hadop总结.docxVIP

Hadoop 概念： Hadoop是一个能够对大量数据进行分布式处理的软件框架！ Hadoop的特点： 1. 可靠性（Reliable）：hadoop能自动地维护数据的多份副本，并且在任务失败后能自动地重新部署（redeploy）计算任务。 2. 高效率（Efficient）：通过分发数据，hadoop可以在数据所在的节点上并行的（parallel）处理它们，这使得处理非常的快速。 3.扩容能力（Scalable）：能可靠的（reliably）存储和处理千兆字节（PB）数据。 4. 成本低（Economical）：可以通过普通机器组成的服务器群来分发以及处理数据。这些服务器群总计可达数千个节点。 {简单来说： 1.可靠性 ?（体现在它维护多个工作数据的副本，确保节点宕掉了重新进行分布式处理） 2.高效性 （体现在它通过并行（计算机同时执2个或者多个处理机的一种计算方法）的方式处理数据，从而加快了数据处理速度） 3.可伸缩性 （能处理PB级别的数据量） 4.廉价性 ?（它使用了社区服务器，因此它的成本很低，任何人都可以去用） } 它实现了一个分布式文件系统，简称之为HDFS 以真实的电信详单分析程序为主线，讲解Hadoop,Hbase,Hive在大数据处理的应用场景与过程。 通过此课程，你能 掌握Hadoop基本知识，进行Hadoop的HDFS和MapReduce应用开发，搭建Hadoop集群。 掌握Hbase基本知识，搭建Hbase集群，Hbase的基本操作 掌握数据仓库基本知识，用Hive建立数据仓库，并进行多维分析 Hadoop核心项目：HDFS（用于存储）和MapReduce（用于计算） Hdfs:分布式文件系统 概念： Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。 内部机制就是将一个文件分割成一个或多个块（一个block块:64M），这些块被存储在一组数据节点中 1.Hdfs的架构 主从结构 主节点，只有一个: namenode 从节点，有很多个: datanodes namenode负责： 接收用户操作请求 维护文件系统的目录结构 管理文件与block之间关系，block与datanode之间关系 datanode负责： 存储文件 文件被分成block存储在磁盘上 为保证数据安全，文件会有多个副本 Namenode/DataNode/SecondaryNameNode 分别的作用 Namenode包括：（hdfs-site.xml的.dir属性） fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。 edits:操作日志文件。 fstime:保存最近一次checkpoint的时间 以上这些文件是保存在linux的文件系统中。 DataNode包括：（hdfs-site.xml的dfs.replication属性） 提供真实文件数据的存储服务。 文件块（block）：最基本的存储单位。对于文件内容而言，一个文件的长度大小是size，那么从文件的０偏移开始，按照固定的大小，顺序对文件进行划分并编号，划分好的每一个块称一个Block。HDFS默认Block大小是64MB，以一个256MB文件，共有256/64=4个Block. 不同于普通文件系统的是，HDFS中，如果一个文件小于一个数据块的大小，并不占用整个数据块存储空间 Replication。多复本。默认是三个 SecondaryNameNode包括：（hdfs-site.xml的dfs.replication属性） HA的一个解决方案。但不支持热备。配置即可 (HA 集群（High Availability, 高可用性集群）是集群中较常见的一种，当硬件或软件系统发生故障时，运行在该集群系统上的数据不易丢失，而且能在尽可能短的时间内恢复正常运行。) 执行过程：从NameNode上下载元数据信息（fsimage,edits），然后把二者合并，生成新的fsimage，在本地保存，并将其推送到NameNode，同时重置NameNode的edits. 默认在安装在NameNode节点上，但这样...不安全！ 1.***NodeNode对DataNode的心跳和块报告的管理 namenode节点负责处理所有的块复制相关的决策。 它周期性地接受集群中数据节点的心跳和块报告。 一个心跳的到达表示这个数据节点是正常的。 一个块报告包括该数据节点上所有块的列表。 2.***HDFS中文件副本放置策略： 复制副本数为3（一般情况下） HDFS的副本放置策略是： 第一个副本放在本地节点 第二个副本放到本地机架上的另外一个节点 第三个副本放到不同机架上的节点。 这种方式的优势：减少了机架