开头前先热热身HDFS，全称是hadoop distributed file system，是Hadoop框架下的分布式的存储系统。所谓分布式存储系统就是指不再将数据和文件集中的存储在某一台机器上，而是采用分布式的方法，将存储空间扩展到多台机器上。这种分布式文件存储系统的理论和业界先例于谷歌的GFS。而HDFS则是由Apache基金会开源实现的软件框架hadoop中的文件存储
转载
2023-07-21 14:28:32
331阅读
摘要本文介绍HBase在CentOS下的安装部署，以及基于Scala语言在Spark上读写HBase的简单实例。1.HBase简介Hbase是一个高可靠、高性能、面向列、可伸缩的分布式数据库，主要用来存储非结构化和半结构化的松散数据。Hbase的目标是处理非常庞大的表，可以通过水平扩展的方式，利用廉价计算机集群处理由超过10亿行数据和数百万列元素组成的数据表。那么关系型数据库已经流行了很多年，并且
转载
2023-12-07 21:32:51
187阅读
# 使用Hadoop读取CSV文件的方案
在大数据处理中，CSV（逗号分隔值）格式是非常常用的数据存储格式。Apache Hadoop是一个流行的分布式计算框架，能够高效处理大规模数据。本文将详细介绍如何使用Hadoop读取CSV文件，并提供代码示例和设计图示。
## 一、问题背景
假设我们有一个CSV文件 `travel_data.csv`，其中包含旅行者的姓名、目的地、出发日期和回程日期
原创
2024-09-21 04:44:32
68阅读
hadoop不是一个英文单词，是作者发明的词，hadoop名称来源作者小孩的一个絨毛填充黄色大象玩具。 它的发音是：[hædu:p]
原创
2023-07-13 18:29:58
611阅读
单台服务器作为Namenode，当文件数量规模不断增大时，元数据的规模增长将是一个需要面对的问题，由于Namenode需要将所有元数据Load到内存中，单台Namenode可能会无法管理海量的元数据。另一个是HDFS中SequenceFile存储方式的讨论，利用Block压缩方式可以很好的解决空间压力。 HDFS中文件是按Block来存储的，默认一个Block的长度是128MB，当HDFS中存在
转载
2024-01-12 09:21:51
82阅读
hadoop如何发音：网上查到Hadoop的发音音标[hædu:p]。 本节和大家一起学习一下Hadoop， 一个分布式系统基础架构，由Apache基金会开发的，在这里和大家分享一下它的开源实现以及Hadoop研究方面的内容，希望通过本节的学习大家对Hadoop这一概念有清楚的认识。 Hadoop概念 一个分布式系统基础架构，由Apache基金会开发。用户可以在不了解分布式底层细节的
转载
2023-09-14 08:33:40
414阅读
Hadoop 生态系统
HDFS：Hadoop 生态圈的基本组成部分是 Hadoop 分布式文件系统（HDFS）。HDFS 是一种分布式文件系统，数据被保存在计算机集群上，HDFS 为 HBase 等工具提供了基础。
MapReduce：Hadoop 的主要执行框架是 MapReduce，它是一个分布式、并行处理的编程模型，MapReduce 把任务分为 map（映射）阶段和 reduce（化简）
转载
2023-09-22 13:30:36
69阅读
1.Hadoop简介Hadoop[hædu:p]实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高传输率（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）P
转载
2023-12-29 23:44:55
59阅读
在现实情况中，用户代码错误不断，进程奔溃，机器故障等等。使用hadoop的好处之一就是可以它能处理这类故障并成功完成任务。需要考虑的实体失败任务为：任务（job），application master，nodemanager和resourcemanager。任务失败最常见的情况就是 1、mapTask或者reduceTask中由于代码原因抛出异常，jvm在关闭之前，会通知mrAppMaster这个
# Hadoop随机读的实现流程
Hadoop是一个开源的分布式系统框架，可以对大规模数据进行存储和处理。在Hadoop中，随机读是一种常见的操作，可以通过以下步骤来实现：
步骤 | 操作
---|---
1. 设置Hadoop环境 | 在代码中引入Hadoop相关的库和类，确保程序能够正常运行。
2. 创建Configuration对象 | 使用`Configuration`类创建一个配置对
原创
2023-08-01 10:44:15
79阅读
HDFS文件读取的过程1).使用HDFS提供的客户端开发库Client，向远程的Namenode发起RPC请求；2).Namenode会视情况返回文件的部分或者全部block列表，对于每个block，Namenode都会返回有该block拷贝的DataNode地址；3).客户端开发库Client会选取离客户端最接近的DataNode来读取block；如果客户端本身就是DataNode,那么将从本地
转载
2023-09-20 12:44:18
260阅读
读文件 读文件时内部工作机制参看下图： 客户端通过调用FileSystem对象（对应于HDFS文件系统，调用DistributedFileSystem对象）的open()方法来打开文件（也即图中的第一步），DistributedFileSystem通过RPC（Remote Procedure Call）调用询问NameNode来得到此文件最开始几个block的文件位置（第二
转载
2023-09-14 13:04:39
107阅读
1、概述 HDFS相当于是做存储的。有大量的数据需要存，存到哪里。 HDFS（Hadoop Distributed File System） 是一个 Apache Software Foundation 项目,
转载
2024-05-15 10:09:22
26阅读
前言： 上文介绍了Hadoop的IO序列化，大家应该可以知道其实Hadoop很多的设计也是专门为了MapReduce编程框架服务的，除了序列化还有专门的文件类：SequenceFile和MapFile，其中，MapFile是经过排序并带有索引的SequenceFile，而SequenceFile也是我们数据仓库原来在云梯1上最通用的数据文件，下面我将详细介绍下
转载
2023-10-20 16:58:37
89阅读
## 使用Flink读取Hadoop文件
在大数据处理中，Flink是一个流处理引擎，而Hadoop是一个分布式存储和计算框架。将两者结合可以实现更加复杂和强大的数据处理任务。本文将介绍如何使用Flink读取Hadoop文件，并给出相应的代码示例。
### 什么是Flink和Hadoop？
- Flink：Apache Flink是一个流处理引擎，支持在内存中执行计算，可以实现低延迟和高吞吐
原创
2024-06-20 06:13:32
76阅读
读取文件：
下图是HDFS读取文件的流程： 这里是详细解释： 1.当客户端开始读取一个文件时，首先客户端从NameNode取得这个文件的前几个block的DataNode信息。（步骤1,2） 2.开始调用read()，read()方法里，首先去读取第一次从NameNode取得的几个Block，当读取完成后，再去NameNode拿
转载
2023-09-01 10:36:53
89阅读
HDFS写数据流程：详细步骤图：详细描述： 1.客户端向NN发送文件上传的请求 2.NN进行一系列的检查：是否有权限，文件的父目录是否存在，文件是否已经存在同名等等，检查通过，允许上传 3.NN告知客户端允许上传 4.客户端发送真正的文件上传的请求，请求包含一个重要信息，文件的长度/大小 5.NN根据文件的长度计算文件的切块的个数（200M/128M = 2）,以及获取文本的配置信息dfs.re
转载
2023-08-03 14:48:26
164阅读
前言本篇博文首先对HDFS的数据读写过程进行分析，之后对元数据管理以及NameNode、SecondaryNamenode的工作机制进行深入分析。一. HDFS的读取过程1. 概述 客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据
转载
2023-07-12 15:18:02
128阅读
1、Hadoop之HDFS的读流程（1）客户端通过DistributedFileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。（2）NameNode返回是否可以上传。（3）客户端发出请求，询问nameNode，第一个 Block需要上传到哪些DataNode服务器上。（4）NameNode返回3个DataNode节点，分别为dn1、dn2、
转载
2023-09-20 10:33:11
33阅读
在读取HDFS上的文件时，Client、NameNode以及DataNode都会相互关联。按照一定的顺序来实现读取这一过程，读取过程如下图所示： 通过上图，读取HDFS上的文件的流程可以清晰的知道，Client通过实例打开文件，找到HDFS集群的具体信息（我们需要操作的是 ClusterA，还是ClusterB，需要让Client端知道），这里会创建一个输入流，这个输入流是连接DataNode的
转载
2024-03-04 06:53:31
29阅读
