《大数据之Hadoop入门 hadoop零基础教程_光环大数据培训》由会员分享，可在线阅读，更多相关《大数据之Hadoop入门 hadoop零基础教程_光环大数据培训（4页珍藏版）》请在金锄头文库上搜索。
1、 光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/ 光环大数据光环大数据 http:/大数据之大数据之 HadoopHadoop 入门入门 hadoophadoop 零基础教程零基础教程_ _光环大数据培训光环大数据培训hadoophadoop 介绍介绍 ( (直奔主题直奔主题) )开源的数据分析平台，解决了大数据(大到一台计算机无法进行存储，一台 计算机无法在要求的时间内进行处理)的可靠存储和处理。适合处理非结构化数 据，包括 HDFS，MapReduce 基本组件与扩展组件 Pig、Hive、Hbase、Sqoop、Flume、ZooKeeper 和 Spark 等。
2、HadoopHadoop 基本组件基本组件HDFS 组件 ： 提供了一种跨服务器的弹性数据存储系统,在由普通 PC 组成 的集群上提供高可靠的文件存储，通过将块保存多个副本的办法解决服务器或 硬盘坏掉的问题。MapReduce 组件 ： 通过简单的 Mapper 和 Reducer 的抽象提供一个编程模 型，可以在一个由几十台上百台的 PC 组成的不可靠集群上并发地，分布式地处 理大量的数据集，而把并发、分布式(如机器间通信)和故障恢复等计算细节隐 藏起来。而 Mapper 和 Reducer 的抽象，又是各种各样的复杂数据处理都可以分 解为的基本元素。这样，复杂的数据处理可以分解为由多个 J
3、ob(包含一个 Mapper 和一个 Reducer)组成的有向无环图(DAG),然后每个 Mapper 和 Reducer 放到 Hadoop 集群上执行，就可以得出结果。MapReduceMapReduce 工作原理图如下：工作原理图如下：HadoopHadoop 扩展组件扩展组件这些技术主要包括了 Sqoop、Flume、Hive、Pig、ZooKeeper、Spark 等。Pig 组件 ： Apache Pig 也是 Hadoop 框架中的一部分，Pig 提供类 SQL 语 言(Pig Latin)通过 MapReduce 来处理大规模半结构化数据。而 Pig Latin 是更 高级的
4、过程语言，通过将 MapReduce 中的设计模式抽象为操作，如 Filter，GroupBy，Join，OrderBy。Hive 组件 ： 是一个基于 hadoop 的开源数据仓库工具，用于存储和处理 海量结构化数据。它把海量数据存储于 hadoop 文件系统，而不是数据库，但 提供了一套类数据库的数据存储和处理机制，并采用 HQL (类 SQL )语言对这 些数据进行自动化管理和处理。我们可以把 Hive 中海量结构化数据看成一个 个的表，而实际上这些数据是分布式存储在 HDFS 中的。 Hive 经过对语句进光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/ 光环大数
5、据光环大数据 http:/行解析和转换，最终生成一系列基于 hadoop 的 map/reduce 任务，通过执行 这些任务完成数据处理。HbaseHbase 组件组件 ：HBase 是一个构建在 HDFS 上的分布式列存储系统HBase 是基于 Google BigTable 模型开发的，典型的 key/value 系统;HBase 是 Apache Hadoop 生态系统中的重要一员，主要用于海量结构化数 据存储;从逻辑上讲，HBase 将数据按照表、行和列进行存储。与 hadoop 一样，Hbase 目标主要依靠横向扩展，通过不断增加廉价的商用 服务器，来增加计算和存储能力。与 HDFS
6、 关系图如下：Sqoop 组件 ： Sqoop 工具是 hadoop 环境下连接关系数据库(如 ：MySQL ,Oracle) ，和 hadoop 存储系统的桥梁，支持多种关系数据源和 hive,hdfs,hbase 的相互导入。一般情况下，关系数据表存在于线上环境的备 份环境，需要每天进行数据导入，根据每天的数据量而言，sqoop 可以全表导 入，对于每天产生的数据量不是很大的情形可以全表导入，但是 sqoop 也提供 了增量数据导入的机制。Flume 组件 ： Flume 是 Cloudera 提供的日志收集系统，Flume 支持在日 志系统中定制各类数据发送方，用于从网站服务器上收集数据
7、。同时 Flume 提 供对数据进行简单处理，并写到 HDFS，HBase 等集中存储器中。Flume 是一个 分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。应用场景比如我们在做一个电子商务网站，然后我们想从消费用户中访问 点特定的节点区域来分析消费者的行为或者购买意图. 这样我们就可以更加快 速的将他想要的推送到界面上，实现这一点，我们需要将获取到的她访问的页 面以及点击的产品数据等日志数据信息收集并移交给 Hadoop 平台上去分析.而 Flume 正是帮我们做到这一点。现在流行的内容推送，比如广告定点投放以及 新闻私人定制也是基于次，不过不一定是使用 FLume,毕竟优秀的产品
8、很多，比 如 facebook 的 Scribe，还有 Apache 新出的另一个明星项目 chukwa，还有淘宝 Time Tunnel。结构如下图所示：光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/ 光环大数据光环大数据 http:/ZooKeeper 组件 ： 一种集中服务，其用于维护配置信息，命名，提供分 布式同步，以及提供分组服务。ZooKeeper 是一个典型的分布式数据一致性的解决方案，分布式程序可以 基于它实现诸如数据发布/订阅、负载均衡、命名服务、分布式协调通知、集群 管理、master 选举、分布式锁、分布式队列等功能。ZooKeeper 可以保证如
9、下 分布式一致性特性。顺序一致性：从同一个客户端发起的事务请求，最终将严格按照其发起顺 序被应用到 ZooKeeper 中。原子性：更新操作要么成功要么失败，没有中间状态单一视图：不管客户端连接哪一个服务器，客户端看到服务端的数据模型 都是一致的(the same view of service)。可靠性：一旦一个更新成功，那么那就会被持久化，直到客户端用新的更 新覆盖这个更新。实时性：Zookeeper 仅保证在一定时间内，客户端最终一定能够从服务端 读到最新的数据状态。Spark 组件： Spark 是一个 Apache 项目，它被标榜为“快如闪电的集群计 算”。它拥有一个繁荣的开源社区，
10、并且是目前最活跃的 Apache 项目之一。Spark 提供了一个更快、更通用的数据处理平台。和 Hadoop 的 MapReduce 相比，Spark 可以让你的程序在内存中运行时速度提升 100 倍，或者在磁盘上 运行时速度提升 10 倍。去年，在 100 TB Daytona GraySort 比赛中，Spark 战 胜了 Hadoop，它只使用了十分之一的机器，但运行速度提升了 3 倍。Spark 也 已经成为 针对 PB 级别数据排序的最快的开源引擎。 注： MapReduce 适合历 史数据分析计算，Spark 适合实时数据分析计算。Cloudera： 100%开源的商业化 Apa
11、che Hadoop 发行版本(CDH, Cloudera s Distribution including Apache Hadoop)和相关的组件，其中包括了各类安 全高效的企业级数据管理工具，如 Hive, HBase，Oozie, Zookeeper 等。Hortonworks： Hortonworks 是一家基于 Hadoop 提供大数据服务的公司， 致力于开发 Hadoop 框架内软件，提升大数据的处理能力。开发了很多增强特性 并提交至核心主干，这使得 Hadoop 能够在包括 Windows Server 和 Azure 在内 平台上本地运行。MapR： 获取更好的性能和易用性而
12、支持本地 Unix 文件系统而不是 HDFS。 提供诸如快照、镜像或有状态的故障恢复等高可用性特性。领导着 Apache 光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/ 光环大数据光环大数据 http:/Drill 项目，是 Google 的 Dremel 的开源实现，目的是在 Hadoop 数据上执行类 似 SQL 的查询以提供实时处理。为什么大家选择为什么大家选择光环大数据光环大数据！大数据培训、人工智能培训、Python 培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。【报名方式、详情咨询报名方式、详情咨询】光环大数据官方网站报名：光环大数据官方网站报名：http:/ /mobile/mobile/
