在这个博文中，我将分享一个关于“Hadoop大数据分析项目”的过程，涉及到从背景定位到扩展应用的全面实现。这个项目的需求源于一个业务场景：随着数据量的持续增长，传统的数据处理方法显得逐渐力不从心，因此，我们需要借助大数据技术来提升数据处理和分析能力。
### 背景定位
我们开始时分析了业务场景，并制作了一个四象限图，以识别技术债务的分布情况。纵轴代表系统的复杂性，横轴代表技术债务的大小。通过这
这是一本书的名字，叫做【Hadoop大数据分析与挖掘实战】，我从2017.1开始学习 软件版本为Centos6.4 64bit，VMware，Hadoop2.6.0，JDK1.7. 但是这本书的出版时间为2016.1，待到我2017.1使用时，一部分内容已经发生了翻天覆地的变化。 于是我开始写这么一个博客，把这些记录下来。 我使用的软件版本为：软件版本操作系统CentOS 7 64bi
转载
2024-06-18 08:41:59
16阅读
一．配置安装环境1> 在虚拟机Vmware上搭建三台Red Hat Enterprise linux，其中一台为master，另外两台位slaves。2> 下载相关的软件，如java jdk、hadoop-0.20.2等。二．安装和配置步骤1> 要是hadoop能过正常的免密码在各个节点中连接传输数据，最重要的是配置SSH，生成密钥。2> jdk的安装，修改/etc/pro
转载
2023-07-27 20:58:35
151阅读
目录：1.hadoop入门须知2.hadoop环境搭建3.hadoop mapreduce之WordCount例子4.idea本地调试hadoop程序5.hadoop 从mysql中读取数据写到hdfs 1)基本介绍 hadoop是什么？Hadoop是一个开源的框架，可编写和运行分不是应用处理大规模数据，是专为离线和大规模数据分析而设计的，并不适合那种对几个记录随机读写的在线事
转载
2023-11-08 18:41:26
137阅读
目录1、聊天软件数据分析案例需求2、基于Hive数仓实现需求开发2.1 建库2.2 建表2.3 加载数据2.4 ETL数据清洗2.5 需求指标统计---都很简单3、FineBI实现可视化报表3.1 FineBI介绍3.2 FineBI配置数据3.3 构建可视化报表 1、聊天软件数据分析案例需求MR速度慢—引入hive背景：大量的用户在线，通过对聊天数据的分析，构建用户画像，为用户提供更好的服务、
转载
2023-09-01 09:03:04
157阅读
1 陌陌聊天数据分析案例需求1.1 目标基于Hadoop和Hive实现聊天数据统计分析，构建聊天数据分析报表。1.2 需求统计今日总消息量统计今日每小时消息量、发送和接收用户数统计今日各地区发送消息数据量统计今日发送消息和接收消息的用户数统计今日发送消息最多的Top10用户统计今日接收消息最多的Top10用户统计发送人的手机型号分布情况统计发送人的设备操作系统分布情况1.3 数据内容数据大小：两个
转载
2023-08-07 17:35:27
937阅读
点赞
文章目录概述DataXceiverServer介绍了解DataXceiverServer初始化工作工作原理DataXceiver介绍Op类介绍处理逻辑BlockSender 读取数据传统方式实现数据传输零拷贝实现数据传输原理具体操作客户端读数据流程分析java api读取数据构造DFSInputStream获取文件的块信息DFSInputStream read 数据Sender发送数据总结 概述
转载
2023-09-06 10:03:23
129阅读
文章目录一、Hadoop起源二、Hadoop简介2.1、Hadoop的核心思想2.2、Hadoop 四大模块三、HDFS介绍3.1、数据块3.2、namenode和datanode3.3、块缓存3.4、联邦HDFS3.5、HDFS的高可用性四、YARN介绍4.1、YARN的运行机制五、MapReduce介绍5.1、MapReduce编程模型5.2、Hadoop的MapReduce介绍5.3、Ma
转载
2023-08-07 17:42:16
162阅读
介绍：Cloudera认证介绍CDH认证主要包含以下几种：CCA Spark and Hadoop DeveloperCCA Data AnalystCCA AdministratorCCP Data Engineerhttps://www.cloudera.com/about/training/certification.html1、CCA Spark and Hadoop Developer
转载
2023-09-13 23:49:40
101阅读
文章目录大数据的简介Hadoop框架Hadoop的优缺点Hadoop1.x和2.x的版本区别Hadoop架构Hadoop目录结构正常工作的Hadoop集群中Hadoop都分别需要启动哪些进程，它们的作用分别是什么? 大数据的简介大数据是指无法再一定时间范围内用常规软件工具进行捕捉，管理和处理的数据集合，同时大数据也是需要新的处理模式才能具有更强的决策力，洞察发现力和流程优化能力的海量以及多样化的
转载
2023-07-13 17:00:40
111阅读
大数据行业人才紧缺成常态，由此带来的就是大数据行业薪酬的水涨船高，大数据作为一门新兴技术，想要做大数据相关的工作，先得要掌握大数据专业技术才行。作为主流运用的技术框架，Hadoop是重点之一，今天我们来聊聊Hadoop学习必须掌握的知识点。 Hadoop基于分布式集群架构，设计了分布式文件系统HDFS，为海量数据存储和管理提供底层支持。Hadoop具有极高的容错性，通过流式数据访问，来实现高吞吐量
转载
2023-09-21 23:45:54
55阅读
1、MapReduce程序读取文件的输入目录上存放的相应文件2、客户端在submit（）方法执行之前获取要处理的数据信息，根据集群中的配置形成一个任务分配规划3、客户端提交切片信息给Yarn,Yarn中的resourcemanager启动MRAppmaster----------------------maptask开始4、MRAPPmaster启动后根据本次job的描述信息计算出需要mapta
转载
2023-08-12 16:58:54
113阅读
概述接收数据BlockReceiver接收数据包信息receivePacket 接收数据信息PacketResponder处理响应信息 概述因为在hdfs这样一个复杂的分布式文件系统中，每个文件都是由多个block组成的，每个block又有多个副本，这些副本分布在不同的机器上，所以对于hdfs的写操作流程，就算不考虑异常的处理，其实该流程也是hdfs中最复杂的流程了。先上一个《hadoop权威指
转载
2023-10-03 11:46:05
175阅读
网站日志分析项目案例（一）项目介绍：当前页面网站日志分析项目案例（二）数据清洗：网站日志分析项目案例（三）统计分析：一、项目背景与数据情况1.1 项目来源 本次要实践的数据日志来源于国内某技术学习论坛，该论坛由某培训机构主办，汇聚了众多技术学习者，每天都有人发帖、回帖，如图1所示。 图1 项目来源网站-技术学习论坛apache common日志进行分析，计算该论坛的一些关键指标，供运营者进行
转载
2023-09-13 23:49:58
147阅读
hadoop:数据流转图（基于hadoop 0.18.3）：通过一个最简单的例子来说明hadoop中的数据流转。 hadoop:数据流转图（基于hadoop 0.18.3）：这里使用一个例子说明hadoop中的数据流转过程，这个例子是统计一些文章中词汇的总数。首先files表示这些需要统计词汇的文章。 首先，hadoop会把初始数据分配到各个机器的map
转载
2023-07-28 19:48:42
115阅读
目录 整体流程概述稳妥的采集数据方法FTP服务器上的Flume配置文件如下其它常见问题应用层代码部署到分布式mycluster1数据采集（Flume采集nginx日志）Visits数据分析大数据离线自动执行流程--基于jenkins整体流程概述首先声明，这个架构模型只能是离线分析技术的一个简单的入门级架构。整个离线分析的总体架构就是使用Flume从FTP服务器上采集日志文件，并存储在Ha
转载
2023-07-14 16:08:03
291阅读
回看重点：mapper任务的输入：mapper任务的输入是一个inputSplit。mapper个数取决于输入分片的个数InputSplitmapper任务的输出：每个mapper任务的输出是一个已分区和已排序的文件shuffle任务的输入：多个已分区和已排序的文件shuffle任务的输出：多个文件，每个文件是一个分区且已经排好序的reducer任务的输入：一个或者多个分区文件reducer任务的
转载
2024-03-06 15:09:41
50阅读
Hadoop一、大数据数据分析的基本流程明确分析目的和思路==》数据收集==》数据处理==》数据分析==》数据展现==》报表撰写大数据的5V特征Volume 数据体量大采集数据量大存储数据量大计算数据量大TB、PB级别起步Variety 种类、来源多样化种类：结构化、半结构化、非结构化来源：日志文本、图片、音频、视频Value 低价值密度信息海量但是价值密度低深度复杂的挖掘分析需要机器学习参与Ve
转载
2023-10-25 12:54:31
126阅读
大数据大数据（big data） ： 指无法在一定时间范围内使用常规软件工具进行捕捉、管理和处理的数据集合，是需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力的 海量、高增长率和多样化的信息资产大数据特点（4V）：Volume 大量Velocity 高速Variety 多样Value 低价值密度HadoopHadoop 是由 Apache 基金会所开发的 分布式系统基础框架，主要解决
转载
2023-08-30 15:39:22
104阅读
要了解什么是Hadoop，我们必须首先了解与大数据和传统处理系统有关的问题。前进，我们将讨论什么是Hadoop，以及Hadoop如何解决与大数据相关的问题。我们还将研究CERN案例研究，以突出使用Hadoop的好处。传统方法的问题Hadoop的演变Hadoop的Hadoop即用解决方案何时使用Hadoop？什么时候不使用Hadoop？CERN案例研究大数据正在成为组织的机会。现在，组织已经意识到，
转载
2023-09-05 11:48:52
84阅读
