大数据 - Hadoop初识

Hadoop简介：

Hadoop是Apache软件基金会旗下的一个开源分布式计算平台，为用户提供了系统底层细节透明的分布式基础架构

Hadoop 底层用 Java 语言、跨平台性，可以部署在廉价的计算机集群中。

Hadoop在分布式环境下提供了海量数据的处理能力

几乎所有主流厂商都围绕Hadoop提供开发工具、开源软件、商业化 工具 和技术服务，如谷歌、雅虎、微软、思科、淘宝等，都支持Hadoop

Hadoop核心：

Hadoop组成：

• 分布式文件系统 HDFS（Hadoop Distributed File System）            |    存储系统
• 分布式计算 MapReduce                                                                    |    并行运算框架

Hadoop的特性：

Hadoop是一个能够对大量数据进行分布式处理的软件框架，并且是以一种可靠、高效、可伸缩的方式进行处理的，它具有以下几个方面的特性：

• 高可靠性
• 高效性
• 高可扩展性
• 高容错性
• 成本低
• 运行在 Linux 平台上
• 持多种编程语言

Hadoop1 生态系统架构

• Hdfs: 构建于廉价计算机集群之上的分布式文件系统，低成本、高可靠性、高吞吐量
• Mapreduce: 分布式编程模型和软件框架，用于在集群上编写对海量数据处理的并行化程序
• Common: 整体架构提供基础支撑性功能，主要包括了文件系统、RPC和数据串行化库
• Hive: 数据仓库工具，将结构化数据文件映射为库表，并提供强大的类 SQL 查询功能
• Hbase: 分布式的、面向列的数据库，是一个适合于非结构化海量数据存储的数据库
• Pig: 适合海量数据分析的脚本语言工具，包括了一个数据分析语言和支持的运行环境
• Sqoop: 在Hadoop与传统数据库间进行数据交换的工具，支持两者之间的数据导入和导出
• Zookeeper: 维护Hadoop集群的配置和命名信息，并提供分布式锁同步功能和群组管理功能
• Ambari: 安装、管理和监控Hadoop集群的Web界面工具。目前已支持大部分组件的管理,就 Ambari 的作用来说，就是创建、管理、监视 Hadoop 的集群

Hadoop完全分布模式安装

step 0： 此步为可选项，建议用户创建一个新用户及用户组，后续的操作基本都是在次用户下来操作。但是用户亦可在自己当前非root用户下进行操作。创建一个用户，名为zhangyu，并为此用户创建home目录，此时会默认一个与zhangyu同名的用户组。

• 了解hadoop的完全分布式安装与伪分布式安装，单机安装的区别
• 了解hadoop的集群搭建流程 

sudo useradd ‐d /home/zhangyu ‐m zhangyu

为zhangyu用户设置密码，执行下面的语句

sudo passwd zhangyu

按提示消息，输入密码以及确认密码即可，此处密码设置为zhangyu，将zhangyu用户的权限，提升到sudo超级用户级别

sudo usermod ‐G sudo zhangyu

后续操作，我们需要切换到zhangyu用户下来进行操作。

su ‐ zhangyu

step 1：添加hosts的地址映射，用ifconfig 或 ip a 命令获取三台服务器的ip地址；

将他们的IP地址和对应的映射名都添加到三台服务器上的/etc/host 文件里

sudo vim /etc/hosts

192.168.58.130          master
192.168.58.138          slave1
192.168.58.139          salve2

添加到192.168.58.130服务器master上

添加到192.168.58.138服务器slave1上

添加到192.168.58.139服务器slave2上

step 2 ：首先来配置SSH用于集群间免密码登陆，SSH免密码登陆需要在三台服务器执行以下命令，生成公钥和私钥对

ssh‐keygen ‐t rsa

此时会有多处提醒输入，在冒号后输入文本，这里主要是要求输入 ssh密码以及密码的放置位置。在这里，只需要使用默认值，按回车即可。（一路Enter~~~

拷贝公钥到各个节点，包括本机，过程中需要输入用户的密码