Hadoop认识

Hadoop包含的模块:

• Hadoop Common：支持其他hadoop模块的公用工具包；
• HDFS：高吞吐量访问的分布式文件系统；
• Hadoop YARN：任务调度和集群资源管理的框架；
• Hadoop MapReduce：基于YARN并行处理大数据集的系统。

Hadoop其他相关项目：

• Ambari：一个web管理工具；
• Avro：数据序列化系统；
• Cassandra：可扩展的无单点失败的多主数据库；
• Chukwa：管理大分布式系统的数据集系统；
• HBase：支持大表存储结构化数据的可扩展的分布式数据库；
• Hive：数据仓库基础设施，提供数据汇总和即席查询；
• Mahout：可扩展的机器学习和数据挖掘库；
• Pig：一个高层次的数据流语言和并行计算执行框架；
• Spark：Hadoop的数据的快速和通用计算引擎。Spark提供了支持广泛的应用，包括ETL，机器学习，流处理和图形计算的简单和表现的编程模型；
• Tez：广义数据流编程框架；
• ZooKeeper：分布式应用的高性能协调服务。

Hadoop伪分布式环境配置

• 下载Hadoop,直接去官网下载；
• 修改hadoop的java环境，下载完hadoop后，解压，找到hadoop中etc/hadoop/hadoop-env.sh

# set to the root of your Java installation
export JAVA_HOME=/usr/java/latest(设置为java的安装目录)

• 配置
  1. etc/hadoop/core-site.xml

     <configuration>
         <property>
             <name>fs.defaultFS</name>
             <value>hdfs://localhost:9000</value>
         </property>
     </configuration>
     

  2. etc/hadoop/hdfs-site.xml

     <configuration>
         <property>
             <name>dfs.replication</name>
             <value>1</value>
         </property>
     </configuration>
     

• 执行
  1. 格式化文件系统

     $ bin/hdfs namenode -format
     

  2. 启动后台线程

     $ sbin/start-dfs.sh
     

  3. 浏览器访问
     http://localhost:50070/
  4. 执行MapReduce任务

     $ bin/hdfs dfs -mkdir /user  // 创建目录
     $ bin/hdfs dfs -mkdir /user/<username>  //username必须是当前登录用户名,否则会报找不到input目录的错误
     

  5. 赋值目录文件

     $ bin/hdfs dfs -put etc/hadoop input
     

  6. 运行例子

     $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+'
     

  7. 测试输出结果

     $ bin/hdfs dfs -get output output
     $ cat output/*
     或者
     $ bin/hdfs dfs -cat output/*
     

  8. 关闭

     $ sbin/stop-dfs.sh
     

• YARN的方式执行任务
  1-4部同上
  • 配置etc/hadoop/mapred-site.xml
    首先从mapred-site-template.xml拷贝一份重命名为mapred-site.xml,然后再修改mapred-site.xml文件

    <configuration>
        <property>
            <name>mapreduce.framework.name</name>
            <value>yarn</value>
        </property>
    </configuration>
    

  • 配置etc/hadoop/yarn-site.xml

    <configuration>
        <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
        </property>
    </configuration>
    

  • 以yarn方式启动

    $ sbin/start-yarn.sh
    

  • 浏览器查看
    http://localhost:8088/
  • 停止

    $ sbin/stop-yarn.sh