此篇是在零基础学习hadoop到上手工作线路指导(初级篇)的基础,一个继续总结。 hadoop 1.x分为 其中mapreduce是很多人都需要迈过去的槛,它比较难以理解,我们有时候即使写出了mapreduce程序,但是还是摸不着头脑。 mapreduce是一种编程模型,那么它能干什么,对我有什么用。它的原理是什么,为什么我们编写了map函数,reduce函数就可以在多台机器上运行。 面对mapreduce,有一篇文章,这里总结的很好,包括:该如何入门,该如何理解mapreduce,该如何练习mapreduce,该如何运用mapreduce。这里面介绍的很全。 我们在学习mapreduce,首先我们从思想上来认识。其实任何的奇思妙想,抽象的,好的想法、都来源于我们生活,而我们也更容易理解我们身边所发生事情。所以下面一篇便是从生活的角度,来让我们理解,什么是mapreduce。 2.设计思路 我们从思想上认识了mapreduce,那么mapreduce具体是什么,我们需要看得见,摸得着。我们该如何实现这个思想,我们该如何设计mapreduce。那么现在来说说它的设计思路。 设计思路如何表示:ok下面的帖子,是通过一张图来表达的。 mapreduce是hadoop的核心,正因为mapreduce,所以才产生了分布式。所以我们可能通过一张图,了解的不够清楚和详细。我们还需要了解里面的原理: 通过上面我们可能有了自己的一些看法。但是我们可能还是认识不太清楚。那么咱们在来看看编程模型,来进一步的了解。 4.产生问题 我们看了上面的文章,这时候会有一些名词、概念进入我们的脑海。 --------------------------------------------------------------------------------------------------- mapreduce是hadoop核心,而shuffle是mapreduce的核心,shuffle个人认为它是一个动态的过程,包含了Combiner,merge等的过程,那么这里因为讲到shuffle,很多人都讲的全面,Combiner,merge,sort几乎全都讲了,这样讲是没有错误的,但是容易给初学者造成一个假象,那就是这些过程必须都是包含的,其实这些是根据个人的需求来确定的。 对于Combiner的疑惑可以查看 为什么需要在Mapper端进行归约处理?
为什么可以在Mapper端进行归约处理?
既然在Mapper端可以进行归约处理,为什么在Reducer端还要处理?
上面三个问题,可以查看帖子
同样关于上面的问题可以参考 5.编程实现 mapreduce是一种编程模型,我们认识了解,下面就需要编程实现了。那么mapreduce都能做些什么?下面我们可以看看 MapReduce初级案例(1):使用MapReduce去重 MapReduce初级案例(2):使用MapReduce数据排序 MapReduce初级案例(3):使用MapReduce实现平均成绩 通过上面三个例子,也是我们验证前面所理解的内容。 Hadoop开发环境搭建及map-reduce开发实例讲解视频下载 6.mapreduce应用 MapReduce在压力测试中的应用 这里在增加几篇: 新手指导:MapReduce中的分区方法Partitioner 新手指导:mapreduce的key与value输入输出参数为什么会让你迷惑 新手指导:让你真正了解mapreduce中map函数与reduce函数功能及key与value的含义 通过Wordcount实例解析map函数及reduce函数执行过程 总结:如果已经把上面的文章都看过了,那么你对mapreduce如果说还不透彻,但是已经感觉对mapreduce会有自己的看法了。并且产生的各种问题,都有了自己的答案。 --------------------------------------------------------------------------------------------------- 开发方式有两种,但是其实本质是一样的,第一种方式只能操作hdfs,对于操作mapreduce,可能会遇到权限问题。所以可以采用第二种方式。也就是下面这篇所介绍的开发方式 --------------------------------------------------------------------------------------------------- 我们该如何学习hdfs: 这里给我们一个初步的概念 初步了解之后,我们就需要了解它的组成,为了更好的使用它,我们就需要了解他的优点与缺点。 HDFS可以理解为数据库,因为我们既可以通过sql直接操作数据库,亦可以通过编程接口,通过编程语言来操作。那么HDFS则是可以通过shell来操作。 ,同样hsfs的编程接口可以通过下面来了解: 为了节省空间,我们还可以对hdfs数据进行压缩: 上面可以说是我们已经有了一定的了解,但是有的同学,想系统的了解,这里给大家提供一些资料。 HDFS必读书籍:HDFS-Hadoop分布式文件系统深度实践 Hadoop技术内幕 深入解析HADOOP COMMON和HDFS架构设计与实现原理大全1-9章 深入浅出Hadoop实战开发(HDFS实战图片、MapReduce、HBase实战微博、Hive应用) ----------------------------------------------------------------------------------------------------------------- hadoop生态系统 hadoop生态系统内容还是比较多的,但是最常用的是hive,hbase,所以这里对他们也总结一下: 上面需要说明的是hive默认数据库并不是mysql,但是因为默认数据库存在局限,所以最好使用mysql。 安装完毕,那么我们就需要练练手了,可以根据下面内容 Hadoop Hive sql语法详解1-认识hive及DDL操作 Hadoop Hive sql语法详解3--DML 操作:元数据存储 Hadoop Hive sql语法详解4--DQL 操作:数据查询SQL Hadoop Hive sql语法详解5--HiveQL与SQL区别 这里面包含了加载数据、查询数据等各种操作。 上面基本属于实战类型,我们还需要高级进阶,我们需要了解里面的原理,我们需要知道遇到问题,该如何解决。 原理大致懂了,基本操作会了,我们可能又有了更进一步的认识,那么hive如何结合hadoop,hbase发挥作用,该如何发挥它的实际意义,被我们所用。 首先我们使用hive的时候,很多都与hbase相结合,这样发挥hive的长处,在各种查询数据方面相比hbase使用更方便。 上面是与hbase结合使用,那么我们该如何与编程语言向结合,可以参考下面内容: Hive:用Java代码通过JDBC连接Hiveserver介绍 上面或许你已经对hive有所了解,下面的面试及遇到的问题,大家可参考 面试题:分别使用Hadoop MapReduce、hive统计手机流量 (暂时到此,以后更新) 如果到了这个地方。后面的内容你可以在看看视频。 通过以上视频,搭建环境和开发环境都没有问题。以后有时间咱们可以再次展开和讨论。 相关文章推荐: |