Hadoop平台部署与运维

赵建伟

目录

  • 1 前置知识--Linux操作系统基础
    • 1.1 Linux系统认知
      • 1.1.1 Linux概述
      • 1.1.2 虚拟机简介
    • 1.2 Linux系统管理
      • 1.2.1 Linux系统登录
      • 1.2.2 Linux命令基础
      • 1.2.3 Linux系统管理命令
    • 1.3 Linux目录管理
      • 1.3.1 Linux目录与Windows目录区别
      • 1.3.2 Linux目录结构
      • 1.3.3 Linux系统路径
      • 1.3.4 显示路径（pwd）
      • 1.3.5 切换目录（cd）
      • 1.3.6 查看目录（ls）
      • 1.3.7 创建目录（mkdir）
      • 1.3.8 删除目录（rmdir）
    • 1.4 Linux文件管理
      • 1.4.1 创建文件
      • 1.4.2 查看文件内容
      • 1.4.3 复制文件（cp）
      • 1.4.4 移动文件（mv）
      • 1.4.5 删除文件（rm）
    • 1.5 目录和文件权限一般管理
      • 1.5.1 文件的属性信息
      • 1.5.2 文件的权限
      • 1.5.3 设置文件权限（chmod）
  • 2 初识Hadoop
    • 2.1 大数据概述
    • 2.2 大数据的应用场景
    • 2.3 Hadoop的概述
  • 3 Hadoop集群的构建
    • 3.1 安装centos7
    • 3.2 安装xshell
    • 3.3 设置虚拟机
      • 3.3.1 打通网络
    • 3.4 安装JDK
    • 3.5 安装hadoop
      • 3.5.1 配置hadoop-env.sh
      • 3.5.2 配置核心组件core-site.xml
      • 3.5.3 配置文件系统hdfs-site.xml
      • 3.5.4 配置yarn-env.sh（hadoop3不需要配置）
      • 3.5.5 配置yarn-site.xml
      • 3.5.6 配置计算框架mapred-site.xml
      • 3.5.7 配置worker
      • 3.5.8 配置hadoop启动环境变量
    • 3.6 克隆虚拟机
    • 3.7 配置hosts列表
    • 3.8 免密登录配置
    • 3.9 启动hadoop集群
      • 3.9.1 格式化master节点
    • 3.10 wordcount
  • 4 Hadoop分布式文件系统
    • 4.1 HDFS的简介
      • 4.1.1 HDFS的演变
      • 4.1.2 HDFS的基本概念
      • 4.1.3 HDFS特点
    • 4.2 HDFS的架构和原理
    • 4.3 HDFS的Shell操作
    • 4.4 HDFS的Java API操作
      • 4.4.1 实验
    • 4.5 启动已有的hadoop集群
  • 5 MapReduce分布式计算框架
    • 5.1 MapReduce概述
    • 5.2 wordcount实验
      • 5.2.1 pom.xml文件
      • 5.2.2 WordCount类
      • 5.2.3 WordMap类
      • 5.2.4 WordReduce类
      • 5.2.5 实验运行步骤
      • 5.2.6 实验文件
    • 5.3 倒排索引实验
      • 5.3.1 InvertedIndexRunner
      • 5.3.2 InvertedIndexMapper
      • 5.3.3 InvertedIndexReducer
      • 5.3.4 InvertedIndexCombiner
  • 6 Zookeeper分布式协调服务
    • 6.1 初识Zookeeper
    • 6.2 数据模型
    • 6.3 Zookeeper的Watcher机制
    • 6.4 Zookeeper的选举机制
    • 6.5 Zookeeper集群搭建
      • 6.5.1 下载安装包
      • 6.5.2 修改zookeeper配置文件
      • 6.5.3 创建myid
      • 6.5.4 配置环境变量
      • 6.5.5 分发zookeeper相关文件
      • 6.5.6 修改主机myid
      • 6.5.7 启动zookeeper
    • 6.6 shell操作
  • 7 Hadoop2.0
    • 7.1 hadoop2.0新特性
    • 7.2 高可用集群搭建
      • 7.2.1 准备安装包
      • 7.2.2 安装虚拟机
      • 7.2.3 安装JDK
      • 7.2.4 安装zookeeper
      • 7.2.5 安装hadoop
        • 7.2.5.1 core-site.xml
        • 7.2.5.2 hadoop-env.sh
        • 7.2.5.3 hdfs-site.xml
        • 7.2.5.4 workers
        • 7.2.5.5 mapred-site.xml
        • 7.2.5.6 yarn-site.xml
      • 7.2.6 配置hosts列表
      • 7.2.7 克隆虚拟机
      • 7.2.8 设置免密登录
      • 7.2.9 设置hostname
      • 7.2.10 修改zookeeper的myid
      • 7.2.11 启动zookeeper集群
      • 7.2.12 journalnode共享存储
      • 7.2.13 设置时钟同步(暂时不设置)
      • 7.2.14 启动集群
      • 7.2.15 验证ha故障自动转移
  • 8 Hive数据仓库
    • 8.1 hive简介
    • 8.2 hadoop伪分布式安装
    • 8.3 hive实验
      • 8.3.1 嵌入模式
      • 8.3.2 本地模式
        • 8.3.2.1 mysql离线安装
        • 8.3.2.2 Mariadb安装
        • 8.3.2.3 hive安装
      • 8.3.3 远程模式
      • 8.3.4 hive相关命令
      • 8.3.5 hive动态分区
      • 8.3.6 hive桶表
  • 9 Flume日志采集
    • 9.1 flume单agent安装
    • 9.2 采集到hdfs
    • 9.3 多agent安装
    • 9.4 日志采集案例
  • 10 sqoop
    • 10.1 sqoop安装
    • 10.2 userdb.sql
    • 10.3 mysql表导入HDFS
    • 10.4 HDFS导出mysql
    • 10.5 mysql导入hive
    • 10.6 hive导出到mysql
  • 11 网站日志流量分析
    • 11.1 系统架构设计
    • 11.2 使用flume搭建日志采集系统
    • 11.3 数据预处理
      • 11.3.1 新建weblog项目
      • 11.3.2 pom.xml
      • 11.3.3 WebLogBean
      • 11.3.4 WeblogPreProcess
      • 11.3.5 WebLogParser
      • 11.3.6 使用maven打包项目
    • 11.4 数据仓库开发
      • 11.4.1 搭建hive数据仓库
      • 11.4.2 实现数据仓库
      • 11.4.3 数据分析
      • 11.4.4 数据导出
      • 11.4.5 数据展示
  • 12 复习
    • 12.1 课后习题
  • 13 软件下载
    • 13.1 常用软件
倒排索引实验

1、创建倒排索引项目

2、编写mapper类

3、编写combiner和reducuer

4、打包运行

5、测试文件

           

6、程序代码