Gang 收录于大数据

2022-05-10 约 300 字预计阅读 2 分钟

Hadoop版本和优势

三大发行版本

Hadoop的三大发行版本：

Apache：是最原始最基础的版本，适合入门
Cloudera：大型互联网企业中使用较多
Hortonworks：文档较好

Apache

Cloudera

2008年成立的Cloudera公司是最早将Hadoop商用的公司
2009年Hadoop的创始人Doug Cutting加盟Cloudrea公司
Cloudera 的主要产品是 CDH，CDH是Cloudera的Hadoop的发行版本，完全开源，比Apache Hadoop在兼容性和安全性，稳定性上有所增强

Hortonworks

2011年成立的Hortonworks是雅虎与硅谷风投公司Benchmark Capital合资组建的。

公司成立之初就就吸纳了大约25至30名专门研究Hadoop的雅虎工程师，上述工程师在2005年开始协助雅虎开发Hadoop，贡献了Hadoop的80%的代码。

Hadoop优势

高可靠性：多个副本
高扩展性：在集群之间分配任务及数据，方便扩展数以千计的节点
高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度
高容错性：能够自动将失败的任务重新分配

Hadoop组成

Hadoop 1.x时代

Hadoop中的MapReduce同事处理业务逻辑运算和资源调度，耦合性较大

Hadoop 2.x时代

增加了Yarn，Yarn只负责资源的调度，MapReduce只负责运算

Hadoop 3.x时代

java修改为支持8及以上
HDFS支持纠删码
1. 纠删码是一种比副本存储更加节省空间的一种数据持久化方案
HDFS支持多NameNode
Map Reduce 任务级本地化
多重服务默认端口变更

Hadoop 三大核心组件介绍

Hadoop的主要三大核心组件：HDFS+MapReduce+Yarn

HDFS架构

分布式存储：负责海量数据存储

NameNode(nn)：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件块列表所在的DataNode等。
DataNode(dn)：在本地文件系统存储文件块数据，以及数据的校验和。
Secondary NameNode(2nn)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

YARN架构

集群资源的管理和调度

ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManger、资源分配与调度
NodeManger(nm)：单个节点上的资源管理、处理来自ResouceManger的命令、处理来自ApplicationMaster的命令
ApplicationMaster：数据切分、为应用程序申请资源并分配给内部任务、任务监控与容错。
Container：对任务运行的环境的抽象，封装了CPU、内存等多位资源一级环境变量、启动命令等任务运行相关信息。

MapReduce架构

分布式计算框架

MapReduce将计算过程分成两个阶段：Map和reduce

Map阶段并行处理输入的数据
Reduce阶段对Map结果进行汇总

大数据的生态系统

Hadoop生态

Hadoop安装

下载方式

官网https://hadoop.appache.org
历史归档：https://archive.apache.org/dist/hadoop/common/
推荐使用国内镜像：https://mirrors.tuna.tsinghua.edu.cn/apache
本次使用：https://archive.apache.org/dist/hadoop/common/hadoop-3.2.0/hadoop-3.2.0.tar.gz

配置SSH

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


# 修改主机名为bigdata01
[root@localhost ~]# vim /etc/hostnam
# 重启服务器
[root@localhost ~]# reboot

# 关闭防火墙
[root@localhost ~]# systemctl stop firewalld

# 生成sshkey
[root@localhost ~]# ssh-keygen -t rsa

# 在~/.ssh/下生成authorized_keys文件

[root@bigdata01 ~]# cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

安装JDK环境

安装Hadoop

上传安装包并解压：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


[root@bigdata01 hadoop-3.2.0]# ll
total 184
drwxr-xr-x. 2 1001 1002    203 Jan  8  2019 bin
drwxr-xr-x. 3 1001 1002     20 Jan  8  2019 etc
drwxr-xr-x. 2 1001 1002    106 Jan  8  2019 include
drwxr-xr-x. 3 1001 1002     20 Jan  8  2019 lib
drwxr-xr-x. 4 1001 1002   4096 Jan  8  2019 libexec
-rw-rw-r--. 1 1001 1002 150569 Oct 18  2018 LICENSE.txt
-rw-rw-r--. 1 1001 1002  22125 Oct 18  2018 NOTICE.txt
-rw-rw-r--. 1 1001 1002   1361 Oct 18  2018 README.txt
drwxr-xr-x. 3 1001 1002   4096 Jan  8  2019 sbin
drwxr-xr-x. 4 1001 1002     31 Jan  8  2019 share

bin：
etc：配置
sbin：启动脚本

配置环境变量

为了后面使用方便将hadoop的bin和sbin目录添加只环境变量中

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


[root@bigdata01 hadoop-3.2.0]# vim /etc/profile

# java 相关
export JAVA_HOME=/opt/jdk1.8.0_351
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib:$CLASSPATH
export JAVA_PATH=${JAVA_HOME}/bin:${JRE_HOME}/bin

# hadoop 相关
export HADOOP_HOME=/root/soft/hadoop-3.2.0
export HADOOP_PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin


export PATH=$PATH:${JAVA_PATH}:${HADOOP_PATH}

修改配置文件

修改hadoop-env.sh

Hadoop简介