanode

resourcemanger

nodemanager

這裡以Hadoop用戶來進行管理和啟動Hadoop的各種服務

[root@hadoop1 etc]# cd /etc/hadoop/conf/

[root@hadoop1 conf]# vim core-site.xml 

1.   <configuration>
2.    
3.   <property>
4.   <name>fs.defaultFS</name>
5.   <value>hdfs://hadoop1</value>
6.   </property>
7.    
8.    
9.   </configuration>
10.    
11.   格式化namenode
12.   [root@hadoop1 conf]# cd /opt/hadoop/current/bin
13.   [root@hadoop1 bin]# hdfs namenode -format
14.    
15.   啟動namenode服務
16.   [root@hadoop1 bin]# cd /opt/hadoop/current/sbin/
17.   [root@hadoop1 sbin]# ./hadoop-daemon.sh start namenode
18.   [hadoop@hadoop1 sbin]$ ./hadoop-daemon.sh start datanode

查看服務啟動情況

namenode啟動完成後，就可以通過web界面查看狀態了，預設埠是50070，我們訪問測試下