Hadoop入门学习笔记---part1

      随着毕业设计的进行,大学四年正式进入尾声。任你玩四年的大学的最后一次作业最后在激烈的选题中尘埃落定。无论选择了怎样的选题,无论最后的结果是怎样的,对于大学里面的这最后一份作业,也希望自己能够尽心尽力,好好做。正是因为选题和hadoop有关,现在正式开始学习hadoop。将笔记整理于此,希望与志同道合的朋友共同交流。

 作者:itRed           邮箱:it_red@sina.com       个人博客链接:http://www.cnblogs.com/itred

      好了,废话不多说。进入正题!开始hadoop的学习。

  part1的主要任务是了解Hadoop项目,理解Hadoop的相关术语,了解Hadoop的部署模式,为伪分布式模式准备集群的环境

一.Hadoop项目简介:

  这就是Hadoop的logo。而Hadoop的形象代言人就是这只棕黄色的小象。实际是一小孩儿的填充玩具,如果有兴趣了解Hadoop的名字起源。可以百度。

     这里对Hadoop的介绍仅仅起到一个抛砖引玉的作用,我相信没有任何文档的介绍能够比得上Hadoop的官方文档。贴出Hadoop官网:http://hadoop.apache.org/,因此阅读官方文档时最好的一种真正理解这门技术的方式。在此,我谈谈自己的理解。Hadoop是一个分布式系统基础架构,但是它可以让开发者在不需要了解分布式底层的基础上,开发分布式程序和应用。而且可以充分利用其集群的能力来进行高速运算和存储。一句话,就是它是适合大数据的分布式存储与计算平台。

     Hadoop的核心设计就是HDFS(Hadoop分布式文件系统)和MapReduce。关于这些术语的介绍我会在后文给出解释。HDFS为海量的数据提供了存储,而MapReduce为海量数据提供了计算。

    Hadoop项目主要包含的模块有:

      Hadoop Common:这个Common套件主要为支持其他的Hadoop模块;

      HDFS:一种分布式文件系统,支持高吞吐量的应用数据;

      Hadoop YARN:一种任务调度的框架和群资源管理;

      Hadoop MapReduce:YARN依靠的系统,主要用于处理大数据。

二.Hadoop 重要术语理解:

       HDFS:Hadoop Distributed File System (Hadoop分布式文件系统)默认的最基本的存储单位是64M的数据块。而在HDFS中,如果一个文件小于一个数据块的大小,并不占用整个数据块存储空间。

       MapReduce:就是一种编程模型,用于大规模数据集(大于1TB)的并行运算。"Map(映射)"和"Reduce(归约)",以及它们的主要思想,都是从函数式编程语言里借来的,还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归约)函数,用来保证所有映射的键值对中的每一个共享相同的键组。

三.Hadoop的部署模式主要分为三种:

      本地模式:此时Hadoop使用本地文件系统而非分布式文件系统,而且其也不会启动任何Hadoop守护进程,Map和Reduce任务都作为同一进程的不同部分来执行。因此,本地模式下的Hadoop仅运行于本机。此种模式仅用于开发或调试MapReduce应用程序但却避免了复杂的后续操作。

      伪分布模式:hadoop将所有进程运行于同一台主机上,但此时Hadoop将使用分布式文件系统,而且各jobs也是由JobTracker服务管理的独立进程。同时,由于伪分布式的Hadoop集群只有一个节点,因此HDFS的块复制将限制为单个副本,其secondary-master和slave也都将运行于本地主机。此种模式除了并非真正意义的分布式之外,其程序执行逻辑完全类似于完全分布式,因此,常用于开发人员测试程序执行。

      集群模式:hadoop守护进程运行在一个集群上。

四.为安装Hadoop准备环境(伪分布模式):实现伪分布模式下的hadoop集群环境搭建。

     准备软件:

    在虚拟机中装一个linux系统;

    Jdk;(版本根据您的实际情况来选择)

    在linxu中安装jdk时,需要给jdk权限命令:chmod o+x  jdk..(根据版本的实际情况来);

     然后利用 ./jdk….(版本)   进行安装;

  安装后的路径在:  /usr/java

  然后将java加入环境变量:#vi  /etc/profile

JAVA_HOME=/usr/java/jdk….
PATH=$PATH:/usr/java/jdk../bin
CLASSPATH=.:/usr/java/jdk…/jre/lib/rt.jar
Export JAVA_HOME PATH CLASSPATH    

   关闭linux防火墙:

命令:
#service iptables status //查看防火墙状态
#service iptables stop   //关闭防火墙
#chkconfig iptables off  //设置防火墙的自动启动为off,即禁止自启动

  修改ip:网络链接方式设置为host-only ,根据自己的实际宿主机ip地址进行更改

 命令:# vi  /etc/sysconfig/network-s/ifcfg-eth0  //利用vi修改

  修改hostname:

 命令:#vi /etc/sysconfig/network    //机器重启后有效

           HOSTNAME=Hadoop

  ssh自动登陆:注意并不是java三大框架!

命令操作如下:
#cd ~/.ssh
#ssh-keygen –t rsa   //然后就一直按Enter键,按着默认的进行下去;
#cp id_rsa.pub  authorized_keys
#ssh localhost  //利用这个命令进行验证

      完成后,输入ssh localhost完成验证。

     今天只是重点了解一下Hadoop项目,具体安装将在《Hadoop入门学习笔记---part2》中进行。

作者:itRed         
邮箱:it_red@sina.com            
博客:http://www.cnblogs.com/itred
***版权声明:本文版权归作者和博客园共有,欢迎转载,但请在文章显眼位置标明文章出处。未经本人书面同意,将其作为他用,本人保留追究责任的所有权利。

 

posted on 2014-12-27 22:50  itRed  阅读(1557)  评论(1编辑  收藏  举报

导航