流式大数据计算实践（1）----Hadoop单机模式

一、前言

1、从今天开始进行流式大数据计算的实践之路，需要完成一个车辆实时热力图

2、技术选型：HBase作为数据仓库，Storm作为流式计算框架，ECharts作为热力图的展示

3、计划使用两台虚拟机来打一个小型的分布式系统，使用Ubuntu系统

二、HBase简介

1、HBase是基于HDFS（Hadoop分布式文件系统）的NoSQL数据库，采用k-v的存储方式，所以查询速度相对比较快。

2、下面画图比较HBase与传统的RDS（关系型数据库）数据库的区别

（1）RDS，经常用的比如MySQL、SQLServer等数据库，通过指定第几行第几列就可以唯一确定找到数据

（2）HBase

①首先需要指定row key（行键）来找到某一行，row key是一个可以由用户指定的字符串，保证其唯一，排序则是按照字典顺序

②指定column family（列族）找到某个列族，在设计时，官方建议列族设置的越少越好（保证查询速度，并且不容易出bug）

③指定colume（列名）找到某一列，一个列族会有多个列

④指定version来找到cell（单元格，单元格内存放着具体的数据），单元格的目的是为每一列设置多个版本，可以用时间戳代替

综上可以看出，当需要查询一个数据时的表达式应是------（行键：列族：列：版本号），才能唯一确定一个值，当然版本号可以省略，当省略时，默认取最后一个版本的值返回

三、环境搭建

1、首先准备两台Ubuntu虚拟机，我使用的是VirtualBox虚拟机，Ubuntu系统为16.04 x64，并保证其在同一局域网

2、我直接用su切换到root下，方便使用，但要注意不要输错命令

3、安装ssh，用xshell登录方便使用

apt-get install openssh-server

4、集群中机器访问使用主机名访问，所以修改主机名，一台为storm1，一台为storm2，修改完成后需要重启机器生效

vim /etc/hostname

storm1

reboot

5、配置hosts文件，保证集群内的机器可以通过主机名找到其他机器

vim /etc/hosts

192.168.3.77    storm1
192.168.3.78    storm2

6、配置SSH免密登录，具体配置参见教程，确保两台机可以互相ssh登录对方

7、安装JDK

（1）下载jdk的tar.gz包，然后解压

tar zxvf jdk-8u191-linux-x64.tar.gz

（2）配置环境变量

vim /etc/profile

#set java env
export JAVA_HOME=/work/soft/jdk1.8.0_191
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

source /etc/profile

8、安装Hadoop

（1）搭建单机模式

（2）下载hadoop的tar.gz包，然后解压

（3）配置环境变量（注意默认的JAVA_HOME会报错，所以要改路径）

vim /etc/profile

#set hadoop env
export HADOOP_HOME=/work/soft/hadoop-2.6.4
export HADOOP_PREFIX=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
export HADOOP_INSTALL=$HADOOP_HOME

export JAVA_HOME=/work/soft/jdk1.8.0_191

source /etc/profile

（3）配置hadoop-env.sh（设置jvm的使用内存和日志文件夹），要记得创建好日志文件夹

vim /work/soft/hadoop-2.6.4/etc/hadoop/hadoop-env.sh

export HADOOP_NAMENODE_OPTS=" -Xms1024m -Xmx1024m -XX:+UseParallelGC"
export HADOOP_DATANODE_OPTS=" -Xms1024m -Xmx1024m"
export HADOOP_LOG_DIR=/work/hadoop/logs

（4）配置core-site.xml（配置Hadoop的Web属性 ）

vim /work/soft/hadoop-2.6.4/etc/hadoop/core-site.xml

<configuration>
  <property>
    <name>fs.defaultFS</name>
	<value>hdfs://storm1:8020</value>
  </property>
</configuration>

（5）配置hdfs-site.xml（要记得创建好对应的文件夹，所有的节点的配置文件都是一样设置）

①设置hdfs的数据备份数量
②设置namenode节点存储文件的位置
③设置datanode节点存储文件的位置

vim /work/soft/hadoop-2.6.4/etc/hadoop/hdfs-site.xml

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>file:///work/hadoop/nn</value>
  </property>
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>file:///work/hadoop/dn</value>
  </property>
</configuration>

（6）格式化namenode

hdfs namenode -format

（7）启动单机模式

$HADOOP_PREFIX/sbin/start-dfs.sh

（8）访问hadoop的控制台http://192.168.3.77:50070/

（9）停止单机版集群

stop-dfs.sh