大数据期末复习重点

1.Hadoop平台:
1.理论概念:结构组成: 1. HDFS分布式文统.2.MapReduce计算大数据. 3Yarn任务调度与资源管理.　　

2. 伪分布式环境搭建: 网络配置:
   　　　配置网卡信息: vi /etc/sysconfig/network　

　　　配置主机的虚拟域名: vi /etc/hosts　　　

系统上安装 jdk环境.

1. 先上传 jdk到服务器上.　　

2. 基于/usr/local/ 目录下解压安装.注: 可检查目录大小: df-h/usr/local/　　

3. 解压压缩包tar -zxvf jdk-7u80-linux.tar.gz 改名: mv jdk-7u80-linux jdk7(解压hadoop同)　　

4. 配置环境变量: vi /etc/profile
   结尾增加:
   　　　export JAVA_ HOME=/usr/local/jdk7
   　　　export PATH=.:(HADOOP\_HOME/bin:)HADOOP_HOME/sbin:(JAVA\_HOME/bin:)PATH

保存退出并激活配置: source/etc/profile
测试 jdk环境变量: java -version　　

hadoop步骤：　　
　　
5. 修改配置文件:参考配置文件或直接覆盖 hadoop-2.6/etc/hadoop/中.
覆盖使用时切记:　　
　　　1. 需要动态创建提供日志的存储目hadoop_repo,因为配置文件中使
　　　用的是该目录.　　

　　　2. 其中配置文件中使用的全部是主机名: hfxt1.　　

　　　3. 指定的jdk的位置需要调整为自己当前主机中的Java_home的位置.　　

6. 格式化 hdfs: hdfs namenode -format
7. 方式一:启动: start-all.sh( 提示过时了)　　

8.测试 hadoop环境.
方式一:注:最终通过 jps查看 Java进程. 应该能看到5个动的进程(
　　　NodeManager　　
　　　ResourseManager　　
　　　DataNode 　　
　　　SecondaryNameNode　　
　　　NameNode).
方式二:在宿主机上, 可通过浏览器访问: http://192.168.131.130:50070测试访问 hdfs.
http: //192. 168. 131.130: 8088测试访问hadoop.
9. 关闭: stop-all.sh　　

Hdfs的 shell 操作(重点)　　
　　
提前启动 hdfs: start dfs.sh 测试查看进程: jps
Hadoop-2.6/bin/ hdfs 该命令可直接回车查看用法. 　　
用法一　　格式: hdfs dfs 直接回车可查看 hdfs中的 dfs的命令用法. 后边可追加更多.　　
　　
例: 　　hdfs dfs -appendToFile<src...> :　　　　　　　　　　　将控制台手动输入的数据追加　　
　　　　hdfs-dfs -chgrp/ -chmod/ -chown 　　
　　　　hdf sdfs -get :　　　　　　　　　　　　　　　　　　　下载 hdfs上文件到本地
　　　　hdfs-dfs (　/-p/-f)-put　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　将本地文件上传到hdf s根目录中保留上传文件的属性信息　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　-p将上传到 hdfs中后, 文件属性信息会更新为最新状态.　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　-f将本地文件上传到 hdf s根目录中覆盖原

　　　
　　　　hdf dfs -rm/-rmdir 　　
　　　　hdfs-dfs -text　　
　　　　hdfs-dfs -help 　　
　　　　hdfs dfs -ls 注: 以上命令不知如何使用, 可hdfs-dfs -help ls查看 ls的帮助用法. 　　
　　
示例: 查看内容: hdfs dfs -ls hdfs: //hfxt1: 9000/　　
上传内容到 hdfs中: 　　
/usr/local/hadoop_ repo/目录下新建测试文档 hello 　　
　　
　　上传: hdfs dfs -put hello hdfs:// hfxt1:9000/ 　　
　　查看: hdfs dfs -ls hdfs://hfxt1:9000/即可. 　　
　　优化:以上写法可优化为:hdfs dfs -ls/(/ 代替 hdfs://hfxt1:9000/.)

Hdfs存储结构:
NameNode详解: 　　
　概念:整个文件系统的管理节点.维护着整个文件系统的文件目录树(hdfs dfs-ls/) .　　
　　　文件或目录的元信息和每个文件的 数 据块列表.负责接收用户的请求操作. 　　　
DataNode详解:Block:文件块. 最基本的存储单位. 　　　
　　　hdfs中默认一个块的大小为 128m( 最大) .　　
　　　块从0位置开始标记.

　　
Hadoop集群:
集群环境的结构:　　
　　　　　　　　 Hfxt0 namenode , datanode ,nodemanager 　　
　　　　　　　　Hfxt2 resourcemanager,datanode,nodemanager　　
　　　　　　　　Hfxt3 secondarynamenode , datanode , nodemanager　　

Ha集群环境:　　
FAILOVER(失败转移)原理分析:　　
HDFS的HA一个集群中,两个NameNode.一个Active状态(该节点负责客户端的操作) .一个Standby状态( 该节点用来同步Active节点的状态信息. 提供快速恢复故障的能力) .　　

HA的实现原理: 为了保证两个节点状态同步. DataNode需要向两个NameNode发送 Block位置信息, 还有一个JournalNodes进程, 用来同步 FSEdits信息.Active节点上, 有关修改时, 都将持久化到一半以上的JN上, 而StandbyNameNode节点负责观察JN的变化.读取发送来的FsEdit信息.一旦Active节点错误,StandbyNameNode节点需要保证从 JN上读取所有的FsEdit信息.并且切换状态为 Active.　　

HA自动环境搭建:

1. 需要依赖 zookeeper组件.先安装zk集群.　　
   　　　 　　 　上传zk安装包.解压. 　　
   　　　　　　　将 zk/conf/ zoo_sample.cfg修改为 zoo.cfg 　　
   　　　　　　　vi zoo.cfg:　　
   dataDir=/usr/local/zookeeper-3.4.6/ data
   　　　　　 server.1=hfxt1:2888: 3888 　　　　　
   　　　　　 server.2=hfxt2:2888:3888 　　　　　　
   　　　　　 server.3=hfxt3:2888:3888　　
   　　　
   　　　　　mkdir zookeeper-3.4.6/ data 　　
   　　　　　vi myid 注:输入1　　

远程复制到其他服务器上.　　　
　　　　　　　Scp -rq zookeeper-3.4.6　hfxt2:/usr/local/　　
　　　　　　　Scp -rq zookeeper-3.4.6 hfxt 3:/usr/local/　　
　　　　　　　其他服务器 vi myid 注: 输入2和3　　

启动 zk集群:　　
　　　　　　 Hfxt1,2,3分别启动: 　　
　　　　　　zookeeper-3.4.6/ bin/zkServer.sh start 　　
　　　　　　查看启动状态: zookeeper-3.4.6/bin/zkServer.sh status　　

测试进入客户端: zookeeper-3.4.6/bin/zkCli.sh 　　
　　　　　　ls/ 查看根目录下是否为 zookeeper一个目录