《chapter2-第二章-大数据处理架构hadoop(2016年2月24日版本)》由会员分享，可在线阅读，更多相关《chapter2-第二章-大数据处理架构hadoop(2016年2月24日版本)（44页珍藏版）》请在金锄头文库上搜索。
1、,第二章 大数据处理架构Hadoop,大数据技术原理与应用,提纲,2.1 概述 2.2 Hadoop项目结构 2.3 Hadoop的安装与使用 2.4 Hadoop集群的部署与使用,2.1 概述,2.1.1 Hadoop简介 2.1.2 Hadoop发展简史 2.1.3 Hadoop的特性 2.1.4 Hadoop的应用现状,2.1.1 Hadoop简介,Hadoop是Apache软件基金会旗下的一个开源分布式计算平台，为用户提供了系统底层细节透明的分布式基础架构 Hadoop是基于Java语言开发的，具有很好的跨平台特性，并且可以部署在廉价的计算机集群中 Hadoop的核心是分布式文件系统H
2、DFS（Hadoop Distributed File System）和MapReduce Hadoop被公认为行业大数据标准开源软件，在分布式环境下提供了海量数据的处理能力 几乎所有主流厂商都围绕Hadoop提供开发工具、开源软件、商业化工具和技术服务，如谷歌、雅虎、微软、思科、淘宝等，都支持Hadoop,2.1.2 Hadoop发展简史,Hadoop最初是由Apache Lucene项目的创始人Doug Cutting开发的文本搜索库。Hadoop源自始于2002年的Apache Nutch项目一个开源的网络搜索引擎并且也是Lucene项目的一部分 在2004年，Nutch项目也模仿GFS
3、开发了自己的分布式文件系统NDFS（Nutch Distributed File System），也就是HDFS的前身 2004年，谷歌公司又发表了另一篇具有深远影响的论文，阐述了MapReduce分布式编程思想 2005年，Nutch开源实现了谷歌的MapReduce,Hadoop的标志,2.1.2 Hadoop发展简史,到了2006年2月，Nutch中的NDFS和MapReduce开始独立出来，成为Lucene项目的一个子项目，称为Hadoop，同时，Doug Cutting加盟雅虎 2008年1月，Hadoop正式成为Apache顶级项目，Hadoop也逐渐开始被雅虎之外的其他公司使用
4、2008年4月，Hadoop打破世界纪录，成为最快排序1TB数据的系统，它采用一个由910个节点构成的集群进行运算，排序时间只用了209秒 在2009年5月，Hadoop更是把1TB数据排序时间缩短到62秒。Hadoop从此名声大震，迅速发展成为大数据时代最具影响力的开源分布式开发平台，并成为事实上的大数据处理标准,2.1.3 Hadoop的特性,Hadoop是一个能够对大量数据进行分布式处理的软件框架，并且是以一种可靠、高效、可伸缩的方式进行处理的，它具有以下几个方面的特性： 高可靠性 高效性 高可扩展性 高容错性 成本低 运行在Linux平台上 支持多种编程语言,2.1.3 Hadoop的
5、应用现状,Hadoop凭借其突出的优势，已经在各个领域得到了广泛的应用，而互联网领域是其应用的主阵地 2007年，雅虎在Sunnyvale总部建立了M45一个包含了4000个处理器和1.5PB容量的Hadoop集群系统 Facebook作为全球知名的社交网站，Hadoop是非常理想的选择，Facebook主要将Hadoop平台用于日志处理、推荐系统和数据仓库等方面 国内采用Hadoop的公司主要有百度、淘宝、网易、华为、中国移动等，其中，淘宝的Hadoop集群比较大,2.1.3 Hadoop的应用现状,Hadoop在企业中的应用架构,2.1.4 Apache Hadoop版本演变,Apache
6、 Hadoop版本分为两代，我们将第一代Hadoop称为Hadoop 1.0，第二代Hadoop称为Hadoop 2.0 第一代Hadoop包含三个大版本，分别是0.20.x，0.21.x和0.22.x，其中，0.20.x最后演化成1.0.x，变成了稳定版，而0.21.x和0.22.x则增加了NameNode HA等新的重大特性 第二代Hadoop包含两个版本，分别是0.23.x和2.x，它们完全不同于Hadoop 1.0，是一套全新的架构，均包含HDFS Federation和YARN两个系统，相比于0.23.x，2.x增加了NameNode HA和Wire-compatibility两个重
7、大特性,2.1.4 Apache Hadoop版本演变,Apache Hadoop Hortonworks Cloudera（CDH：Cloudera Distribution Hadoop） MapR ,2.1.5 Hadoop各种版本,选择 Hadoop版本的考虑因素： 是否开源（即是否免费） 是否有稳定版 是否经实践检验 是否有强大的社区支持,2.1.5 Hadoop各种版本,2.2 Hadoop项目结构,Hadoop的项目结构不断丰富发展，已经形成一个丰富的Hadoop生态系统,2.2 Hadoop项目结构,2.3 Hadoop的安装与使用,详细安装教程请参考厦门大学数据实验室出品的大
8、数据技术原理与应用 第二章 大数据处理架构Hadoop 学习指南 访问地址：,2.3.1 Hadoop安装之前的预备知识 2.3.2 安装Linux虚拟机 2.3.3 安装双操作系统 2.3.4 详解Hadoop的安装与使用,2.3.1 Hadoop安装之前的预备知识,（一）Linux的选择,（1）选择哪个Linux发行版？ 在Linux系统各个发行版中，CentOS系统和Ubuntu系统在服务端和桌面端使用占比最高，网络上资料最是齐全，所以建议使用CentOS 或Ubuntu 在学习Hadoop方面，虽然两个系统没有多大区别，但是推荐使用Ubuntu操作系统 （2）选择32位还是64位？ 如
9、果电脑比较老或者内存小于2G，那么建议选择32位系统版本的Linux 如果内存大于4G，那么建议选择64位系统版本的Linux,2.3.1 Hadoop安装之前的预备知识,（二）系统安装方式：选择虚拟机安装还是双系统安装,建议电脑比较新或者配置内存4G以上的电脑可以选择虚拟机安装 电脑较旧或配置内存小于等于4G的电脑强烈建议选择双系统安装，否则，在配置较低的计算机上运行LInux虚拟机，系统运行速度会非常慢 鉴于目前教师和学生的计算机硬件配置一般不高，建议在实践教学中采用双系统安装，确保系统运行速度,2.3.1 Hadoop安装之前的预备知识,（三）关于Linux的一些基础知识 Shell 是
10、指“提供使用者使用界面”的软件（命令解析器），类似于DOS下的command和后来的cmd.exe。它接收用户命令，然后调用相应的应用程序 sudo命令 sudo是ubuntu中一种权限管理机制，管理员可以授权给一些普通用户去执行一些需要root权限执行的操作。当使用sudo命令时，就需要输入您当前用户的密码 输入密码 在Linux的终端中输入密码，终端是不会显示任何你当前输入的密码，也不会提示你已经输入了多少字符密码，读者不要误以为键盘没有响应 输入法中英文切换 linux中英文的切换方式是使用键盘“shift”键来切换，也可以点击顶部菜单的输入法按钮进行切换。Ubuntu自带的Sunpin
11、yin中文输入法已经足够读者使用 Ubuntu终端复制粘贴快捷键 在Ubuntu终端窗口中，复制粘贴的快捷键需要加上 shift，即粘贴是 ctrl+shift+v,2.3.1 Hadoop安装之前的预备知识,（四）Hadoop安装方式 单机模式：Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。非分布式即单 Java 进程，方便进行调试 伪分布式模式：Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件 分布式模式：使用多个节点构
12、成集群环境来运行Hadoop,2.3.2 安装Linux虚拟机,一、材料和工具 1、下载VirtualBox虚拟机软件 2. 下载Ubuntu LTS 14.04 ISO映像文件,二、步骤 （一）确认系统版本 如果选择的系统是64位Ubuntu系统，那么在安装虚拟机前，我们还要进入BIOS开启CPU的虚拟化,2.3.2 安装Linux虚拟机,(二)安装前的准备,1.打开VirtualBox，点击“创建”按钮，创建一个虚拟机 2.给虚拟机命名，选择操作系统，版本 3.选择内存大小，这里设置的1024M 4.创建虚拟硬盘 5.选择虚拟硬盘文件类型VDI 6.虚拟硬盘选择动态分配 7.选择文件存储的
13、位置和容量大小 8.点击创建,2.3.2 安装Linux虚拟机,(三)安装Ubuntu,2.3.3 安装双操作系统,第一步：制作安装U盘 具体可参考百度经验文章 第二步：双系统安装 具体可参考百度经验文章 ,安装后Window和Ubuntu 14.04都可以用，默认windows优先启动 可以在电脑启动时，选择进入Ubuntu系统而不是 Windows系统,2.3.4 Hadoop的安装与使用（单机/伪分布式）,Hadoop基本安装配置主要包括以下几个步骤： 创建Hadoop用户 SSH登录权限设置 安装Java环境 单机安装配置 伪分布式安装配置,详细安装配置过程请参考厦门大学数据库实验室出
14、品教程 Hadoop安装教程_单机/伪分布式配置_Hadoop2.6.0/Ubuntu14.04 在“大数据课程学生服务站”中的第二章学习指南有该教程链接地址,创建Hadoop用户,如果安装 Ubuntu 的时候不是用的 “hadoop” 用户，那么需要增加一个名为 hadoop 的用户,首先按 ctrl+alt+t 打开终端窗口，输入如下命令创建新用户 :,上面这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为 shell,接着使用如下命令设置密码，可简单设置为 hadoop，按提示输入两次密码：,可为 hadoop 用户增加管理员权限，方便部署，避免一些对新手来
15、说比较棘手的权限问题：,SSH登录权限设置,配置SSH的原因： Hadoop名称节点（NameNode）需要启动集群中所有机器的Hadoop守护进程，这个过程需要通过SSH登录来实现。Hadoop并没有提供SSH输入密码登录的形式，因此，为了能够顺利登录每台机器，需要将所有机器配置为名称节点可以无密码登录它们,SSH是什么？ SSH 为 Secure Shell 的缩写，是建立在应用层和传输层基础上的安全协议。SSH 是目前较可靠、专为远程登录会话和其他网络服务提供安全性的协议。利用 SSH 协议可以有效防止远程管理过程中的信息泄露问题。SSH最初是UNIX系统上的一个程序，后来又迅速扩展到其
16、他操作平台。 SSH是由客户端和服务端的软件组成，服务端是一个守护进程(daemon)，它在后台运行并响应来自客户端的连接请求，客户端包含ssh程序以及像scp（远程拷贝）、slogin（远程登陆）、sftp（安全文件传输）等其他的应用程序,安装Java环境,Java环境可选择 Oracle 的 JDK，或是 OpenJDK 可以在Ubuntu中直接通过命令安装 OpenJDK 7,还需要配置一下 JAVA_HOME 环境变量 具体请参考网络教程：,单机安装配置,Hadoop 2 可以到官网下载，需要下载 hadoop-2.x.y.tar.gz 这个格式的文件，这是编译好的，另一个包含 src 的则是 Hadoop 源代码，需要进行编译才可使用,Hadoop 2 安装文件的下载,如果读者是使用虚拟机方式安装Ubuntu系统的用户，请用虚拟机中的Ubuntu自带firefox浏览器访问本指南，再点击下载地址，才能把hadoop文件下载虚拟机ubuntu中。请不要使用Windows系统下的浏览器下载，文件会被下载到Windows系统中，虚拟机中的U
