标签：
HDFS简介
HDFS(Hadoop Distributed File System)默认的最基本的存储单位是64M的数据块。
和普通文件系统相同的是，HDFS中的文件是被分成64M一块的数据块存储的。
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。
为什么hadoop不适合存储小文件
因为Namenode把文件系统的元数据放置在内存中，所以文件系统所能容纳的文件数目是由Namenode的内存大小来决定。一般来说，每一个文件、文 件夹和Block需要占据150字节左右的空间，所以，如果你有100万个文件，每一个占据一个Block，你就至少需要300MB内存。当前来说，数百 万的文件还是可行的，当扩展到数十亿时，对于当前的硬件水平来说就没法实现了
`
夏老师 · 说
1. 在整个Hadoop提示中 必须要明白的：PageRank
2. Salve节点是有一套心跳机制的 ，定期的向NameNode提交节点信息。 （热备）
3. 我们默认使用 hadoop-core1.0.4 作为开发版本 （老夏的版本）
4. 在实际的集群搭建下，建议使用 NDS服务器来维护各个子节点的地址
5. jps 实际上是jvm的命令
6. hadoop不推荐使用root命令 记得不安全
7. openStack 虚拟云 也是大数据云计算的热门 Vcenter （openStack的收费版本） --提供更加便利的图形界面操作
8.watch -n 3 -d jps 每隔三秒查看一次命令
9. ./hadoop dfsadmin -safename get 关闭安全模式
作者： 道格
发音的问题 ：o(︶︿︶)o 唉 了解就行了。
参考书：权威指南。（不是道格写的） 这个书很重要
刘鹏（实战hadoop）写得比较浅 对于新手比较适合，有错误 （ 整理一份书单 ）
Hadoop实战 大学老师写的，说是抄权威指南的
HDFS 深度实践 （源代码级别的）--要很懂JAVA
hadoop 技术内幕 （源代码级别的）--要很懂JAVA
面向企业机型选型配置 介绍
普通 廉价 标准的
16-32G 内存 普通硬盘2Tor more
交换机选择比较高的带宽。 infinband 交换机（光交换机 --很贵的!）
RAID是不需要（磁盘整列） hadoop本身就有冗余机制
可以考虑JBOD (把一堆硬盘组合成一个大的硬盘)
1. 网络拓扑设计
主流架构方案!局域网中!
2. Hadoop 是基于JAVA 因此只要运行jvm的平台 就能跑 Hadoop
3. hadoop 没有区分 32位和64位
4. window上要跑 Hadoop 需要安装模拟unix/linux的环境 Cygwin
5. 有很多 apache 官方版本的Hadoop 发布版 ---了解
6. JAVA是hadop的原生开发语言。 hadoop本身用hadoop开发， 主要开发语言也是java
7. 世界上最小的电脑：树莓派
课程实验准备
内存 1G 硬盘 20G
安装完linux 以后 要确认 iptables 和 selinux 等防火墙或者过滤策略软件关闭
1. 怎么装 JDK
wget *（url） 下载
tar -vxzf * （*.tar）
设置环境变量 （讲得很抽象）
2. 免密码登录
ssh keygen -t rsn (生成公钥和私钥文件)
将公钥文件 拷贝到其他机器上。
（循环往复的做每一台机器）
3. 免密码的原因：
早期：保密通讯。
RSA 不对称加密 公钥私钥
正常：
A 客服端 B 服务器
A 发起请求
B 公钥给A
A 生成密码 用B公钥加密 传递给B
B 用私钥解密
A B 有对称密码
免密码：
A 发起请求
B 生成 challest 用 A 公钥 加密 发给 A
A 用私钥解密 challest 再次发给B
B 核对 A 发过来的 challest 发现和本地一样 不用密码也通过验证
1. 完全分布式安装
安装 hadoop
hadoop-env.xml 脚本文件 修改环境变量 java
core-site.xml 指定名称节点的路径 存放数据的位置
hdfs-site.xml 指定hdfs的复制因子
mapred-site.xml joktrack的监听端口
修改 vi etc/hosts 文件 将IP和主机名映射
关闭防火墙
format nodename 节点
start-all
问题： 自己连自己要密码 公钥拷贝到 authori-keys !
JPS 命令
PS 第一版和现在的版本可以交替的看。要不可能会晕。
常见错误：
百度 和 谷歌 dataguru 1000人参加过Hadoop
chkconfig iptables off （重启有用 ） 关闭防火墙
chkconfig （查看 各个级别的 启动项）
查看所有端口开放情况： netstat -ntl
开放某个端口：nc -l 端口号 &
2. 伪分布式系统安装描述
和完全分布式的基本一样
自动清除log文件
hadoop集群跑了很多的任务后
在hadoop.log.dir目录下会产生大量的日志文件。
可以通过配置core-site.xml文件让集群自动清除日志文件：
<property>
<name>hadoop.logfile.size</name>
<value>10000000</value>
<description>The max size of each log file</description>
</property>
<property>
<name>hadoop.logfile.count</name>
<value>10</value>
<description>The max number of log files</description>
</property> |
ssh-keygen 创建公钥和密钥。
ssh-copy-id 把本地主机的公钥复制到远程主机的authorized_keys文件上。
ssh-copy-id 也会给远程主机的用户主目录（home）和~/.ssh, 和~/.ssh/authorized_keys设置合适的权限 。
http://www.itpub.net/forum-214-1.html
第二周：HDFS简介，实验准备
标签：
原文地址：http://blog.csdn.net/fairytall/article/details/42267791
