Hadoop大数据平台构建

基础：linux常用命令、Java编程基础
大数据：科学数据、金融数据、物联网数据、交通数据、社交网络数据、零售数据等等。

Hadoop: 一个开源的分布式存储、分布式计算平台.（基于Apache）

Hadoop的组成：
　　HDFS:分布式文件系统，存储海量的数据。
　　MapReduce:并行处理框架，实现任务分解和调度。

Hadoop的用处：

　　搭建大型数据仓库，PB级数据的存储、处理、分析、统计等业务。

　　比如搜索引擎、网页的数据处理，各种商业智能、风险评估、预警，还有一些日志的分析、数据挖掘的任务。

Hadoop优势：高扩展、低成本、成熟的生态圈(Hadoop Ecosystem Map)

Hadoop开源工具：

Hive：将SQL语句转换成一个hadoop任务去执行，降低了使用Hadoop的门槛。
HBase:存储结构化数据的分布式数据库，habase提供数据的随机读写和实时访问，实现对表数据的读写功能。
zookeeper:就像动物管理员一样，监控hadoop集群里面每个节点的状态，管理整个集群的配置，维护节点针之间数据的一次性等等。

hadoop的版本尽量选稳定版本，即较老版本。

===============================================

Hadoop的安装与配置：
1）在Linux中安装JDK，并设置环境变量
　 安装jdk: >> sudo apt-get install openjdk-7-jdk
　 设置环境变量：

　　>> vim /etc/profile

　　>> :wq

2)下载Hadoop,并设置Hadoop环境变量
下载hadoop解压缩:

>> cd /opt/hadoop-1.2.1/

>> ls

>> vim /etc/profile

>>:wq

3）修改4个配置文件
（a）修改hadoop-env.sh,设置JAVA_HOME
（b）修改core-site.xml,设置hadoop.tmp.dir, dfs.name.dir, fs.default.name
（c）修改mapred-site.xml, 设置mapred.job.tracker
（d）修改hdfs-site.xml,设置dfs.data.dir

>> cd conf
>> ls