01-Hadoop的介紹

---

title: Hadoop的介紹
date: 2019/11/20 08:16:25
updated: 2019/11/20 21:52:30
comments: true
tags:

Hadoop

categories:

- BigData

---

Hadoop的介紹

1. Hadoop最先起源於Nutch.Nutch的設計目標是構建一個大型的全網搜索引擎，包括網頁抓取、索引、查詢等功能，但隨着抓取網頁數量的增長，遇到了嚴重的可擴展性問題——如何解決數十億網頁的存儲和索引問題.
2. 2003年、2004年穀歌發表的兩篇論文爲該問題提供了可行的解決方案.
   ——分佈式文件系統(GFS)，可用於處理海量網頁的存儲
   ——分佈式計算框架MAPREDUCE，可用於處理海量網頁的索引計算問題.
3. Nutch的開發人員完成了相應的開源實現HDFS和MAPREDUCE，並從Nutch中剝離成爲獨立項目HADOOP，到2008年1月，HADOOP成爲Apache頂級項目.
   狹義上來講，hadoop就是單獨指代hadoop這個軟件，
   HDFS :分佈式文件系統
   MapReduce : 分佈式計算系統
   廣義上來講，hadoop指代大數據的一個生態圈，包括不少其餘的軟件

1.hadoop的歷史版本介紹

1.x版本系列:hadoop版本當中的第二代開源版本，主要修復0.x版本的一些bug等
2.x版本系列:架構產生重大變化，引入了yarn平臺等許多新特性
3.x版本系列: 加入多namenoode新特性

hadoop三大公司髮型版本介紹

免費開源版本apache:

http://hadoop.apache.org/
優勢:擁有全世界的開源貢獻者，代碼更新迭代版本比較快，
缺點:版本的升級，版本的維護，版本的兼容性，版本的補丁均可能考慮不太周到，
apache全部軟件的下載地址(包括各類歷史版本):
http://archive.apache.org/dist/

免費開源版本hortonWorks:

https://hortonworks.com/
hortonworks主要是雅虎主導Hadoop開發的副總裁，帶領二十幾個核心成員成立Hortonworks，核心產品軟件HDP(ambari)，HDF免費開源，而且提供一整套的web管理界面，供咱們能夠經過web界面管理咱們的集羣狀態，web管理界面軟件HDF網址(http://ambari.apache.org/)

軟件收費版本ClouderaManager:

https://www.cloudera.com/
cloudera主要是美國一家大數據公司在apache開源hadoop的版本上，經過本身公司內部的各類補丁，實現版本之間的穩定運行，大數據生態圈的各個版本的軟件都提供了對應的版本，解決了版本的升級困難，版本兼容性等各類問題

hadoop的架構模型(1.x，2.x的各類架構模型介紹)

1.x的版本架構模型介紹

文件系統核心模塊:
NameNode:集羣當中的主節點，管理元數據(文件的大小，文件的位置，文件的權限)，主要用於管理集羣當中的各類數據
secondaryNameNode:主要能用於hadoop當中元數據信息的輔助管理
DataNode:集羣當中的從節點，主要用於存儲集羣當中的各類數據
數據計算核心模塊:
JobTracker:接收用戶的計算請求任務，並分配任務給從節點
TaskTracker:負責執行主節點JobTracker分配的任務

二、2.x的版本架構模型介紹

第一種:NameNode與ResourceManager單節點架構模型

文件系統核心模塊:

NameNode:集羣當中的主節點，主要用於管理集羣當中的各類數據
secondaryNameNode:主要能用於hadoop當中元數據信息的輔助管理
DataNode:集羣當中的從節點，主要用於存儲集羣當中的各類數據

數據計算核心模塊:

ResourceManager:接收用戶的計算請求任務，並負責集羣的資源分配
NodeManager:負責執行主節點APPmaster分配的任務

第二種:NameNode單節點與ResourceManager高可用架構模型

文件系統核心模塊:

NameNode:集羣當中的主節點，主要用於管理集羣當中的各類數據
secondaryNameNode:主要能用於hadoop當中元數據信息的輔助管理
DataNode:集羣當中的從節點，主要用於存儲集羣當中的各類數據

數據計算核心模塊:

ResourceManager:接收用戶的計算請求任務，並負責集羣的資源分配，以及計算任務的劃分，經過zookeeper實現ResourceManager的高可用
NodeManager:負責執行主節點ResourceManager分配的任務

第三種:NameNode高可用與ResourceManager單節點架構模型

文件系統核心模塊:

NameNode:集羣當中的主節點，主要用於管理集羣當中的各類數據，其中nameNode能夠有兩個，造成高可用狀態
DataNode:集羣當中的從節點，主要用於存儲集羣當中的各類數據
JournalNode:文件系統元數據信息管理

數據計算核心模塊:

ResourceManager:接收用戶的計算請求任務，並負責集羣的資源分配，以及計算任務的劃分
NodeManager:負責執行主節點ResourceManager分配的任務

第四種:NameNode與ResourceManager高可用架構模型

文件系統核心模塊:

NameNode:集羣當中的主節點，主要用於管理集羣當中的各類數據，通常都是使用兩個，實現HA高可用
JournalNode:元數據信息管理進程，通常都是奇數個
DataNode:從節點，用於數據的存儲

數據計算核心模塊:

ResourceManager:Yarn平臺的主節點，主要用於接收各類任務，經過兩個，構建成高可用
NodeManager:Yarn平臺的從節點，主要用於處理ResourceManager分配的任務

二、appache版本hadoop從新編譯

2.1爲何要編譯hadoop

因爲appache給出的hadoop的安裝包沒有提供帶C程序訪問的接口,因此咱們在使用本地庫(本地庫能夠用來作壓縮,以及支持C程序等等)的時候就會出問題,須要對Hadoop源碼包進行從新編譯.

2.2編譯環境的準備

2.2.1：準備linux環境

準備一臺linux環境,內存4G或以上,硬盤40G或以上,我這裏使用的是Centos6.9 64位的操做系統(注意：必定要使用64位的操做系統)

2.2.2：虛擬機聯網,關閉防火牆,關閉selinux

關閉防火牆命令：

service  iptables   stop
chkconfig   iptables  off

關閉selinux
vim /etc/selinux/config

2.2.3：安裝jdk1.7

注意hadoop-2.7.5 這個版本的編譯,只能使用jdk1.7,若是使用jdk1.8那麼就會報錯
查看centos6.9自帶的openjdk
rpm -qa | grep java
將全部這些openjdk所有卸載掉

rpm -e java-1.6.0-openjdk-1.6.0.41-1.13.13.1.el6_8.x86_64 tzdata-java-2016j-1.el6.noarch java-1.7.0-openjdk-1.7.0.131-2.6.9.0.el6_8.x86_64

注意：這裏必定不要使用jdk1.8,親測jdk1.8會出現錯誤
將咱們jdk的安裝包上傳到/export/softwares(我這裏使用的是jdk1.7.0_71這個版本)
解壓咱們的jdk壓縮包
統一兩個路徑

mkdir -p /export/servers
mkdir -p /export/softwares
cd /export/softwares
tar -zxvf jdk-7u71-linux-x64.tar.gz -C ../servers/

配置環境變量
vim /etc/profile

export JAVA_HOME=/export/servers/jdk1.7.0_71
export PATH=:$JAVA_HOME/bin:$PATH

讓修改當即生效
source /etc/profile

2.2.4：安裝maven

這裏使用maven3.x以上的版本應該均可以,不建議使用過高的版本,強烈建議使用3.0.5的版本便可
將maven的安裝包上傳到/export/softwares
而後解壓maven的安裝包到/export/servers

cd /export/softwares/
tar -zxvf apache-maven-3.0.5-bin.tar.gz -C ../servers/

配置maven的環境變量
vim /etc/profile

export MAVEN_HOME=/export/servers/apache-maven-3.0.5
export MAVEN_OPTS="-Xms4096m -Xmx4096m"
export PATH=:$MAVEN_HOME/bin:$PATH

讓修改當即生效
source /etc/profile
解壓maven的倉庫
tar -zxvf mvnrepository.tar.gz -C /export/servers/
修改maven的配置文件

cd  /export/servers/apache-maven-3.0.5/conf
vim settings.xml

指定咱們本地倉庫存放的路徑
添加一個咱們阿里雲的鏡像地址,會讓咱們下載jar包更快

<mirror>
      <id>alimaven</id>
      <name>aliyun maven</name>
      <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
      <mirrorOf>central</mirrorOf>
    </mirror>

2.2.5：安裝findbugs

解壓findbugs
tar -zxvf findbugs-1.3.9.tar.gz -C ../servers/
配置findbugs的環境變量

vim /etc/profile

export JAVA_HOME=/export/servers/jdk1.7.0_75
export PATH=:$JAVA_HOME/bin:$PATH
export MAVEN_HOME=/export/servers/apache-maven-3.0.5
export PATH=:$MAVEN_HOME/bin:$PATH
export FINDBUGS_HOME=/export/servers/findbugs-1.3.9
export PATH=:$FINDBUGS_HOME/bin:$PATH

讓修改當即生效
source /etc/profile

2.2.6：在線安裝一些依賴包

yum install autoconf automake libtool cmake
yum install ncurses-devel
yum install openssl-devel
yum install lzo-devel zlib-devel gcc gcc-c++

bzip2壓縮須要的依賴包

yum install -y  bzip2-devel

2.2.7：安裝protobuf

解壓protobuf並進行編譯

cd  /export/softwares
tar -zxvf protobuf-2.5.0.tar.gz -C ../servers/
cd   /export/servers/protobuf-2.5.0
./configure
make && make install

2.2.八、安裝snappy

cd /export/softwares/
tar -zxf snappy-1.1.1.tar.gz  -C ../servers/
cd ../servers/snappy-1.1.1/
./configure
make && make install

2.2.9：編譯hadoop源碼

對源碼進行編譯

cd  /export/softwares
tar -zxvf hadoop-2.7.5-src.tar.gz  -C ../servers/
cd  /export/servers/hadoop-2.7.5

編譯支持snappy壓縮：
mvn package -DskipTests -Pdist,native -Dtar -Drequire.snappy -e -X
編譯完成以後咱們須要的壓縮包就在下面這個路徑裏面

/export/servers/hadoop-2.7.5/hadoop-dist/target