前言
目前人工智能和大數據火熱，使用的場景也越來越廣，日常開發中前端同學也逐漸接觸了更多與大數據相關的開發需求。因此對大數據知識也有必要進行一些學習理解。
基礎概念
大數據的本質
一、數據的存儲：分佈式文件系統（分佈式存儲）
二、數據的計算：分部署計算
基礎知識
學習大數據需要具備Java知識基礎及Linux知識基礎
學習路線
（1）Java基礎和Linux基礎
（2）Hadoop的學習：體系結構、原理、編程
第一階段：HDFS、MapReduce、HBase（NoSQL數據庫）
第二階段：數據分析引擎 -> Hive、Pig
數據採集引擎 -> Sqoop、Flume
第三階段：HUE：Web管理工具
ZooKeeper：實現Hadoop的HA
Oozie：工作流引擎
（3）Spark的學習
第一階段：Scala編程語言
第二階段：Spark Core -> 基於內存、數據的計算
第三階段：Spark SQL -> 類似於mysql 的sql語句
第四階段：Spark Streaming ->進行流式計算：比如：自來水廠
（4）Apache Storm 類似：Spark Streaming ->進行流式計算
NoSQL：Redis基於內存的數據庫
HDFS
分佈式文件系統 解決以下問題：
1、硬盤不夠大：多幾塊硬盤，理論上可以無限大
2、數據不夠安全：冗餘度，hdfs默認冗餘為3 ，用水平復制提高效率，傳輸按照數據庫為單位：Hadoop1.x 64M，Hadoop2.x 128M
管理員：NameNode 硬盤：DataNode
MapReduce
基礎編程模型：把一個大任務拆分成小任務，再進行彙總
MR任務：Job = Map + Reduce
Map的輸出是Reduce的輸入、MR的輸入和輸出都是在HDFS
MapReduce數據流程分析：
Map的輸出是Reduce的輸入，Reduce的輸入是Map的集合
HBase
什麼是BigTable？: 把所有的數據保存到一張表中，採用冗餘 ---> 好處：提高效率
1、因為有了bigtable的思想：NoSQL：HBase數據庫
2、HBase基於Hadoop的HDFS的
3、描述HBase的表結構
核心思想是：利用空間換效率
Hadoop環境搭建
環境準備
Linux環境、JDK、http://mirrors.shu.edu.cn/apache/hadoop/common/hadoop-3.0.0/hadoop-3.0.0-src.tar.gz
安裝
1、安裝jdk、並配置環境變量
vim /etc/profile 末尾添加
2、解壓hadoop-3.0.0.tar.gz、並配置環境變量
tar -zxvf hadoop-3.0.0.tar.gz -C /usr/local/
mv hadoop-3.0.0/ hadoop
vim /etc/profile 末尾添加
配置
Hadoop有三種安裝模式：
本地模式：
1臺主機
不具備HDFS，只能測試MapReduce程序
偽分佈模式：
1臺主機
具備Hadoop的所有功能，在單機上模擬一個分佈式的環境
（1）HDFS：主：NameNode，數據節點：DataNode
（2）Yarn：容器，運行MapReduce程序
主節點：ResourceManager
從節點：NodeManager
全分佈模式：
至少3臺
我們以偽分佈模式為例配置：
修改hdfs-site.xml：冗餘度1、權限檢查false
<property>
<name>dfs.replication/<name>
<value>1/<value>/<property><property>
<name>dfs.permissions/<name>
<value>false/<value>/<property>
修改core-site.xml
<property>
<name>fs.defaultFS/<name>
<value>hdfs://192.168.56.102:9000/<value>/<property> <property>
<name>hadoop.tmp.dir/<name>
<value>/usr/local/hadoop/tmp/<value>/<property>
修改mapred-site.xml
<property>
<name>mapreduce.framework.name/<name>
<value>yar/<value>/<property><property>
<name>yarn.app.mapreduce.am.env/<name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop/<value>/<property><property>
<name>mapreduce.map.env/<name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop/<value>/<property><property>
<name>mapreduce.reduce.env/<name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop/<value>/<property><property>
<name>mapreduce.application.classpath/<name>
<value>
/usr/local/hadoop/etc/hadoop,
/usr/local/hadoop/share/hadoop/common/*,
/usr/local/hadoop/share/hadoop/common/lib/*,
/usr/local/hadoop/share/hadoop/hdfs/*,
/usr/local/hadoop/share/hadoop/hdfs/lib/*,
/usr/local/hadoop/share/hadoop/mapreduce/*,
/usr/local/hadoop/share/hadoop/mapreduce/lib/*,
/usr/local/hadoop/share/hadoop/yarn/*,
/usr/local/hadoop/share/hadoop/yarn/lib/*,
/<value>
/<property>
修改yarn-site.xml
<property>
<name>yarn.resourcemanager.hostname/<name>
<value>192.168.56.102/<value>/<property><property>
<name>yarn.nodemanager.aux-service/<name>
<value>mapreduce_shuffle/<value>/<property>
格式化NameNode
hdfs namenode -format
看到
common.Storage: Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted
表示格式化成功
啟動
start-all.sh
(*)HDFS：存儲數據
(*)YARN：
訪問
（*）命令行
（*）Java Api
（*）WEB Console
HDFS: http://192.168.56.102:50070
Yarn: http://192.168.56.102:8088
查看HDFS管理界面和yarn資源管理系統
基本操作：
HDFS相關命令
-mkdir 在HDFD創建目錄 hdfs dfs -mkdir /data
-ls 查看目錄 hdfs dfs -ls
-ls -R 查看目錄與子目錄 hdfs dfs -ls -R
-put 上傳一個文件 hdfs dfs -put data.txt /data/input
-copyFromLocal 上傳一個文件 與-put一樣
-moveFromLocal 上傳一個文件並刪除本地文件
-copyToLocal 下載文件 hdfs dfs -copyTolocal /data/input/data.txt
-put 下載文件 hdfs dfs -put/data/input/data.txt
-rm 刪除文件 hdfs dfs -rm
-getmerge 將目錄所有文件先合併再下載
-cp 拷貝
-mv 移動
-count 統計目錄下的文件個數
-text、-cat 查看文件
-balancer 平衡操作
MapReduce示例
結果：
如上 一個最簡單的MapReduce示例就執行成功了
思考
Hadoop是基於Java語言的，前端日常開發是用的PHP，在使用、查找錯誤時還是蠻吃力的。工作之餘還是需要多補充點其它語言的相關知識，編程語言是我們開發、學習的工具，而不應成為限制我們技術成長的瓶頸！
大數據開發高薪必備全套資源【免費獲取】
Oracle高級技術總監多年精心創作一套完整課程體系【大數據、人工智能開發必看】，全面助力大數據開發零基礎+入門+提升+項目=高薪！
「大數據零基礎入門」
「大數據架構系統組件」
「大數據全套系統工具安裝包」
Java必備工具
大數據必備工具
「大數據行業必備知資訊」
「大數據精品實戰案例」
「大數據就業指導方案」
最後說一下的，也就是以上教程的獲取方式！
領取方法：
還是那個萬年不變的老規矩
1.評論文章，沒字數限制，一個字都行！
3.私信小編：“大數據開發教程”即可！
謝謝大家，祝大家學習愉快！（拿到教程後一定要好好學習，多練習哦!)
閱讀更多 微笑數據工程師 的文章
