|
目前人工智能和大数据火热，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。 基础概念 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 基础知识 学习大数据需要具备Java知识基础及Linux知识基础 学习路线 (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：Spark Core -> 基于内存、数据的计算 第三阶段：Spark SQL -> 类似于mysql 的sql语句 第四阶段：Spark Streaming ->进行流式计算：比如：自来水厂 (4)Apache Storm 类似：Spark Streaming ->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.x 64M，Hadoop2.x 128M · 管理员：NameNode 硬盘：DataNode  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 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 Hadoop环境搭建 环境准备 Linux环境、JDK、http://mirrors./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  2、解压hadoop-3.0.0.tar.gz、并配置环境变量 tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/ mv hadoop-3.0.0/ hadoop vim /etc/profile 末尾添加 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
修改core-site.xml
修改mapred-site.xml
修改yarn-site.xml
格式化NameNode hdfs namenode -format 看到common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted表示格式化成功 启动 start-all.sh (*)HDFS：存储数据 (*)YARN： 访问
HDFS: http://192.168.56.102:50070 Yarn: http://192.168.56.102:8088
查看HDFS管理界面和yarn资源管理系统
基本操作： HDFS相关命令
MapReduce示例
结果：
如上 一个最简单的MapReduce示例就执行成功了 思考 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。 对大数据以及人工智能概念都是模糊不清的，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习kou群：数字458加345最后782，有大量干货（零基础以及进阶的经典实战）分享给大家，让大家了解到目前国内最完整的大数据高端实战实用学习流程体系 。从java和linux入手，其后逐步的深入到HADOOP-hive-oozie-web-flume-python-hbase-kafka-scala-SPARK等相关知识一一分享！ |
|
|
