0%

hadoop简介

Hadoop简介

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),

其中一个组件是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;而且它提供高吞吐量(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)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,而MapReduce则为海量的数据提供了计算 。

Hadoop 由许多元素构成。其最底部是 Hadoop Distributed File System(HDFS),它存储 Hadoop 集群中所有存储节点上的文件。HDFS的上一层是MapReduce 引擎,该引擎由 JobTrackers 和 TaskTrackers 组成。通过对Hadoop分布式计算平台最核心的分布式文件系统HDFS、MapReduce处理过程,以及数据仓库工具Hive和分布式数据库Hbase的介绍,基本涵盖了Hadoop分布式平台的所有技术核心。

发行版本

Hadoop有三大发行版本:Apache、Cloudera、Hortonworks

  • Apache 最基础的版本 apache版
  • Cloudera 企业中使用最多的版本(收费) cdh版
  • Hortonworks 文档较好

优势

  • 高可用 Hadoop底层维护了多个数据副本,即使某个计算元素或者存储出现故障,也不会导致数据的丢失
  • 高扩展 在集群间分配任务数据,可方便的扩展数以千计的节点
  • 高效性 Hadoop并行工作,加快任务处理速度
  • 高容错性 可以自动将失败的任务重新分配

配置

配置文件在hadoop下/etc目录下,有几个重要的配置文件

core-site.xml

这是hadoop的核心配置文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>
<!-- fs.defaultFS用于配置NameNode节点的URI,协议、主机或IP、端口 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
<!-- hadoop.tmp.dir文件系统依赖的基础配置,如果在hdfs-site.xml中不配置NameNode节点和DataNode节点的数据存放位置时,默认放在该目录下 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/data/hadoop/tmp</value>
</property>
</configuration>

hdfs-site.xml

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
<!-- 数据备份数 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!-- NameNode节点文件数据存储路径 -->
<property>
<name>dfs.name.dir</name>
<value>/opt/data/hadoop/namenode</value>
</property>
<!-- DataNode节点文件数据存储路径-->
<property>
<name>dfs.data.dir</name>
<value>/opt/data/hadoop/datanode</value>
</property>
</configuration>

mapred-site.xml

1
2
3
4
5
6
7
8
9
10
11
12
13
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>
<!-- 配置jobTracker的主机名或者ip、端口 还可以配置TaskTracker-->
<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property>

</configuration>

启动

1
2
3
4
5
6
7
8
9
10
11
12
# 初始化namenode
hdfs namenode -format

# 启动hadoop(会启动 SecondaryNameNode、NameNode、NodeManager、ResourceManager、DataNode服务) 这个要去start-all.sh所在目录去执行 否则会报错 原因未知
./start-all.sh


# 验证 创建文件
hdfs dfs -mkdir /test

# 查看文件
hdfs dfs -ls /