Hadoop生态系统：从小白到老司机的入门指南

最新推荐文章于 2025-04-03 23:04:35 发布

Echo_Wish

最新推荐文章于 2025-04-03 23:04:35 发布

阅读量576

点赞数 6

分类专栏：大数据文章标签： hadoop 大数据分布式

本文链接：https://blog.youkuaiyun.com/weixin_46178278/article/details/146717373

版权

大数据专栏收录该内容

57 篇文章

订阅专栏

Hadoop生态系统：从小白到老司机的入门指南

1. 前言：Hadoop到底是个啥？

说到大数据，很多人第一时间想到的就是Hadoop。但Hadoop到底是个啥？简单来说，它是一个用来存储和处理大规模数据的分布式系统，适用于海量数据处理场景。很多互联网巨头，如阿里、腾讯、字节跳动，都在使用它。

想象一下，如果你的电脑存不下TB级的数据，那就可以用Hadoop的HDFS（分布式文件系统）把数据拆开，存到多台机器上；如果你的CPU算不动这些数据，那就可以用MapReduce或者Spark来并行计算，把任务分给多台机器一起算。

2. Hadoop生态系统全家桶

Hadoop生态系统其实是一整个大数据工具集合，主要包括以下几大件：

HDFS（Hadoop Distributed File System）：存数据的，数据分布在多个节点上。
YARN（Yet Another Resource Negotiator）：Hadoop的资源管理器，负责调度计算任务。
MapReduce：Hadoop最初的计算框架，但现在大多数场景下用Spark代替了。
Hive：用SQL查询HDFS上的数据，适合数据分析。
HBase：Hadoop版的NoSQL数据库，适合存储海量结构化数据。
Spark：大数据计算神器，比MapReduce快一个数量级。
Flink：流式计算框架，适用于实时数据分析。

下面，我们通过一个简单的例子，看看Hadoop是怎么存数据、处理数据的。

3. 代码实战：HDFS数据存取 + MapReduce计算

3.1 HDFS 数据存取

首先，我们在HDFS上创建一个文件，并向其中写入数据。

# 启动Hadoop
start-dfs.sh

# 在HDFS创建目录
hdfs dfs -mkdir /user/hadoop/input

# 上传本地文件到HDFS
hdfs dfs -put local_file.txt /user/hadoop/input/

# 查看文件是否上传成功
hdfs dfs -ls /user/hadoop/input/

3.2 编写一个MapReduce程序

下面用Java编写一个简单的MapReduce程序，统计HDFS上的文件中每个单词出现的次数。

Mapper 代码（WordCountMapper.java）：

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;

public class WordCountMapper extends Mapper<Object, Text, Text, IntWritable> {
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
    
    @Override
    protected void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        String[] words = value.toString().split(" ");
        for (String w : words) {
            word.set(w);
            context.write(word, one);
        }
    }
}

Reducer 代码（WordCountReducer.java）：

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;

public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        for (IntWritable val : values) {
            sum += val.get();
        }
        context.write(key, new IntWritable(sum));
    }
}