ToB企服应用市场:ToB评测及商务社交产业平台

标题: 大数据存储技术（1）—— Hadoop简介及安装配置 [打印本页]
作者: 用户云卷云舒    时间: 2024-11-3 10:55
标题: 大数据存储技术（1）—— Hadoop简介及安装配置
目次
一、Hadoop简介
（一）概念
（二）Hadoop发展历史
（三）Hadoop三大发行版本
（四）Hadoop的优势 
二、Hadoop的构成 
（一）Hadoop1.x和Hadoop2.x的区别​编辑
（二）Hadoop的三种运行模式
（三）HDFS架构概述
（四）YARN架构概述
（五）MapReduce架构概述
（六）大数据技术生态体系 
三、Hadoop安装配置
（一）假造机情况准备
（二）安装JDK
（三）安装Hadoop
（四）配置伪分布式Hadoop集群

一、Hadoop简介

（一）概念

1、Hadoop是一个由Apache基金会所开发的分布式体系根本架构。
2、紧张解决，海量数据的存储和海量数据的分析盘算题目。
3、广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈。

（二）Hadoop发展历史

1、Lucene框架是Doug Cutting开创的开源软件，用Java誊写代码，实现与Google雷同的全文搜索功能，它提供了全文检索引擎的架构，包括完整的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面临与Google同样的困难，存储数据困难，检索速度慢。
4、学习和模拟Google解决这些题目的办法：微型版Nutch。
5、可以说Google是Hadoop的思想之源（Google在大数据方面的三篇论文）
        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，以此为根本Doug Cutting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项目中，Hadoop就此正式诞生，标志着大数据时代到临。
9、名字来源于Doug Cutting儿子的玩具大象，如图。

（三）Hadoop三大发行版本

Hadoop三大发行版本:Apache、Cloudera、Hortonworks。
        Apache版本最原始（最根本）的版本，对于入门学习最好。
        Cloudera在大型互联网企业中用的较多。
        Hortonworks文档较好。
1. Apache Hadoop
官网地点：http://hadoop.apache.org/releases.html
下载地点：https://archive.apache.org/dist/hadoop/common/
2. Cloudera Hadoop 
官网地点：https://www.cloudera.com/downloads/cdh/5-10-0.html
下载地点：http://archive-primary.cloudera.com/cdh5/cdh/5/
（1）2008 年建立的 Cloudera 是最早将 Hadoop 商用的公司，为合作伙伴提供 Hadoop 的商用解决方案，紧张是包括支持、咨询服务、培训。
（2）2009 年 Hadoop 的首创人 Doug Cutting 也加盟 Cloudera 公司。Cloudera 产品紧张为 CDH，Cloudera Manager，Cloudera Support。
（3）CDH 是 Cloudera 的 Hadoop 发行版，完全开源，比 Apache Hadoop 在兼容性，安全性，稳定性上有所增强。
（4）Cloudera Manager 是集群的软件分发及管理监控平台，可以在几个小时内部署好一个Hadoop 集群，并对集群的节点及服务举行及时监控。Cloudera Support 便是对 Hadoop 的技术支持。
（5）Cloudera 的标价为每年每个节点 4000 美元。Cloudera 开发并贡献了可及时处理大数据的 Impala 项目。
3. Hortonworks Hadoop
官网地点：https://hortonworks.com/products/data-center/hdp/
下载地点：https://hortonworks.com/downloads/#data-platform
（1）2011 年建立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。
（2）公司建立之初就吸纳了大约 25 名至 30 名专门研究 Hadoop 的雅虎工程师，上述工程师均在 2005 年开始协助雅虎开发 Hadoop，贡献了 Hadoop80%的代码。
（3）雅虎工程副总裁、雅虎 Hadoop 开发团队负责人 Eric Baldeschwieler 出任 Hortonworks的首席执行官。
（4）Hortonworks 的主打产品是 Hortonworks Data Platform（HDP），也同样是 100%开源的产品，HDP 除常见的项目外还包括了 Ambari，一款开源的安装和管理体系。
（5）HCatalog，一个元数据管理体系，HCatalog 现已集成到 Facebook 开源的 Hive 中。Hortonworks 的 Stinger 开创性的极大的优化了 Hive 项目。Hortonworks 为入门提供了一个非常好的，易于利用的沙盒。
（6）Hortonworks 开发了很多增强特性并提交至焦点主干，这使得 Apache Hadoop 可以或许在包括 Window Server 和 Windows Azure 在内的 Microsoft Windows 平台上本地运行。定价以集群为根本，每 10 个节点每年为 12500 美元。
（四）Hadoop的优势 

1、高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个盘算元素或存储出现故障，也不会导致数据的丢失。
2、高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3、高效性：在MapReduce的思想下，Hadoop是并行工作的，以加速任务处理速度。
4、高容错性：可以或许主动将失败的任务重新分配。
二、Hadoop的构成 

（一）Hadoop1.x和Hadoop2.x的区别


（二）Hadoop的三种运行模式

        基于Hadoop举行开发时，Hadoop存在着三种部署方式，分别对应着单机、伪分布式、完全分布式等三种运行模式。
        首先对Hadoop 的组件，均利用XML文件举行配置。core-site.xml 文件用于通用属性配置，hdfs-site.xml 文件用于HDFS 的属性配置，mapred-site.xml文件用于MapReduce 的属性配置，yarn-site.xml用于YARN的属性配置。这些文件都存储在Hadoop安装目次下的etc/hadoop目次中。以上四个配置文件体系都有默认设置，分别生存在share/doc 子目次下的四个XML文件中，如core-defaut.xml等。下面简单介绍下Hadoop的三种运行模式。
1. 单机模式
单机模式是Hadoop的默认模式，不对配置文件举行修改，利用本地文件体系，而不是分布式文件体系。Hadoop不会启动NameNode、 DataNode等保卫进程，Map和Reduce任务作为同一个进程的不同部分来执行，所有的程序都运行在单个JVM上。这种模式一般用于对MapReduce程序的逻辑举行调试，确保程序的精确。
2.伪分布式模式
在这种模式下，Hadoop保卫进程运行在本地呆板上，模拟一个小规模的集群，在一台主机上模拟多主机。 Hadoop启动NameNode、 DataNode 这些保卫进程都在同一台呆板上运行，是相互独立的Java进程。在这种模式下，Hadoop 利用的是分布式文件体系，各个作业也是独立管理，雷同于完全分布式模式，常用来测试开发的Hadoop程序执行是否精确。
3.完全分布式模式
在这种模式下，Hadoop 的保卫进程运行在由多台主机搭建的集群上，是生产情况必须的配置模式。在所有的主机上都安装JDK和Hadoop，并构成相互连通的网络，主机间设置SSH免暗码登录。
        分布式要启动保卫进程，是指利用分布式Hadoop 时，要先启动一些准备程序进程，然后才气利用脚本程序，如 start-dfs.sh、 start-yarm.sh等，而本地模式不需要启动这些保卫进程。
Hadoop三种运行模式下的配置文件对比  组件名称配置文件属性名称单机模式伪分布式模式完全分布式模式Commoncore-site.xmlfs.defaultFsfile:///(默认)hdfs://localhost/hdfs://namenodeHDFShdfs-site.xmldfs.replicationN/A13（默认）MapReducemapred-site.xmlmapreduce.framework.namelocal（默认）YARNYARNYARNyarn-site.xml yarn.resoucemanager.hostname
yarn.nodemanager.auxservice 
  N/A
N/A
  localhost
mapreduce_shuffle
  resoucemanager
mapreduce_shuffle
  （三）HDFS架构概述

HDFS (Hadoop Distributed File System）的架构概述，如图所示。

1、NameNode(nn)：存储文件的元数据，如文件名，文件目次结构，文件属性（天生时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。
2、DataNode(dn)：在本地文件体系存储文件块数据，以及块数据的校验和。
3、Secondary NameNode(2nn)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。
（四）YARN架构概述

YARN架构概述，如图所示。

（五）MapReduce架构概述

MapReduce将盘算过程分为两个阶段：Map和 Reduce，如图所示。
1）Map阶段并行处理输入数据
2）Reduce阶段对Map结果举行汇总

（六）大数据技术生态体系 

大数据技术生态体系，如图所示。

 图中涉及的技术名词解释如下：
1、Sqoop：Sqoop 是一款开源的工具，紧张用于在 Hadoop、Hive 与传统的数据库(MySql)间举行数据的传递，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 Cloudera 提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的体系，Flume 支持在日志体系中定制各类数据发送方，用于网络数据；同时，Flume提供对数据举行简单处理，并写到各种数据接受方（可定制）的能力。
3、Kafka：Kafka 是一种高吞吐量的分布式发布订阅消息体系，有如下特性：
（1）通过 O(1)的磁盘数据结构提供消息的长期化，这种结构对于即使数以 TB 的消息存储也可以或许保持长时间的稳定性能。
（2）高吞吐量：即使是非常平常的硬件 Kafka 也可以支持每秒数百万的消息。
（3）支持通过Kafka 服务器和消费机集群来分区消息。
（4）支持 Hadoop 并行数据加载。
4、Storm：Storm 用于“连续盘算”，对数据流做连续查询，在盘算时就将结果以流的形式输出给用户。
5、Spark：Spark 是当前最流行的开源大数据内存盘算框架。可以基于 Hadoop 上存储的大数据举行盘算。
6、Spark Streaming：Spark Streaming 是构建在 Spark 上的及时盘算框架，它扩展了 Spark 处理大规模流式数据的能力。可批处理和交互式查询，适用于一些需要对历史数据和及时数据举行联合分析的应用场景。
7、Oozie：Oozie 是一个管理 Hadoop 作业（job）的工作流程调治管理体系。
8、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，它是一个得当于非结构化数据存储的数据库。
9、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 任务举行运行。 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，非常得当数据仓库的统计分析。
10、R 语言：R 是用于统计分析、绘图的语言和操作情况。R 是属于 GNU 体系的一个自由、免费、源代码开放的软件，它是一个用于统计盘算和统计制图的优秀工具。
11、Mahout：Apache Mahout 是个可扩展的呆板学习和数据挖掘库。
12、ZooKeeper：Zookeeper 是 Google 的 Chubby 一个开源的实现。它是一个针对大型分布式体系的可靠和谐体系，提供的功能包括：配置维护、名字服务、 分布式同步、组服务等。ZooKeeper 的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的体系提供给用户。
三、Hadoop安装配置

（一）假造机情况准备

1、安装Linux假造机
可参考博客：大数据软件根本（3） —— 在VMware上安装Linux集群-CSDN博客
2、修改假造机的静态IP
（1）打开“假造网络编辑器”，选择“NAT模式”，查看“子网IP”和“子网掩码”。

（2） 修改静态IP，注意不同假造机IP地点不同。如下设置。

点击“应用”后，关闭有线毗连，再次重新打开。

重新在终端输入如下命令，查看IP地点是否变化。
  1. ifconfig ens33
复制代码

 3、修改主机名
  1. hostnamectl set-hostname bigdata
复制代码

重新打开一个终端，查看主机名是否更改成功。
输入命令，并修改文件，输入自己的IP地点和主机名。
  1. [root@bigdata zhc]# vi /etc/hosts
复制代码

在终端ping一下IP地点，按“Ctrl+C”停止。 

4、关闭防火墙
分别输入如下命令：
  1. [root@bigdata zhc]# systemctl status firewalld.service    #查看防火墙状态
  2. [root@bigdata zhc]# systemctl stop firewalld.service      #关闭防火墙
  3. [root@bigdata zhc]# systemctl disable firewalld.service   #永久关闭防火墙
复制代码
 出现如下图状态，则关闭成功。

  1. [root@bigdata zhc]# getenforce
  2. Enforcing
  3. [root@bigdata zhc]# vi /etc/selinux/config
复制代码

5、配置用户免密登录
  1. [root@bigdata zhc]# ssh-keygen
  2. [root@bigdata zhc]# ssh-copy-id bigdata
复制代码

（二）安装JDK

1、新建文件夹
  1. [root@bigdata zhc]# mkdir /usr/local/servers
  2. [root@bigdata zhc]# mkdir /usr/local/uploads
复制代码

2、下载jdk安装包，jdk-8u281-linux-x64.tar.gz。（我这里下的是jdk-1.8版本）
https://www.oracle.com/java/technologies/javase/javase8u211-later-archive-downloads.html

3、通过WinSCP上传到假造机“/usr/local/uploads”目次下。

 4、将jdk安装包解压到“/usr/local/servers”目次下。
  1. [root@bigdata local]# cd uploads
  2. [root@bigdata uploads]# tar -zxvf jdk-8u281-linux-x64.tar.gz -C /usr/local/servers
复制代码

5、到“/usr/local/servers”路径下，更改“jdk1.8.0_281”目次名为“jdk”。
  1. [root@bigdata uploads]# cd /usr/local/servers
  2. [root@bigdata servers]# mv jdk1.8.0_281/ jdk
复制代码

6、修改全局配置文件“/etc/profile”，在文件最后增长如下一段代码：
  1. if [ -n "${BASH_VERSION-}" ] ; then
  2.         if [ -f /etc/bashrc ] ; then
  3.                 # Bash login shells run only /etc/profile
  4.                 # Bash non-login shells run only /etc/bashrc
  5.                 # Check for double sourcing is done in /etc/bashrc.
  6.                 . /etc/bashrc
  7.        fi
  8. fi
  10. export JAVA_HOME=/usr/local/servers/jdk
  11. export JRE_HOME=${JAVA_HOME}/jre
  12. export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
  13. export PATH=$PATH:$JAVA_HOME/bin
  14. export HADOOP_HOME=/usr/local/servers/hadoop
  15. export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
  16. export ZK_HOME=/usr/local/servers/zookeeper
  17. export PATH=$PATH:$ZK_HOME/bin
  19. export HBASE_HOME=/usr/local/servers/hbase
  20. export PATH=$PATH:$HBASE_HOME/bin
  21. export CLASSPATH=$CLASSPATH:$HBASE_HOME/lib
复制代码

 然后使文件生效，并查看当前jdk版本。
  1. [root@bigdata servers]# source /etc/profile
  2. [root@bigdata servers]# java -version
复制代码

（三）安装Hadoop

1、到Hadoop官网下载安装包：https://hadoop.apache.org/release/3.1.3.html

2、将“hadoop-3.1.3.tar.gz”安装包上传到假造机，“/usr/local/uploads”目次下。

 3、将hadoop安装包解压到“/usr/local/servers”目次下。
  1. [root@bigdata servers]# cd /usr/local/uploads
  2. [root@bigdata uploads]# tar -zxvf hadoop-3.1.3.tar.gz -C /usr/local/servers
复制代码

 4、到“/usr/local/servers”路径下，将“hadoop-3.1.3”目次名改为“hadoop”。并使全局配置文件“/etc/profile”生效。
  1. [root@bigdata uploads]# cd ../servers
  2. [root@bigdata servers]# mv hadoop-3.1.3/ hadoop
  3. [root@bigdata servers]# vi /etc/profile
  4. [root@bigdata servers]# source /etc/profile
复制代码

查看hadoop版本，说明安装成功。
  1. [root@bigdata servers]# hadoop version
复制代码

（四）配置伪分布式Hadoop集群

1、先切换到“/usr/local/servers/hadoop/etc/hadoop”目次下，查看hadoop的配置文件。
  1. [root@bigdata servers]# cd ./hadoop/etc/hadoop
复制代码

2、配置hadoop-env.sh文件，在文件最后加入如下代码：
  1. [root@bigdata hadoop]# vi hadoop-env.sh
复制代码
  1. ###
  2. # Registry DNS specific parameters
  3. ###
  4. # For privileged registry DNS, user to run as after dropping privileges
  5. # This will replace the hadoop.id.str Java property in secure mode.
  6. # export HADOOP_REGISTRYDNS_SECURE_USER=yarn
  8. # Supplemental options for privileged registry DNS
  9. # By default, Hadoop uses jsvc which needs to know to launch a
  10. # server jvm.
  11. # export HADOOP_REGISTRYDNS_SECURE_EXTRA_OPTS="-jvm server"
  13. export JAVA_HOME=/usr/local/servers/jdk
  14. #HADOOP_SHELL_EXECNAME=root
  15. export HDFS_NAMENODE_USER=root
  16. export HDFS_DATANODE_USER=root
  17. export HDFS_SECONDARYNAMENODE_USER=root
  18. export YARN_RESOURCEMANAGER_USER=root
  19. export YARN_NODEMANAGER_USER=root
复制代码

3、配置core-site.xml文件，在两个<configuration>标签中间加入如下代码：
  1. [root@bigdata hadoop]# vi core-site.xml
复制代码
  1. <configuration>
  2.     <property>
  3.         <name>fs.defaultFS</name>
  4.         <value>hdfs://localhost:9000</value>
  5.     </property>
  6.     <property>
  7.         <name>hadoop.tmp.dir</name>
  8.         <value>file:/usr/local/servers/hadoop/tmp</value>
  9.     </property>
  10. </configuration>
复制代码

4、配置hdfs-site.xml文件， 在两个<configuration>标签中间加入如下代码：
  1. [root@bigdata hadoop]# vi hdfs-site.xml
复制代码
  1. <configuration>
  2.     <property>
  3.         <name>dfs.replication</name>
  4.         <value>1</value>
  5.     </property>
  6.     <property>
  7.         <name>dfs.namenode.name.dir</name>
  8.         <value>${hadoop.tmp.dir}/nndata</value>
  9.     </property>
  10.     <property>
  11.         <name>dfs.datanode.data.dir</name>
  12.         <value>${hadoop.tmp.dir}/dndata</value>
  13.     </property>
  14. </configuration>
复制代码

5、配置yarn-site.xml文件，在两个<configuration>标签中间加入如下代码：
  1. [root@bigdata hadoop]# vi yarn-site.xml
复制代码
  1. <configuration>
  2. <!-- Site specific YARN configuration properties -->
  3.   <property>
  4.       <name>yarn.resourcemanager.hostname</name>
  5.       <value>localhost</value>
  7.   </property>
  8.   <property>
  9.     <name>yarn.resourcemanager.webapp.address</name>
  10.     <value>${yarn.resourcemanager.hostname}:8088</value>
  11.   </property>
  12.   <property>
  13.         <name>yarn.nodemanager.vmem-check-enabled</name>
  14.         <value>false</value>
  15.   </property>
  16.   <property>
  17.          <name>yarn.nodemanager.aux-services</name>
  18.         <value>mapreduce_shuffle</value>
  19.   </property>
  20.   <property>
  21.       <name>yarn.application.classpath</name>
  22.       <value>              
  23.           ${HADOOP_HOME}/etc/hadoop/conf,
  24.           ${HADOOP_HOME}/share/hadoop/common/lib/*,
  25.           ${HADOOP_HOME}/share/hadoop/common/*,
  26.           ${HADOOP_HOME}/share/hadoop/hdfs,
  27.           ${HADOOP_HOME}/share/hadoop/hdfs/lib/*,
  28.           ${HADOOP_HOME}/share/hadoop/hdfs/*,
  29.           ${HADOOP_HOME}/share/hadoop/mapreduce/*,
  30.           ${HADOOP_HOME}/hadoop/yarn,
  31.           ${HADOOP_HOME}/share/hadoop/yarn/lib/*,
  32.           ${HADOOP_HOME}/share/hadoop/yarn/*
  33.       </value>
  34.   </property>
  35. </configuration>
复制代码

6、配置mapred-site.xml，在两个<configuration>标签中间加入如下代码：
  1. [root@bigdata hadoop]# vi mapred-site.xml
复制代码
  1. <configuration>
  2.     <property>
  3.         <name>mapreduce.framework.name</name>
  4.         <value>yarn</value>
  5.     </property>
  6. </configuration>
复制代码

 7、创建目次“/usr/local/servers/hadoop/tmp”，代表临时根目次。
  1. [root@bigdata hadoop]# mkdir /usr/local/servers/hadoop/tmp
  2. [root@bigdata hadoop]# mkdir /usr/local/servers/hadoop/tmp/nndata
  3. [root@bigdata hadoop]# mkdir /usr/local/servers/hadoop/tmp/dndata
复制代码
8、格式化Hadoop的分布式文件体系。
  1. [root@bigdata hadoop]# hdfs namenode -format
复制代码

找到如下信息则表示格式化成功：

 9、分别启动hadoop和yarn进程
  1. [root@bigdata hadoop]# start-dfs.sh
  2. [root@bigdata hadoop]# start-yarn.sh
复制代码

一共启动了5个进程，分别是NameNode、DataNode、SecondaryNameNode、ResourceManager和NodeManager。 
提示：安装好Hadoop集群后，可以给假造机做个快照，作用是快速的体系备份与还原的功能。
点击“假造机-快照-拍摄快照” ，即可完成。

10、在假造机的Firefox浏览器上输入：http://bigdata:9870（这里的bigdata是自己的呆板名）

这样伪分布式Hadoop集群就搭建好了。
友情提醒：关闭假造机电源前，要先关闭Hadoop集群，否则下次利用时会导致节点丢失！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。



欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4