hadoop伪分布模式的配置和一些常用命令

大数据的发展历史

3V：volume、velocity、variety（结构化和非结构化数据）、value（价值密度低）

大数据带来的技术挑战

• 存储容量不断增加
• 获取有价值的信息的难度：搜索、广告、推荐
• 大容量、多类型、高时效的数据处理场景，使得从数据中获取有价值的信息变得非常困难

hadoop理论概述

hadoop发展简史

• apache nutch项目，是一个开源网络搜索引擎
• 谷歌发表GFS，是HDFS的前身
• 谷歌发表了mapreduce分布式编程思想
• nutch开源实现了mapreduce

hadoop简介

• 是apache软件基金会下的一个开源分布式计算平台
• java语言，跨平台性
• 在分布式环境下提供了海量数据的处理能力
• 几乎所有厂商都围绕hadoop提供开发工具

hadoop核心

• 分布式文件系统HDFS
• 分布式计算MapReduce

hadoop特性

• 高可靠性
• 高效性
• 高可扩展性
• 高容错性
• 成本低
• linux
• 支持多种编程语言

hadoop生态系统

• HDFS：分布式文件系统
• mapreduce：分布式并行编程模型
• yarn：资源管理和调度器
• tez运行在yarn之上的下一代hadoop查询处理框架，他会将很多的mr任务分析优化后构建一个邮箱无环图，保证最高的工作效率
• hive：hadoop上的数据仓库
• hbase：非关系型分布式数据库
• pig：基于hadoop的大规模数据分析平台
• sqoop：用于在hadoop与传统数据库之间进行数据传递
• oozie：工作流管理系统
• zookeeper：提供分布式协调一致性服务
• storm：流计算框架
• flume：分布式海量日志采集、聚合和传输的系统
• ambari：快速部署工具
• kafka：分布式发布订阅消息系统，可以处理消费者规模的网站中所有动作流数据
• spark：类似于hadoop mapreduce的通用并行框架

hadoop伪分布模式安装

主要流程

• 创建用户及用户组

sudo useradd -d /home/zhangyu -m zhangyu
sudo passwd zhangyu
sudo usermod -G sudo zhangyu
su zhangyu
ssh-keygen -t rsa
cat ~/.ssh/id_rsa.pub >>~/.ssh/authorized_keys
ssh localhost

• 创建apps和data目录并修改权限

sudo mkdir /apps
sudo mkdir /data
sudo chown -R zhangyu:zhangyu /apps
sudo chown -R zhangyu:zhangyu /data

• 下载hadoop和java

mkdir -p /data/hadoop1
cd /data/hadoop1
wget java
wget hadoop
tar -xzvf jdk.tar.gz -C /apps
tar -xzvf hadoop.tar.gz -C /apps
cd /apps
mv jdk java
mv hadoop hadoop

• 添加上面两个到环境变量

sudo vim ~/.bashrc
export JAVA_HOME=/apps/java
export PATH=JAVA_HOME/bin:$PATH
export HADOOP_HOME=/apps/hadoop
export PATH=HADOOP_HOME/bin:$PATH
source ~/.bashrc
java
hadoop

• 修改hadoop配置文件

cd /apps/hadoop/etc/hadoop

vim hadoop-env.sh
export JAVA_HOME=/apps/java

vim core-site.xml
//追加
<property>
    <name>hadoop.tmp.dir</name>  //临时文件存储位置
    <value>/data/tmp/hadoop/tmp</value>
</property>
<property>
    <name>fs.defaultFS</name>  //hdfs文件系统的地址
    <value>hdfs://localhost:9000</value>
</property>
mkdir -p /data/tmp/hadoop/tmp  

vim hdfs-site.xml
<property>
    <name>dfs.namenode.name.dir</name>  //配置元数据信息存储位置
    <value>/data/tmp/hadoop/hdfs/name</value>
</property>
 <property>
     <name>dfs.datanode.data.dir</name>  //具体数据存储位置
     <value>/data/tmp/hadoop/hdfs/data</value>
 </property>
 <property>
     <name>dfs.replication</name>  //配置每个数据库备份数，要根据节点数决定
     <value>1</value>
 </property>
 <property>
     <name>dfs.permissions.enabled</name>  //配置hdfs是否启用权限认证
     <value>false</value>
 </property>

• 将集群中slave角色的节点的主机名添加进slaves文件中

vim slaves  //将集群中的slave角色的节点的主机名添加经slaves文件中
//目前只有一台节点，所以slaves文件内容只有localhost

• 格式化hdfs文件系统

hadoop namenode -format

• 输入jps查看hdfs相关进程是否启动

cd /apps/hadoop/sbin/
./start-dfs.sh
jps
hadoop fs -mkdir /myhadoop1
hadoop fs -ls -R /

• 配置mapreduce

cd /apps/hadoop/etc/hadoop/
mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml
<property>
    <name>mapreduce.framework.name</name>  //配置mapreduce任务所使用的框架
    <value>yarn</value>
</property>

• 配置yarn并且测试

 vim yarn-site.xml
<property>
    <name>yarn.nodemanager.aux-services</name>  //指定所用服务器
    <value>mapreduce_shuffle</value>
</property>
./start-yarn.sh

• 执行测试

cd /apps/hadoop/share/hadoop/mapreduce
hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.4.5.jar pi 3 3

hadoop开发插件安装

mkdir -p /data/hadoop3
cd /data/hadoop3
wget http://192.168.1.100:60000/allfiles/hadoop3/hadoop-eclipse-plugin-2.6.0.jar
cp /data/hadoop3/hadoop-eclipse-plugin-2.6.0.jar /apps/eclipse/plugins/

• 进入图形界面

window->open perspective->other
选择map/reduce
点击condole右上角蓝色的大象添加相关配置

• 终端命令行

cd /apps/hadoop/sbin
./start-all.sh

hadoop常用命令

开启、关闭hadoop

cd /apps/hadoop/sbin
./start-all.sh
cd /apps/hadoop/sbin
./stop-all.sh

命令格式

hadoop fs -命令 目标
hadoop fs -ls /user

查看版本

hdfs version
hdfs dfsadmin -report  //查看系统状态

目录操作

hadoop fs -ls -R /
hadoop fs -mkdir /input
hadoop fs -mkdir -p /test/test1/test2
hadoop fs -rm -rf /input

文件操作

hadoop fs -touchz test.txt
hadoop fs -put test.txt /input  //把本地文件上传到input文件加下
hadoop fs -get /input/test.txt /data //把hadoop集群中的test文件下载到data目录下
hadoop fs -cat /input/test.txt
hadoop fs -tail data.txt //同cat
hadoop fs -du -s /data.txt  //查看文件大小
hadoop fs -text /test1/data.txt  //将源文件输出为文本格式
hadoop fs -stat data.txt  //返回指定路径的统计信息
hadoop fs -chown root /data.txt  //改变文件所有者
hadoop fs -chmod 777 data.txt  //赋予文件777权限
hadoop fs -expunge  //清空回收站

模式切换

hdfs dfsadmin -safemode enter
hdfs dfsadmin -safemode leave