目录引言实验目的及准备实验步骤引言Hadoop生态的搭建有本地模式、伪分布模式、集群模式（3台机器）三种安装模式，本篇文章将详细介绍Hadoop3.3的伪分布安装模式。实验目的及准备一、完成Hadoop3.3伪分布安装二、在Linux中配置jdk1.8环境变量三、配置主机的免密钥登录准备：MobaXterm、Centos7系统、jdk-8u112-linux-x64.tar.gz、Hadoop3.3实验步骤一、启动虚拟机master节点，连接至mobaXterm的远程终端：二、上传Hadoop3.3.2以及jdk安装包至主节点的/home路径下（该安装包在CSDN中都可以搜寻到，作者无法重复上
目录1.1🐶Hadoop回顾1.2🐶spark简介1.3🐶Spark特性1.🥙通用性2.🥙简洁灵活3.🥙多语言1.4🐶SparkCore编程体验1.4.1spark开发工程搭建1.🥙开发语言选择：2.🥙依赖管理工具：1.4.2Spark编程流程1.🥙获取sparkcontext对象2.🥙加载数据3.🥙处理转换数据4.🥙输出结果,释放资源1.4.3简单代码实现-wordCount 在大数据领域，Hadoop一直是一个重要的框架，它为处理海量数据提供了可靠的解决方案。然而，随着大数据技术的发展和需求的不断演变，人们开始寻找更高效、更灵活的解决方案。这就引出了Spark，一个强大的分布
1.背景介绍大数据是指由于互联网、物联网等新兴技术的发展，数据量巨大、高速增长、多源性、不断变化的数据。大数据处理技术是指利用计算机科学技术，对大规模、高速、多源、不断变化的数据进行存储、处理和挖掘，以实现数据的价值化。并行计算是指同时处理多个任务或数据，以提高计算效率。大规模数据处理是指处理的数据量非常大，需要借助分布式系统来完成。Hadoop和Spark是两种常用的大规模数据处理技术，Hadoop是一个开源的分布式文件系统(HDFS)和分布式计算框架(MapReduce)的集合，而Spark是一个基于内存计算的大数据处理框架，它可以在HDFS、本地文件系统和其他分布式存储系统上运行。本文将
.一.安装JDK1.查看安装后的镜像中是否存在Java1.1.卸载OpenJDK2.安装jdk2.1上传jdk，这里选用的是jdk-8u291版本的，一般jdk版本在1.8以上即可2.2解压文件2.3配置JDK环境变量2.4检验Java是否配置成功二.安装hadoop1.解压Hadoop安装包，并设置环境2.修改配置文件2.1修改hadoop-env.sh文件2.2修改core-site.xml文件2.3修改hdfs-site.xml文件3.初始化文件系统3.1.初始化名称节点3.2.文件系统初始化成功,启动hdfs3.3启动之后，通过jps指令查询所有的java进程3.4访问页面一.安装JD
0x00:说明使用Java操作HDFS文件系统可以使用其对应的JavaAPI，即对应三个jar依赖包：hadoop-common.jar(该文件在hadoop-2.10.1.tar.gz压缩包中的\share\hadoop\common目录下)hadoop-hdfs.jar(该文件在hadoop-2.10.1.tar.gz压缩包中的\share\hadoop\hdfs目录下)hadoop-client.jar(该文件在hadoop-2.10.1.tar.gz压缩包中的\share\hadoop\hdfs目录下)这三个jar包的具体名字可能根据你所安装的版本进行变化，在本文档中这三个文件名称具体
一、背景 由于公司规模较小，大数据相关没有实现平台化，相关的架构都是原生的Apache组件，所以集群的维护和优化都需要人工的参与。根据自己的实践整理一些数仓相关的优化。二、优化 1、简易架构图 2、ODS层优化 2.1分段式解析 随着业务增长，数据量也不断增加，凌晨任务经常基线预警、破线，导致数据不能正常产出，影响运营人员分析数据。在不增加成本的情况尽可能的优化。 经过团队研究，发现t-1的日志解析占用非常长的时间，且集群资源空闲时间点比较多。 把日志的解析分成两段式，当天0点到22点数据可在22:15进行解析，22点到24点数
数仓(DataWarehouse)数据仓库存在的意义在于对企业的所有数据进行汇总，为企业各个部门提供一个统一、规范的出口。做数仓就是做方案，是用数据治理企业的方案。数据仓库的特点面向主题集成公司中不同的部门都会去数据仓库中拿数据，把独立从数据仓库中拿数据的单元，称为一个主题。数据仓库中的数据是从各个分散的数据库中抽取出来的，需要进行完整集合，还要进行数据处理。涉及的数据操作主要是查询数仓的本质能够完整记录某个对象在一段时期内的变化情况的存储空间。随着时间变化不断增加新的数据内容，不断删去旧的数据内容。数仓设计方案1.需求分析找谁了解需求？老板：大方向运营人员：具体，多问几个运营人员行业标准规范
词频统计通过分析大量文本数据中的词频，可以识别常见词汇和短语，从而抽取文本的关键信息和概要，有助于识别文本中频繁出现的关键词，这对于理解文本内容和主题非常关键。同时，通过分析词在文本中的相对频率，可以帮助理解词在不同上下文中的含义和语境。"纽约时报"评论数据集记录了有关《纽约时报》2017年1月至5月和2018年1月至4月发表的文章上的评论的信息。月度数据分为两个csv文件：一个用于包含发表评论的文章，另一个用于评论本身。评论的csv文件总共包含超过200万条评论，有34个特征，而文章的csv文件包含超过9000篇文章，有16个特征。本实验需要提取其中的articleID和snippet字段进
1.背景介绍大数据处理和分析是现代科学和工程领域中的一个重要领域，它涉及处理和分析海量数据，以挖掘有价值的信息和知识。随着数据的规模不断扩大，传统的数据处理方法已经无法满足需求。因此，大数据处理和分析技术得到了广泛的关注和应用。Hadoop和Spark是两个非常重要的大数据处理框架，它们都使用Python进行开发和应用。Hadoop是一个分布式文件系统(HDFS)和分布式计算框架(MapReduce)的集合，用于处理和分析大量数据。Spark是一个快速、灵活的大数据处理框架，它使用内存计算而不是磁盘计算，提高了处理速度和效率。在本文中，我们将深入探讨Hadoop和Spark的核心概念、算法原理
深入理解Hadoop（一）网络通信架构与源码浅析深入理解Hadoop（二）HDFS架构演进深入理解Hadoop（三）HDFS文件系统设计实现深入理解Hadoop（四）HDFS源码剖析深入理解Hadoop（五）YARN核心工作机制浅析深入理解Hadoop（六）YARN核心设计理念与工作流程剖析深入理解Hadoop（七）YARN资源管理和调度详解HDFS分布式集群架构设计实现核心设计思路：分而治之的思路，实现分散存储+冗余存储元数据管理核心问题：文件系统目录树文件和数据块的映射关系数据块和副本存储主机之间的映射关系NameNode内部两个非常重要的组件：NameNodeRpcServer：RPC服
