1、Hadoop、HDFS、YARN介绍
Hadoop解决两件事情：海量数据的存储（使用HDFS）和海量数据的计算（使用MapReduce）。
（1）Hadoop简介与优势
简介：
1）Hadoop是一个由Apachc基金会所开发的分布式系统基础架构。
2）主要解决，海量数据的存储和海量数据的分析计算问题。
3）广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈。
优势：
1）高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
4）高容错性：能够自动将失败的任务自动分配。
（2）Hadoop组成
- 在Hadoop1.x时代，Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大。
- 在Hadoop2.x时代，增加了Yarn。Yarn只负责资源的调度，MapReduce只负责运算。
- 而Hadoop3.x在组成上没有变化。
（3）HDFS概述
Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。主要解决海量数据存储的问题。
- NameNode(nn)︰存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数.文件权限），以及每个文件的块列表和块所在的DataNodc等。【记录数据存储在哪个节点上】
- DataNode(dn):在本地文件系统存储文件块数据，以及块数据的校验和。【负责数据的存储】
- Secondary NameNode(2nn):每隔一段时间对NameNode元数据备份。【防止NameNode突然瘫痪，进行备份】
（4）YARN概述
Yet Another Resource Negotiator简称YARN，另一种资源协调者，是Hadoop的资源管理器。
- Resource Maneger（RM）：所有资源的管理者，是整个集群资源（内存、CPU等）的老大，管理所有的内存和CPU。
- NodeManager（NM）：单节点资源的管理者，是单个节点服务器资源的老大。
- ApplicationMaster（AM）：单个任务运行的老大。
- Container：容器，相当于一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等。
说明1:客户端可以有多个
说明2∶集群上可以运行多个ApplicationMaster【相当于Hadoop的并行运算】
说明3:每个NodeManager上可以有多个Container
那么到底可以运行多少个Container容器呢？
- 一个Container默认的内存是1-8G。由于一个NodeManager是4G的内存，因此一个NodeManager上最多开辟4个Container【每个Container=1G】，而一个Container最少需要分配一个CPU，因此最终一个NodeManager上最多开辟2个Container。
（5）MapReduce概述
MapReduce将计算过程分为两个阶段：Map和 Reduce。
- Map阶段并行处理输入数据
- Reduce阶段对Map结果进行汇总
2、安装
（1）Centos7.5软硬件安装
下载镜像：centos镜像
（2）配置服务器IP地址
设置vmware：
设置windows：
设置虚拟机：
主机名称映射：
配置Linux克隆机主机名称映射hosts文件，打开/etc/hosts
（3）Xshell远程访问
修改windows的主机映射文件：
下载Xftp
（4）安装epel-release
（5）关闭防火墙，关闭防火墙开机自启
（6）卸载自带JDK
rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
- rpm -qa：查询所安装的所有rpm软件包
- grep -i：忽略大小写
- xargs -nl：表示每次只传递一个参数
- rpm -e --nodeps：强制卸载软件
3、克隆三台虚拟机
（1）克隆虚拟机
注意：克隆之前先关机
克隆之后需要修改三台虚拟机的主机名称以及IP地址
（2）在hadoop102上安装JDK
当时遇到一个错误，查阅这篇博客之后解决：xftp传输文件状态错误解决办法
linux退出当前目录使用：cd …
linux查看当前目录所在路径：pwd
（3）配置JDK环境变量
（4）在hadoop102按照hadoop
注意安装路径！
（5）配置hadoop环境变量
在系统文件加入下面的环境变量：
hadoop目录下有哪些内容：
