在目前相信大多数IT开发人员对于人工智能+大数据并不陌生,使用的场景也越来越广,日常开发中前端同学也逐渐接触了更多与大数据相关的开发需求。因此对大数据知识也有必要进行一些学习理解,科多大数据带大家来学习了解一下大数据的基础知识。
大数据的本质
一、数据的存储:分布式文件系统(分布式存储)
二、数据的计算:分部署计算
(1)Java基础和Linux基础
(2)Hadoop的学习:体系结构、原理、编程
第一阶段:HDFS、MapReduce、HBase(NoSQL数据库)
第二阶段:数据分析引擎->Hive、Pig
数据采集引擎->Sqoop、Flume
第三阶段:HUE:Web管理工具
ZooKeeper:实现Hadoop的HA
Oozie:工作流引擎
(3)Spark的学习
第一阶段:Scala编程语言
第二阶段:SparkCore->基于内存、数据的计算
第三阶段:SparkSQL->类似于mysql的sql语句
第四阶段:SparkStreaming->进行流式计算:比如:自来水厂
(4)ApacheStorm类似:SparkStreaming->进行流式计算
NoSQL:Redis基于内存的数据库
HDFS
分布式文件系统解决以下问题:
硬盘不够大:多几块硬盘,理论上可以无限大
数据不够安全:冗余度,hdfs默认冗余为3,用水平复制提高效率,传输按照数据库为单位:Hadoop1.x64M,Hadoop2.x128M
管理员:NameNode硬盘:DataNode
![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/8ca9f78b244c7f991e73f71fd1e56421.png)
MapReduce
基础编程模型:把一个大任务拆分成小任务,再进行汇总
MR任务:Job=Map+Reduce
Map的输出是Reduce的输入、MR的输入和输出都是在HDFS
MapReduce数据流程分析:
Map的输出是Reduce的输入,Reduce的输入是Map的集合
大数据入门之Hadoop基础学习
HBase
什么是BigTable?:把所有的数据保存到一张表中,采用冗余—>好处:提高效率
因为有了bigtable的思想:NoSQL:HBase数据库
HBase基于Hadoop的HDFS的
描述HBase的表结构
核心思想是:利用空间换效率
大数据入门之Hadoop基础学习
Hadoop环境搭建
环境准备
Linux环境、JDK、http://mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz
安装
1、安装jdk、并配置环境变量
vim/etc/profile末尾添加
![image.png](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/a9bf2e19410f9b3d38c8b0ca64b2f264.png)
2、解压hadoop-3.0.0.tar.gz、并配置环境变量
tar-zxvfhadoop-3.0.0.tar.gz-C/usr/local/
mvhadoop-3.0.0/hadoop
大数据入门之Hadoop基础学习
大数据入门之Hadoop基础学习
vim/etc/profile末尾添加
大数据入门之Hadoop基础学习
配置
Hadoop有三种安装模式:
本地模式:
1台主机
不具备HDFS,只能测试MapReduce程序
伪分布模式:
1台主机
具备Hadoop的所有功能,在单机上模拟一个分布式的环境
(1)HDFS:主:NameNode,数据节点:DataNode
(2)Yarn:容器,运行MapReduce程序
主节点:ResourceManager
从节点:NodeManager
全分布模式:
至少3台
我们以伪分布模式为例配置:
修改hdfs-site.xml:冗余度1、权限检查false
dfs.replication
1
dfs.permissions
false
修改core-site.xml
fs.defaultFS
hdfs://192.168.56.102:9000
hadoop.tmp.dir
/usr/local/hadoop/tmp
修改mapred-site.xml
mapreduce.framework.name
yar
yarn.app.mapreduce.am.env
HADOOP_MAPRED_HOME=/usr/local/hadoop
mapreduce.map.env
HADOOP_MAPRED_HOME=/usr/local/hadoop
mapreduce.reduce.env
HADOOP_MAPRED_HOME=/usr/local/hadoop
mapreduce.application.classpath
/usr/local/hadoop/etc/hadoop,
/usr/local/hadoop/share/hadoop/common/*,
/usr/local/hadoop/share/hadoop/common/lib/*,
/usr/local/hadoop/share/hadoop/hdfs/*,
/usr/local/hadoop/share/hadoop/hdfs/lib/*,
/usr/local/hadoop/share/hadoop/mapreduce/*,
/usr/local/hadoop/share/hadoop/mapreduce/lib/*,
/usr/local/hadoop/share/hadoop/yarn/*,
/usr/local/hadoop/share/hadoop/yarn/lib/*,
修改yarn-site.xml
yarn.resourcemanager.hostname
192.168.56.102
yarn.nodemanager.aux-service
mapreduce_shuffle
格式化NameNode
hdfsnamenode-format
看到common.Storage:Storagedirectory/usr/local/hadoop/tmp/dfs/namehasbeensuccessfullyformatted表示格式化成功
启动
start-all.sh
(*)HDFS:存储数据
(*)YARN:
访问
(*)命令行
(*)JavaApi
(*)WEBConsole
HDFS:http://192.168.56.102:50070
Yarn:http://192.168.56.102:8088
基本操作:
HDFS相关命令
-mkdir在HDFD创建目录hdfsdfs-mkdir/data
-ls查看目录hdfsdfs-ls
-ls-R查看目录与子目录hdfsdfs-ls-R
-put上传一个文件hdfsdfs-putdata.txt/data/input
-copyFromLocal上传一个文件与-put一样
-moveFromLocal上传一个文件并删除本地文件
-copyToLocal下载文件hdfsdfs-copyTolocal/data/input/data.txt
-put下载文件hdfsdfs-put/data/input/data.txt
-rm删除文件hdfsdfs-rm
-getmerge将目录所有文件先合并再下载
-cp拷贝
-mv移动
-count统计目录下的文件个数
-text、-cat查看文件
-balancer平衡操作
Hadoop是基于Java语言的,前端日常开发是用的PHP,在使用、查找错误时还是蛮吃力的。工作之余还是需要多补充点其它语言的相关知识,编程语言是我们开发、学习的工具,而不应成为限制我们技术成长的瓶颈。