大数据之旅--Hadoop入门

guduadmin11天前

内容大纲介绍

Hadoop框架国内外应用
Hadoop的架构图
Hadoop集群环境

Hadoop集群使用–页面访问

一、Hadoop框架国内外应用

国外

Yahoo的Hadoop机器总节点数目已经超过42000个，有超过10万的核心CPU在运行Hadoop，总的集群存储容量大于350PB，每月提交的作业数目超过1000万个。
Yahoo的Hadoop应用主要包括以下几个方面：
广告系统支持、
用户行为分析、
Web搜索支持、
反垃圾邮件系统、
个性化推荐

国内

阿里巴巴的Hadoop集群大约有3200台服务器，大约30000物理CPU核心，总内存100TB，总的存储容量超过60PB，每天的作业数目超过150000个
Hadoop集群主要为电子商务网络平台提供底层的基础计算和存储服务，主要应用包括：
数据平台系统、
搜索支撑、
电子商务数据、
推荐引擎系统、
搜索排行榜

Hadoop的组成

HDFS: 分布式存储框架
MapReduce: 分布式计算框架

Yarn: 任务接收和调度器

二、 Hadoop的架构图

1、Hadoop1.X = HDFS + MapReduce

大数据之旅--Hadoop入门,在这里插入图片描述,第1张

HDFS: Hadoop Distributed FileSystem 分布式文件存储系统

HDFS集群架构解释

1、namenode: 主节点
  1.管理整个HDFS集群
  2.维护和管理元数据
  
2、什么是元数据(metadata)?
  答:描述数据的数据就被称之为: 元数据。例如:图书在哪层,哪个区域,哪个书架
  文件的存储路径，大小，时间，权限
  
3、SecondaryNameNode: 辅助节点→辅助namenode管理元数据的
4、datanode: 从节点
  1.维护和管理源文件
  2.负责数据的读,写操作
  3.定时向namenode报活

MapReduce集群架构解释

1、JobTracker:主节点
    (1)负责任务的接收
    (2)负责任务的调度
    (3)负责任务的监控
    (4)负责资源的调度和分配
    
2、TaskTracker: 从节点
负责接收并执行JobTracker分配过来的计算任务
3、JobTracker的任务过于繁重,容易宕机，
存在: 单点故障的问题

2、Hadoop2.X, 3.X = HDFS + MapReduce + Yarn

大数据之旅--Hadoop入门,在这里插入图片描述,第2张

Hadoop2.X，3.X的HDFS和1.X一样（架构解释看1.X的HDFS集群架构解释）

MapReduce 和Yarn架构解释

1、ResourceManager : 主节点
    1.负黄任务的接收
    2.负责资源的调度和分配
2、AppMaster进程:代码级别
	1个计算任务 = 1个Application Master进程
	由该AppMaster进程来监控和管理该计算任务
    并负责向ResourceManager 申请资源
3、nodemanager : 从节点
	负责接收并执行ResourceManager分配过来的计算任务
	此时已经没有MapReduce集群的概念了，而是代码饭别的程序，即: MR计算任务.
我们只需要用代码编写MR计算任务，然后交由Yarn调度执行即可

3、Hadoop集群高可用模式图解

大数据之旅--Hadoop入门,在这里插入图片描述,第3张

三、Hadoop集群环境搭建

搭建方式
- 方式1: Standalone mode 单机模式
  
  把所有的服务(namenode, SecondaryNameNode, datanode, ResourceManager, nodemanager)装到1台机器, 适用于: 学习, 调试.
- 方式2: Cluster mode 集群模式
  
  node1: namenode, datanode, ResourceManager, nodemanager
  
  node2: SecondaryNameNode, datanode, nodemanager
  
  node3: datanode nodemanager
- 使用给的Hadoop集群环境即可.
  1. 把三台虚拟机都恢复到 07-hive安装完成这个快照.
  2. 设置三台虚拟机的硬件, node1的配置可以稍微高一点.
  3. 启动三台虚拟机, 然后用CRT连接.
    
    ip分别是: 192.168.88.161, 192.168.88.162, 192.168.88.163
    
    账号和密码分别是: root, 123456
  4. 在node1中执行 start-all.sh 命令, 即可启动Hadoop集群.
  5. 然后在node1中单独运行 mapred --daemon start historyserver 启动历史服务.
  6. 然后在三台虚拟机中分别输入 jps 查看服务, 具体如下:
  7. 之后就可以在浏览器中输入如下的的端口号进行访问了.
```
* HDFS的WebUI界面:  192.168.88.161:9870		
	细节: 如果是Hadoop2.X, 端口号是: 50070
* Yarn的WebUI界面: 192.168.88.161:8088,  只记录本次启动Hadoop集群至关闭, 所有的计算任务.
* 历史服务的WebUI界面: 192.168.88.161:19888, 记录Hadoop从搭建好至现在, 所有的计算任务.
```
  8. 如果想在浏览器中直接通过域名的方式直接访问上述的WebUI界面, 则需要配置下: 域名映射.
```
# 域名映射的意思是: 我们只写域名, 底层会被自动解析为对应的IP地址.
# Linux系统配置域名映射, 具体步骤如下, 但是不用你做, 我都给你配置好了. 
vim /etc/hosts
# 在上述文件的最后追加如下的内容
192.168.88.161 node1 node1.itcast.cn
192.168.88.162 node2 node2.itcast.cn
192.168.88.163 node3 node3.itcast.cn
# 保存退出, 然后重启Linux系统即可. 
# windows系统 配置域名映射, 具体步骤如下:
在 C:\Windows\System32\drivers\etc\hosts 文件中, 追加如下的内容:
# HiveCluster
192.168.88.161 node1.itcast.cn node1
192.168.88.162 node2.itcast.cn node2
192.168.88.163 node3.itcast.cn node3
# 保存, 关闭hosts文件, 然后重启windows系统即可. 
# 问: 可能你的C盘的hosts文件不让你修改, 提示权限不够, 怎么办?
# 答: 把hosts文件拷贝到桌面, 然后进行修改, 改完之后再拖回来, 选择替换即可. 
```
  四、Hadoop集群使用–页面访问
```
配置完域名映射之后，可以把下面IP（192.168.88.161）换成（node1）
```
  1、查看HDFS页面
  启动NameNode.连接URL: http://192.168.88.161:9870
  
  2、查看Yarn页面
  启动ResourceManager.连接URL：http://192.168.88.161:8088
  
  3、查看已经finished的mapreduce运行日志
  启动historyserver.连接URL：http://192.168.88.161:19888