《Chapter2厦门大学林子雨大数据技术原理与应用第二章大数据处理架构课件》由会员分享，可在线阅读，更多相关《Chapter2厦门大学林子雨大数据技术原理与应用第二章大数据处理架构课件（19页珍藏版）》请在金锄头文库上搜索。
1、,厦门大学计算机科学系 2015年版,林子雨 厦门大学计算机科学系 E-mail: 主页：,第二章 大数据处理架构Hadoop（PPT版本号：2015年6月第1.0版）,大数据技术原理与应用,温馨提示：编辑幻灯片母版，可以修改每页PPT的厦大校徽和底部文字,提纲,2.1 概述 2.2 Hadoop项目结构 2.3 Hadoop的安装与使用,欢迎访问大数据技术原理与应用教材官方网站： ,本PPT是如下教材的配套讲义： 21世纪高等教育计算机规划教材 大数据技术原理与应用 概念、存储、处理、分析与应用 （2015年6月第1版） 厦门大学 林子雨 编著，人民邮电出版社 ISBN:978-7-115-
2、39287-9,2.1 概述,2.1.1Hadoop简介 2.1.2Hadoop发展简史 2.1.3Hadoop的特性 2.1.4Hadoop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HDFS（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
3、 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，
4、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 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
5、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
6、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,2.2 Hadoop项目结构,经过多年的发展，Hadoop项目不断完善和成熟，目前已经包含多个子项目（如图2-2所示） 除了核心的HDFS和MapReduce以外，Hadoop项目还包括Common、Avro、Zookeeper、HBase、Hive、Chukwa、Pig等子项目，它们提供了互补服务或
7、在核心层上提供了更高层的服务,图2-2 Hadoop项目结构图,2.3Hadoop的安装与使用,Hadoop基本安装配置主要包括以下几个步骤： 创建Hadoop用户 Java安装 SSH登录权限设置 单机安装配置 伪分布式安装配置,2.3.1 创建Hadoop用户,添加用户-useradd 删除用户-userdel 更改密码-passwd 在本次实验中，创建的用户名为hadoop,2.3.2 Java安装,使用CentOS自带的java版本 安装Oracle官方java版本,2.3.3 SSH登录权限,配置SSH的原因： Hadoop名称节点（NameNode）需要启动集群中所有机器的Hado
8、op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是由客户端和服务端的软件组成，服务端是一个守护进程(daemon)，他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。,2.3.4 安装单机Hadoop,Hadoop版本：1.2.1 下载地址：,实验步骤： 解压缩
9、hadoop-1.2.1.tar.gz 修改hadoop-env.sh 查看hadoop版本信息：./hadoop version 运行hadoop实例,2.3.5 Hadoop伪分布式安装,Hadoop配置文件,2.3.5 Hadoop伪分布式安装,实验步骤： 修改配置文件：core-site.xml，hdfs-site.xml，mapred-site.xml 初始化文件系统hadoop namenode -format 启动所有进程start-all.sh 访问web界面，查看Hadoop信息 运行实例,本章小结,Hadoop被视为事实上的大数据处理标准，本章介绍了Hadoop的发展历程，
10、并阐述了Hadoop的高可靠性、高效性、高可扩展性、高容错性、成本低、运行在Linux平台上、支持多种编程语言等特性 Hadoop目前已经在各个领域得到了广泛的应用，雅虎、Facebook、百度、淘宝、网易等公司都建立了自己的Hadoop集群 经过多年发展，Hadoop项目已经变得非常成熟和完善，包括Common、Avro、Zookeeper、HDFS、MapReduce、HBase、Hive、Chukwa、Pig等子项目，其中，HDFS和MapReduce是Hadoop的两大核心组件 本章最后介绍了如何在Linux系统下完成Hadoop的安装和配置，这个部分是后续章节实践环节的基础,主讲教师和助教,欢迎访问大数据技术原理与应用概念、存储、处理、分析与应用 教材官方网站：,单位：厦门大学计算机科学系 E-mail: 个人网页： 数据库实验室网站：,主讲教师：林子雨,单位：厦门大学计算机科学系数据库实验室2013级硕士研究生（导师：林子雨） E-mail: ,助教：蔡珉星,Department of Computer Science, Xiamen University, June, 2015,
