hadoop扫盲
1 hadoop 大数据平台架构和实践掌握大数据存储与处理技术的原理
掌握hadoop开发
2 课程预报知识
linux 常用命令
java编程基础
3 hadoop前世今生
大数据到来 PB 级别的数据。
mapreduce、GFS
并行，节点同步，开发了技术论文，没开放源代码。
hadoop ***小象。
4 hadoop 的功能和优势
开源 分布式存取 + 分布式计算平台。
HDFS:分布式文件系统，
任务调度。
高扩展、低成本、成熟的生态圈。
hadoop 人才需求，开发人才、运维
5 生态系统版本
HDFS MAPreduce hive
sql -> hive -> hadoop
hbase 非关系型数据库
zookeeper 动物管理员
版本选择，2.6版本 1.2 版本 稳定版
6 hadoop的安装
1 linux 环境
2 安装jdk
3 配置hadoop 4 个配置文件
可以租用云主机。阿里云不错的选择哦。
7 hadoop的核心文件
HDFS 体系结构
读取元数据 dateNode 是 工作节点
数据管理策略：三份存、64M数据库，心跳检测、定期汇报状态、二级namenode、定期同步到，就是各种备份，自动同步呗。
读写流程：什么程序都有可能。流水线复制。更新源数据。
特点：数据冗余、硬件容错。流式的数据访问、无法修改，直接删除后添加。存储大文件。批量读写，吞吐量大，一次写入，多次读写，交互性能差
命令行操作：类似shell 编程。
8 map reduce 分大任务到小任务、合并结果在一起。
100GB的网站访问日志文件，找错访问次数最多的IP
交换很重要、
运行流程：
基本概念：job taskone job to more task
jobtracker map任务 和 reduce任务。
jobtracker 1 作业调度 2 分配任务、监控任务执行进度
监控tasktracker的状态
执行任务、汇报任务状态。
输入数据分片、map任务、中间结果、reduce任务、输出结果。
HDFS表中。
jobtracker 任务、执行过程。
容错机制、重复执行、先重试4次，默认放弃，推测执行。map端完成后，tasktracker执行。
9 应用案例：
wordcount 经典记录：
计算文件中出现每个单词的频数、
map过程 分
reduce过程 合
页:
[1]