一、大数据
1.含义
大数据指在一定时间范围内使用常规的软件无法处理的数据集合！
2.特点
①海量
②高增长率
③多样性
④低价值密度
二、Hadoop
1.含义
狭义： Hadoop只代表hadoop框架本身！
广义： hadoop代表整个hadoop体系，由hadoop框架和其他依赖于hadoop的其他框架共同组成！
2.hadoop的组成
2.x版本
HDFS: 负责大数据存储的一个分布式文件系统！
YARN: 负责为大数据计算程序提供资源申请，管理和调度的框架！
MapReduce: 编程框架
Common: 常用的工具包
2.x版本和1.x版本的区别：
在1.x版本，MR既负责运行MR程序还负责为MR程序申请资源！Hadoop集群只能为自身的MR程序提供服务！
在2.x版本，MR只负责MR程序的计算，资源的调度和管理由YARN负责！Hadoop集群，不仅能为自身的MR程序提供服务！
还可以为第三方计算引擎，例如TeZ,Spark,Flink等提供计算资源的调度服务！
三、HDFS中的核心进程
1.核心进程
Namenode(1个): 负责HDFS上所有文件元数据的管理！
元数据： 文件的属性(文件名，大小，创建时间，所属主，由哪些块组成)
职责： ①负责接受客户端的所有请求
②负责接受DN上报的块信息
③负责向DN分配任务，例如维护文件的副本数等
Datanode（N个）: 负责HDFS上所有文件数据的存储！
SecondaryNamenode(N个): 负责协助Namenode工作！
四、YARN中的核心进程
1.核心进程
ResourceManager(1个)： 负责整个集群所有资源的管理和调度！
职责： ①负责接受客户端的所有请求
②负责接受NM上报的块信息
③负责向NM分配任务，例如检查NM是否健康，是否在线等
NodeManager(N个)： 负责当前机器所有资源的管理和调度！
五、MapReduce中的核心进程
1.MapReduce是一个编程模型！这个模型由两个阶段组成，一个称为Map阶段，另一个称为Reduce阶段！
在Map阶段和Reduce阶段分别启动若干进程负责运算！这些进程称为Task!
在Map阶段启动的Task称为MapTask!
在Reduce阶段启动的Task称为ReduceTask!
将一个MapReduce程序称为一个Job!
一个Job中会启动若干个Task!
在Job启动时，Job会先创建一个MRAppMaster进程，由这个进程和RM进行通信，为Job中的每个Task申请
计算所需要的资源！
Task的请求，会被RM缓存到一个调度队列中，由NM领取Task，领取后NM会根据Task要求，提供计算资源！
提供后，为了避免计算资源在当前Task使用时被其他的task抢占，NM会将资源封装到一个Container中！
Container可以对计算资源进行隔离！
六、安装
1.环境要求
必须保证已经安装了JDK，有JAVA_HOME环境变量！
2.安装
解压在linux下编译的Hadoop！
3. 建议将HADOOP_HOME提升为全局变量！
后续的HADOOP体系中的所有的框架，都通过HADOOP_HOME找到hadoop的安装目录！
将bin,sbin目录配置到PATH中！
4.目录结构
bin: 常用的工具hadoop所在的目录
sbin: 提供对集群的管理功能，例如启动和停止进程！
etc: 默认的配置文件目录
七、使用
1. 配置文件
hadoop有4个默认我配置文件，这4个文件会随着Hadoop启动时，自动加载！
如果希望对这4个文件加载的默认属性进行覆盖！用户需要自定义配置文件！
文件格式：
core-site.xml----->core-default.xml
hdfs-site.xml----->hdfs-default.xml
yarn-site.xml----->yarn-default.xml
mapred-site.xml----->mapred-default.xml
配置文件的位置：
自定义位置： hadoop --confdir 配置文件的目录
默认配置文件目录： $HADOOP_HOME/etc/hadoop
2.HDFS的运行模式
①本地模式： 使用当前计算机的文件系统作为HDFS的文件系统！
fs.defaultFS=file:///(默认)
②分布式文件系统： 通过运行NN,DN等进程，由这些进程组成一个分布式的系统，进行文件的读写！
fs.defaultFS=hdfs://NN所在的主机名:9000
3.启动一个分布式文件系统
①在$HADOOP_HOME/etc/hadoop，配置core-site.xml
fs.defaultFS=hdfs://NN所在的主机名:9000
②配置Hadoop默认的工作目录，在$HADOOP_HOME/etc/hadoop，配置core-site.xml
hadoop.tmp.dir=配置一个当前用户有写权限的非tmp目录
③格式化NN
hadoop namenode -format
目的： ①生成NN的工作目录
②在工作目录下生成NN所要使用的特殊的文件，例如VERSION，fsiamge000000
注意： 一个集群搭建完成后，只需要格式化一次！
④启动
hadoop-daemon.sh start namenode|datanode
⑤查看
jps
http://NN所运行的主机名:50070
4.MR的运行模式
本地模式： 在本机使用多线程的方式模拟多个Task的运行！
mapreduce.framework.name=local(默认)
分布式模式： 在YARN上运行！
mapreduce.framework.name=yarn(默认)
5.配置MR在yarn上运行
①在$HADOOP_HOME/etc/hadoop，配置mapred-site.xml
mapreduce.framework.name=yarn
②配置YARN
在$HADOOP_HOME/etc/hadoop，配置yarn-site.xml
配置yarn.resourcemanager.hostname=RM运行的主机名
yarn.xxxx-auxservice=mapreduce_shuffle
③启动YARN
yarn-daemon.sh start resourcemanager | nodemanager
④查看
jps
http://rm所运行的主机名:8088
⑤提交作业
hadoop jar xxx.jar 主类名 输入目录.. 输出目录
要去： 输出目录必须不存在
输入目录中必须全部是文件