码迷,mamicode.com
首页 > 其他好文 > 详细

hadoop学习笔记(一)

时间:2018-04-24 17:47:33      阅读:271      评论:0      收藏:0      [点我收藏+]

标签:工具   数据   flume   守护进程   hadoop1   name   task   校验   服务   

一、hadoop的概念

二、hadoop的发展历史

三、hadoop1.x的生态系统

技术分享图片

HBase:实时分布式数据库

  相当于关系型数据库,数据放在文件中,文件就放在HDFS中。因此HBase是基于HDFS的关系型数据库。实时性:延迟非常低,实时性高。

  举栗:在近18亿条数据的表中查询1万条数据仅需1.58s,这是普通数据库(Oracle集群,Mysql集群)无法办到的。

HDFS:分布式文件系统

MapReduce:分布式计算框架

Zookeeper:分布式协作服务

  协作HBase存储、管理、查询数据,Zookeeper是一个很好的分布式协作服务框架。

Hive:数据仓库

  数据仓库

  比如给你一块1000平方米的仓库,让你放水果。如果有春夏秋冬四季的水果,让你放在某一个分类中。但是水果又要分为香蕉、苹果等等。然后又要分为好的水果和坏的水果。。。。。

  因此数据仓库的概念也是如此,他是一个大的仓库,然后里面有很多格局,每个格局里面又分小格局等等。对于整个系统来说,比如文件系统。文件如何去管理?Hive就是来解决这个问题。

  Hive

  分类管理文件和数据,对这些数据可以通过很友好的接口,提供类似于SQL语言的HiveQL查询语言来帮助你进行分析。其实Hive底层是转换成MapReduce的,写的HiveQL进行执行的时候,Hive提供一个引擎将其转换成MapReduce再去执行。

    Hive设计目的:方便DBA很快地转到大数据的挖掘和分析中。

Pig:数据流处理

  基于MapReduce的,基于流处理的。写了动态语言之后,也是转换成MapReduce进行执行。和Hive类似。

Mahout:数据挖掘库

  基于图形化的数据碗蕨。

Sqoop:数据库ETL工具

  ELT:提取 --> 转换 --> 加载。

  从数据库中获取数据,并进行一系列的数据清理和清洗筛选,将合格的数据转换成一定格式的数据进行存储,将格式化的数据存储到HDFS文件系统上,以供计算框架进行数据分析和挖掘。

  格式化数据:

    |- TSV 格式:每行数据的每列之间以制表符(tab  \t)进行分割

    |- CVS 格式:每行数据的每列之间以逗号进行分割

  Sqoop:将关系型数据库中的数据与HDFS(HDFS 文件,HBase中的表,Hive中的表)上的数据进行相互导入导出。

Flume:日志收集工具

  将大的集群上面的每台机器的日志收集起来,自动地放到你指定的HDFS文件系统的某个路径中去。

Ambari:安装、部署、配置和管理工具

  提供一个图形化工具对集群进行安装、部署、配置及管理,无需手动在命令行操作。

四、hadoop2.x的生态系统

技术分享图片

YARN:集群资源管理系统

   对整个集群每台机器的资源进行管理,对每个服务、每个job、每个应用进行调度(CPU等)。

HDFS2:分布式文件系统

  增强了一些特性,最主要的就是NameNode的单节点故障和NameNode的横向扩展。 

Tez:DAG计算框架

Storm:流式计算框架

五、hadoop1.x组成

对于分布式系统和框架的架构来说,一般分为两部分:

  第一部分:管理层,用于管理应用层的。

  第二部分:应用层(工作)。

HDFS核心后台守护进程:

技术分享图片

  NameNode:元数据服务器

    NameNode是主节点,存储文件的元数据如文件名文件目录结构文件属性(生成时间,副本数,文件权限),以及每个文件的块列表和块所在DataNode等。

    属于管理层,用于管理数据的存储。

  Secondary NameNode:辅助元数据服务器

    用来监控HDFS状态的辅助后台程序,每隔一段时间获取HDFS元数据的快照。

    属于管理层,辅助NameNode进行管理。

  DataNode:块存储

    在本地文件系统存储文件块数据,以及块数据的校验和

    属于应用层,用于进行数据的存储,被NameNode进行管理。要定时向NameNode进行工作汇报,执行NameNode分配分发的任务。

MapReduce,分布式进行计算框架:

  JobTracker:任务调度员

    负责接收用户提交的作业,负责启动跟踪任务执行。

    属于管理层,管理集群资源和对任务进行资源调度,监控任务的执行。

  TaskTrackers:任务执行

    负责执行由JobTracker分配的任务,管理各个任务在每个节点上的执行情况

    属于应用层,执行JobTracker分配分发的任务,并向JobTracker汇报工作情况。

六、HDFS架构图

技术分享图片

 七、MapReduce架构图

技术分享图片

hadoop学习笔记(一)

标签:工具   数据   flume   守护进程   hadoop1   name   task   校验   服务   

原文地址:https://www.cnblogs.com/laowangc/p/8929637.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!