hadoop distcp指定队列 hadoop distcp原理

1、Hadoop的优势(4高)

2、Hadoop组成(面试重点)

、HDFS(Hadoop Distributed File System)架构概述

 

 

 、YARN架构概述

 、MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map和Reduce，如图2-25所示

1)Map阶段并行处理输入数据

2)Reduce阶段对Map结果进行汇总

 3、大数据技术生态体系

图中涉及的技术名词解释如下：

1)Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库(MySql)间进行数据的传递，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、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，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系统，有如下特性：

(1)通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。

(2)高吞吐量：即使是非常普通的硬件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“连续计算”，对数据流做连续查询，在计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计算框架。可以基于Hadoop上存储的大数据进行计算。

6)Oozie：Oozie是一个管理Hdoop作业(job)的工作流程调度管理系统。

7)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，它是一个适合于非结构化数据存储的数据库。

8)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任务进行运行。 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，十分适合数据仓库的统计分析。

10)R语言：R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

11)Mahout：Apache Mahout是个可扩展的机器学习和数据挖掘库。

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系统的可靠协调系统，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、功能稳定的系统提供给用户。

4、推荐系统框架图

 5、Hadoop运行环境搭建(开发重点)

虚拟机环境准备

1.    克隆虚拟机                                                      

2.    修改克隆虚拟机的静态IP

3.    修改主机名

4.    关闭防火墙

5.    创建atguigu用户

6.    配置atguigu用户具有root权限(详见《尚硅谷大数据技术之Linux》)

7．在/opt目录下创建文件夹

(1)在/opt目录下创建module、software文件夹

[atguigu@hadoop101 opt]$ sudo mkdir module
[atguigu@hadoop101 opt]$ sudo mkdir software
(2)修改module、software文件夹的所有者cd
[atguigu@hadoop101 opt]$ sudo chown atguigu:atguigu module/ software/
[atguigu@hadoop101 opt]$ ll
总用量 8
drwxr-xr-x. 2 atguigu atguigu 4096 1月  17 14:37 module
drwxr-xr-x. 2 atguigu atguigu 4096 1月  17 14:38 software

5.2 安装JDK

1.    卸载现有JDK

(1)查询是否安装Java软件：

[atguigu@hadoop101 opt]$ rpm -qa | grep java
(2)如果安装的版本低于，卸载该JDK：
[atguigu@hadoop101 opt]$ sudo rpm -e 软件包
(3)查看JDK安装路径：
[atguigu@hadoop101 ~]$ which java

2.    用SecureCRT工具将JDK导入到opt目录下面的software文件夹下面，如图2-28所示

图2-28  导入JDK
“alt+p”进入sftp模式，如图2-29所示
图2-29 进入sftp模式
选择拖入，如图2-30，2-31所示
图2-30 拖入
图2-31 拖入完成
3.    在Linux系统下的opt目录中查看软件包是否导入成功
[atguigu@hadoop101 opt]$ cd software/
[atguigu@hadoop101 software]$ ls
  jdk-8u144-linux-x64.tar.gz
4.    解压JDK到/opt/module目录下
[atguigu@hadoop101 software]$ tar -zxvf jdk-8u144-linux-x64.tar.gz -C /opt/module/
5.    配置JDK环境变量
        (1)先获取JDK路径
[atguigu@hadoop101 .0_144]$ pwd
/opt/module/.0_144
        (2)打开/etc/profile文件
[atguigu@hadoop101 software]$ sudo vi /etc/profile
在profile文件末尾添加JDK路径
#JAVA_HOME
export JAVA_HOME=/opt/module/.0_144
export PATH=$PATH:$JAVA_HOME/bin
        (3)保存后退出
:wq
        (4)让修改后的文件生效
[atguigu@hadoop101 .0_144]$ source /etc/profile
6.    测试JDK是否安装成功
[atguigu@hadoop101 .0_144]# java -version
java version ""
          注意：重启(如果java -version可以用就不用重启)
[atguigu@hadoop101 .0_144]$ sync
[atguigu@hadoop101 .0_144]$ sudo reboot

5.3 安装Hadoop

0.  Hadoop下载地址：
https://archive.apache.org/dist/hadoop/common//
1.    用SecureCRT工具将导入到opt目录下面的software文件夹下面
切换到sftp连接页面，选择Linux下编译的hadoop jar包拖入，如图2-32所示
2.　进入到Hadoop安装包路径下
[atguigu@hadoop101 ~]$ cd /opt/software/
3.    解压安装文件到/opt/module下面
[atguigu@hadoop101 software]$ tar -zxvf -C /opt/module/
4.    查看是否解压成功
[atguigu@hadoop101 software]$ ls /opt/module/
5.    将Hadoop添加到环境变量
        (1)获取Hadoop安装路径
[atguigu@hadoop101 ]$ pwd
/opt/module/
        (2)打开/etc/profile文件
[atguigu@hadoop101 ]$ sudo vi /etc/profile
在profile文件末尾添加JDK路径：(shitf+g)
##HADOOP_HOME
export HADOOP_HOME=/opt/module/
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
(3)保存后退出
:wq
(4)让修改后的文件生效
[atguigu@ hadoop101 ]$ source /etc/profile
6.    测试是否安装成功
[atguigu@hadoop101 ]$ hadoop version
Hadoop 2.7.2
7.    重启(如果Hadoop命令不能用再重启)
[atguigu@ hadoop101 ]$ sync
[atguigu@ hadoop101 ]$ sudo reboot

5.4 Hadoop目录结构

1、查看Hadoop目录结构
[atguigu@hadoop101 ]$ ll
总用量 52
drwxr-xr-x. 2 atguigu atguigu  4096 5月  22 2017 bin
drwxr-xr-x. 3 atguigu atguigu  4096 5月  22 2017 etc
drwxr-xr-x. 2 atguigu atguigu  4096 5月  22 2017 include
drwxr-xr-x. 3 atguigu atguigu  4096 5月  22 2017 lib
drwxr-xr-x. 2 atguigu atguigu  4096 5月  22 2017 libexec
-rw-r--r--. 1 atguigu atguigu 15429 5月  22 2017 LICENSE.txt
-rw-r--r--. 1 atguigu atguigu   101 5月  22 2017 NOTICE.txt
-rw-r--r--. 1 atguigu atguigu  1366 5月  22 2017 README.txt
drwxr-xr-x. 2 atguigu atguigu  4096 5月  22 2017 sbin
drwxr-xr-x. 4 atguigu atguigu  4096 5月  22 2017 share
2、重要目录
(1)bin目录：存放对Hadoop相关服务(HDFS,YARN)进行操作的脚本
(2)etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件
(3)lib目录：存放Hadoop的本地库(对数据进行压缩解压缩功能)
(4)sbin目录：存放启动或停止Hadoop相关服务的脚本
(5)share目录：存放Hadoop的依赖jar包、文档、和官方案例