Hadoop的优势
1）高可靠性：因为Hadoop假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。
2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3） 高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
4）高容错性：自动保存多份副本数据，并且能够自动将失败的任务重新分配。
Hadoop组成
1）Hadoop HDFS：一个高可靠、高吞吐量的分布式文件系统。
2）Hadoop MapReduce：一个分布式的离线并行计算框架。
3）Hadoop YARN：作业调度与集群资源管理的框架。
4）Hadoop Common：支持其他模块的工具模块。
2.1 HDFS（Hadoop Distributed File System）架构概述
1）NameNode（nn）：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的DataNode等。
2）DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。
3）Secondary NameNode(2nn)：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。
2.2 YARN架构概述
1）ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度；
2）NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令；
3）ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。
4）Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。
2.3 MapReduce架构概述
MapReduce将计算过程分为两个阶段：Map和Reduce
1）Map阶段并行处理输入数据
2）Reduce阶段对Map结果进行汇总
配置Hadoop环境变量
首先去官网下载hadoop压缩包 点击打开链接
将下载好的hadoop压缩包和jdk压缩包一样上传到Linux系统，用命令解压的到目标文件夹：
tar -xvf hadoop-2.7.3.tar.gz -C ~/training/
解压好之后，进到解压的目录下，使用命令pwd列出文件所在的目录，copy一下：
之后 使用vi命令： vi ~/.bash_profile:
HADOOP_HOME="/root/training/hadoop-2.7.3" export HADOOP_HOME PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH export PATH
使用source ~/.bash_profile 使命令生效
搭建Hadoop本地模式：
Hadoop环境分为三种模式，一种是本地模式，一种是伪分布式，还有一种是全分布式。 伪分布式一般适用于开发，生产环境上是全分布式，伪分布式一台机器就可以了，但是全分布式至少3台机器。
如果想搭建本地模式很简单只需要改一个文件，进入/root/training/hadoop-2.7.3/etc/hadoop 这个个路径下，
vi hadoop-env.sh,修改里面的export JAVA_HOME="" 指向你jdk的路径即可
如下：
顺便介绍一个命令，如果你不记得你的JAVA_HOME的地址，可以用一个命令查看：echo $JAVA_HOME
最后各式一下hadoop, 输入命令： hdfs namenode -format 即可
最后 start-all.sh即可
伪分布式环境搭建
有了上面的本地模式，搭建伪分布式模式就相对简单的多：只需要配置/root/training/hadoop-2.7.3/etc/hadoop这个目录下的的文件即可：
(1) hadoop-env.sh
这个文件中的jdk的安装路径，在上面的本地模式已经配置过。
(2) hdfs-site.xml
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
这个属性设置的是HDFS文件的副本个数，默认为因为我们是伪分布式，只有一台机器，nameNode 和DataNode都在一台机器上，所以设置为1.
（2）core-site.xml
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/root/training/hadoop-2.7.3/tmp</value>
</property>
这两个参数，第一个设置的是HDFS的访问接口，第二个是HDFS的存放目录
（3）mapred-site.xml
这个文件是不存在的，但是有这个文件mapred-site.xml.template这个文件，我们可以复制一个：
cp mapred-site.xml.template mapred-site.xml
这样在里面添加： 这个表示的是MapReduce的运行环境
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
（4）yarn-site.xml
<property>
<name>yarn.resourcemanager.hostname</name>
<value>localhost</value>
</property> <property>
<name>yarn.nodemanager.aux-servsuoyuices</name>
<value>mapreduce_shuffle</value>
</property>
第一个是yarn的主节点，第二个表示MapReduce的运行方式
配置完之后：hdfs namenode -format
start-all.sh
即可启动hadoop
输入命令jps，列出所有的进程如下：
全分布式：
全分布式至少需要3台机器，我们以3台机器为例，一台运行NameNode，另外两台运行DataNode
配置起来跟伪分布式差不多需要更改几处文件
hdfs-site.xml
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
数据的副本数就不要是1了，改成2
添加另外两台dataNode，需要更改文件slaves：
这个里面原来默认就是你本机，需要将localHost删除，添加你的另外两台机器的ip即可，这台机器作为主机主节点运行NameNode，其他两台机器运行DataNode
三台机器都要这么配置那就太麻烦了，配置好了一个之后可以copy到另外的机器：
scp -r hadoop-xx root@ip:/root/xxx/
这个命令的含义就是将hadoop-xx 这个文件copy到主机ip上，名字是root。：后面是路径
欢迎关注，一起学习大数据！
下周kafka专场，欢迎关注公众号，获得最新信息！