NameNode总结：

DataNode介绍：

SecondaryNameNode介绍：

NameNode介绍：

HDFS包含：

防火墙状态查看

centos 6

service iptables status

临时关闭

service iptables stop

开机启动移除

chkconfig iptables off

Hadoop3中的三大组件的基本理论和实际操作

Hadoop3的使用，掌握企业实际开发流程

实际案例

快入入门知识点

<property>

<name>yarn.log-aggregation-enable</name>

<value>true</value>

</property>

<property>

<name>yarn.log.server.url</name>

<value>http://Hadoop:19888/jobhistory/logs/</value>

</property>

分布式

hadoop三大部分：

1. 分布式存储

2. 分布式计算

3. 集群资源管理

Spark、Flink都会使用资源管理

使用第三个HDP

常见框架。

先把计算和调度管理解耦。

HDFS的主节点可以支持两个以上。

分别是：分布式存储系统，分布式计算框架，集群管理和调度（给程序分配资源）。

Yarm的数据来源和去向都是HDFS.

在Yarm上运行很多的计算框架，例如mapreduce.

HDFS架构分析：

分布式存储：由HDFS决定数据存储在哪个从节点上。

支持主从架构：

Map Reduce架构：

map体现在代码中就是一个类。

reduce就是一个聚合统计程序。

Yarm架构：

总结：数据存储和资源调度都是分布式的主从结构。

hadoop里面的分布式计算。

通过程序从数据库拉取数据的过程非常慢。

mysql存储在磁盘，磁盘io,即把磁盘数据读到内存里面，再通过网络，传到计算程序里面，这两个是造成慢的主要原因。主要原因是网络io。

即发生了移动数据。

所以考虑把计算程序传输到数据所在的节点。

即执行本地计算，就只需做一个磁盘io。

分布式计算：

1. 在本地执行本地计算，多台机器执行，每台计算局部计算。

2. 全局汇总，此时数据集合的传输量比较少，网络io消耗少。

   
   

分布式存储，单机的存储能力有限，运用到多台机器的存储能力。

如何设备一个分布式存储系统。

弊端：如何同时有很多请求同时过来，文件系统的请求会阻塞。

主从架构，你想要操作的数据到底在哪个从节点上，然后客户端直接操作从节点。

主要流程：

大数据在linux上运行和操作，安装部署、排查、基本的命令。

linux里面的一门shell脚本，如何开发 调试  执行脚本就行了。

javaSE内容，大多数都是java开发，不需要javaweb内容，使用IDEA工具。

数据存储在mysql数据库中。

核心是数据清洗和计算的逻辑。前端用bi实现

11

Tomcat

/webapps/web项目/WEB_INF/classes/config数据库配置文件

main.db.driver= com.mysql.cj.jdbc.Driver

main.db.url = jdbc:mysql://localhost:3306/data?serverTimezone=UTC

main.db.user= root

main.db.password = admin

Sqoop
mapreduce ←→ mysql

sqoop配置：

1. sqoop-env-template改名sqoop-env.sh

2. SQOOP_HOME

3. mysql驱动jar包，添加到Sqoop的lib目录下

4. 本地安装mysql和开放mysql远程访问权限（去连接集群和windows sq服务）

USE mysql;
CREATE USER 'root'@'%' IDENTIFIED BY '密码';
GRANT ALL ON *.* TO 'root'@'%';
ALTER USER 'root'@'%' IDENTIFIED WITH mysql_native_password BY '密码';
FLUSH PRIVILEGES;

5. Hadoop 3.2 版本需要 common-lang.jar 到lib目录

6. mysql创建数据库

CREATE DATABASE data DEFAULT CHARACTER SET= utf8 DEFAULT COLLATE = utf8_general_ci;
USE data;
CREATE TABLE top10{
    dt data,
    uid varchar(255),
    length bigint(20)
};

7. sqoop将hdfs目录的数据导出到mysql表中

sqoop export \
--connect jdbc:mysql://windows的ip:3306/data?serverTimezone=UTC \
--username root \
--password admin \
--table top10 \
--export-dir /res/videoinfojobtop10/20190821 \    #hdfs的路径
--input-fields-terminated-by "\t"

!数据指标统计-直播时长Top

map阶段获取id和时长，reduce后cleanup函数对数据map集合进行排序

public class VideoInfoTop10Map extends Mapper<LongWritable, Text, Text, LongWritable>{
    @Override
    protected void map(){
        //Todo
    }
}

public class VideoInfoTop10Reduce extends Reducer<Text, LongWritable, Text, LongWritable>{
    HashMap<String, Long> map = new HashMap<>();
    @Override
    protected void reduce(){
        //TODO
        map.put(k2.toSrting(),lengthsum);
    }
    
    //reduce结束后执行
    @Override
    protected void cleanup(Context context){
        //配置类中获取dt日期参数
        Configuration conf = context.getConfiguration();
        String dt = conf.get("dt");
        //排序
        Map<String,Long> sortedMap = MapUtils.sortValue(map);
        Set<Map.Entry<String,Long>> entries = sortedMap.entrySet();
        Iterator<Map.Entry<String, Long>> it = entries.iterator();
        int count=1;
        while(count<=10 && it.hasNext()){
            Map.Entry<String, Long> entry = it.next();
            String key = entry.getKey();
            Long value = entry.getValue();
            //封装k3,v3
            Text k3 = new Text();
            k3.set(key);
            LongWritable v3 = new LongWritable();
            v3.set(value);
            context.write(k3,v3);
            count++;
        }
    }
}

public class VideoInfoTop10Job{
    public static void main(String[] args){
        //从输入路径获取日期
        String[] fields = args[0].split("/");
        String tmpdt= fields[fields.length -1];
        String dt = DataUtils.transDataFormat(tmpdt);
        conf.set("dt",dt);
        //因为context中存放conf信息↑
        //Todo
    }
}

！数据指标统计

//对金币数量，总观看pv，粉丝数量，视频开播时长 等指标统计

//自定义数据类型 一个记录管理四个字段

//主播id为key，map节点<k2,v2>为<Text,自定义Writable>


//自定义数据类型
public class VideoInfoWritable implements Writable{
    private long gold;
    private long watchnumpv;
    private long follower;
    
    public void set(long gold, long watchnumpv, long follower){
        this.gold= gold;
        this.watchnumpv= watchnumpv;
        this.follower= follower;
    }
    
    public long getGold(){
        return gold;
    }
    
    @Override
    public void readFields(DataInput dataInput){
        this.gold= dataInput.readLong();
        this.watchnumpv= dataInput.readLong();
        this.follower= dataInput.readLong();
    }
    //读写数据顺序保持一致!
    @Override
    public void write(DataOutput dataOutput){
        dataOutput.writeLog(gold);
        dataOutput.writeLog(watchnumpv);
        dataOutput.writeLog(follower);
    }
    
    //generate添加
    //作为v3需要改下字段结构
    @Override
    public String toString(){
        return gold+"\t"+watchnumpv+"\t"+follower;
    }
}

public class VideoInfoMap extend Mapper<LongWritable,Text,Text，VideoInfoWritable>{
    @Override
    protected void map(LongWritable k1, Text v1, Context context){
        String line = v1.toString();
        //用之前清洗后的数据
        String[] fields = line.split("\t");
        String id = fields[0];
        long gold = Long.parseLong(fields[1]);
        long watchnumpv= Long.parseLong(fields[2]);
        long follower = Long.parseLong(fields[3]);
        
        //组装k2，v2
        Text k2 = new Text();
        k2.set(id);
        VideoInfoWritable v2 =  new VideoInfoWritable();
        v2.set(gold, watchnumpv, follower);
        Context.write(k2, v2);
    }
}

public class VideoInfoReduce extends Reducer<Text, VideoInfoWritable, Text, VideoWritable>{
    @Override
    protected void reduce(Text k2, Iterable<VideoInfoWritable> v2s, Context context){
        //从v2s把相同key的value取出， 求和
        long goldsum=0;
        long watchnumpvsum=0;
        long followersum=0;
        for( VideoInfoWritable v2: v2s){
            goldsum+= v2.getGold();
            watchnumpvsum += v2.getWatchnumpv();
            followersum += v2.getFollower();
        }

        //组装 k3, v3  进行聚合
        //Text k3 = k2;
        VideoInfoWritable v3 = new VideoInfoWritable();
        v3.set(goldsum, watchnumpvsum, followersum);
        context.write(k3, v3);
    }
}

public class VideoInfoJob{
    //执行任务job
    //组装map reduce
    public static void main(String[] args){
        try{
            if(args.length!=2){
            
            }
            Configuration conf = new Configuration;
            Job job= job.getInstance(conf);
            job.setJarByClass(VideoInfoJob.class);
            //文件输入输出
            FileInputFormat
            FileOutputFormat
            //map
            job.setMapperClass
            //k2类型
            job.setMapOutputKeyClass
            //v2类型
            job.setMapOutpiyValueClass
            //reduce
            job.setReducerClass
            //k3
            job.setReducerClass
            //
        }
    }
}

数据清洗

//json格式数据提取
//需要fastjson对数据解析
//不需要聚合不需要reduce
//k1,v1段固定<LongWritable, Text>
//k2,v2类型<Text, Text>k2主播id, v2核心字段，用\t分割

public class DataCleanMap extend Mapper<LongWritable,Text,Text,Text>{
    @Override
    protected void map(LongWritable k1, Text v1, Context context){
        String line =v1.toString();
        JSONObject jsonObj= JSON.parseObject(line);
        String id= jsonObj.getString("uid");
        int gold= jsonObj.getString("gold");
        int watchnumpv= jsonObj.getString("watchnumpv");
        
        if(gold>=0 && watchnumpv >= 0){
            Text k2 = new Text();
            k2.set(id);
            Text v2 = new Text();
            v2.set(gold+ "\t" + watchnumpv);
            context.write(k2, v2);
        }
    }
}


public class DataCleanJob{
}

文件->分片-> MAP开始-> 分区 -> 排序 -> 分组 -> MAP结束 -> shuffle -> （reduce端）全局排序 -> 分组 -> reduce

分区：不同数据类型分类

分组：相同k2分一组

map阶段：

RecordReader类把每个InputSplit解析成<k1,v1>

一个InputSplit对应一个map task

框架对<k2,v2>分区，不同分区由不同reduce task处理，默认一个分区

map节点可以执行reduce归约，为可选项 （Combine）

shuffle：

多个map任务输出按照不同分区网络拷贝不同reduce节点

reduce阶段：

全局合并 排序 分组

reduce方法 输入<k2,{v2...}> 输出<k3,v3>

split逻辑运算块： 一个split对应一个mapper任务

K1, V1： K1是相对文本偏移量，V1代表该行文本

Shuffle：一个线程 将map产生结果拉取到reduce端做汇总

分布式计算:  将计算程序发送到本地 避免大数据传输

局部聚合 -> 数据传输(网络I/O) ->整体聚合