学习记录1

1、什么是大数据

1.1、 基本概念：

• 大数据技术的核心就是数据处理

• 处理海量数据的核心技术：

  • 海量数据存储：分布式

  • 海量数据运算：分布式

• 这些核心技术都有了大量的成熟的框架

  1. 存储框架
     • HDFS——分布式文件存储系统（HADOOP中的存储框架）
     • HBASE——分布式数据库系统
     • KAFKA——分布式消息缓存系统(实时流式数据处理场景中应用广泛)
  2. 运算框架
     • MAPREDUCE—— 离线批处理/HADOOP中的运算框架
     • SPARK —— 离线批处理/实时流式计算
     • STORM —— 实时流式计算
  3. 一些辅助类的工具（可以做一些繁琐的工作）
     • HIVE —— 数据仓库工具：可以接收sql，翻译成mapreduce或者spark程序运行
     • FLUME——数据采集
     • SQOOP——数据迁移
     • ELASTIC SEARCH —— 分布式的搜索引擎

1.2 、 大数据在现实生活中的具体应用

最典型的就是分析公司产品的运行情况

电商推荐系统：基于海量的浏览行为、购物行为数据，进行大量的算法模型的运算，得出各类推荐结论，以供电商网站页面来为用户进行商品推荐

精准广告推送系统：基于海量的互联网用户的各类数据，统计分析，进行用户画像（得到用户的各种属性标签），然后可以为广告主进行有针对性的精准的广告投放

---

2、 hadoop学习

• Hadoop的三个核心组件

  分布式文件系统：HDFS —— 实现将文件分布式存储在很多的服务器上

  分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算

  分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源

• HDFS学习

  ---

  • hdfs有着文件系统共同的特征：

    1、有目录结构，顶层目录是： /

    2、系统中存放的就是文件

    3、系统可以提供对文件的：创建、删除、修改、查看、移动等功能

  • hdfs跟普通的单机文件系统有区别：

    1、单机文件系统中存放的文件，是在一台机器的操作系统中

    2、hdfs的文件系统会横跨N多的机器

    3、单机文件系统中存放的文件，是在一台机器的磁盘上

    4、hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统）

  • hdfs的工作机制：

    1、客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的>

    2、一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node）

    3、为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）

  • 综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！

  ---