Hadoop(一)Hadoop的介绍和安装前准备

一.什么是Hadoop?

  1. Hadoop是Apache旗下的一套开源软件平台
  2. Hadoop提供的功能:利用服务器集群,根据用户的自定义业务逻辑,对海量数据进行分布式处理
  3. Hadoop的核心组件有:

    • HDFS(分布式文件系统)
    • Yarn(运算资源调度系统)
    • MapReduce(分布式运算编程框架)
  4. 广义上来说,Hadoop通常是指一个更广泛的概念——HADOOP生态圈

二.Hadoop的产生背景

  1. Hadoop最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎,包括网页抓取、索引、查询等功能,但随着抓取网页数量的增加,遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。
  2. 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。

    • 分布式文件系统(GFS),可用于处理海量网页的存储
    • 分布式计算框架MAPREDUCE,可用于处理海量网页的索引计算问题。
  3. Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE,并从Nutch中剥离成为独立项目Hadoop,到2008年1月,Hadoop成为Apache顶级项目,迎来了它的快速发展期。

三.推荐系统——Hadoop的一个典型应用案例

Hadoop可以用来做什么?
这里介绍一个数据分析系统(推荐系统)的处理流程,用于初步理解Hadoop等框架在其中的应用,暂时不用关注过多细节问题。
推荐系统流程图

四.安装Hadoop之前的准备

1.创建Hadoop用户

先以root用户登录,然后使用下面命令创建一个名为hadoop的用户

useradd -m hadoop -s /bin/bash

这条命令创建了可以登陆的 hadoop 用户,并使用 /bin/bash 作为shell。
接着使用如下命令修改密码,

passwd hadoop

按提示输入两次密码,可简单的设为 “hadoop”(密码随意指定,若提示“无效的密码,过于简单”则再次输入确认就行)。

可为 hadoop 用户增加管理员权限,方便部署,避免一些比较棘手的权限问题(生产环境不建议此做法),执行:

visudo

如下图,找到 root ALL=(ALL) ALL 这行(应该在第98行),在这行下面增加一行内容:hadoop ALL=(ALL) ALL (当中的间隔为tab),如下图所示:

最后,使用新创建的hadoop用户远程登录,然后查看现在是哪个用户执行:

2.配置集群机器的免密登录

参考 Linux服务器的SSH连接使用,这篇文章介绍了服务器间的免密登录。

阅读 1.4k

推荐阅读
技术文档整理
用户专栏

后端开发

21 人关注
31 篇文章
专栏主页