Hadoop项目案例－用户行为分析之应用概述（一）

1.概述

　　好的，下面就开始本篇教程的内容分享，本篇教程我为大家介绍我们要做一个什么样的Hadoop项目，并且对Hadoop项目的基本特点和其中的难点做有针对性的剖析，完成项目环境的基本配置，以及项目工程和Hadoop插件的相关准备等工作。

　　本课程主要包含以下课时，其内容如下图所示：

2.内容

　　从这节开始，我们将进入到Hadoop项目的实战学习，本节课程为大家介绍的主要知识点有一下内容，如下图所示：

　　首先，我们来看看本节的Hadoop的业务知识点，业务场景如下：

　　假设现在有以下场景，用户每天都会对某网站进行点击，这些点击都会记录到日志中，然后分析用户在网站的使用习惯。

　　其内容包含如下内容，如下图所示：

　　接着，是Hadoop的应用场景，其内容包含如下内容，如下图所示：

　　通过阅读上图，下面我给大家解释以下这个图中所设计的含义：

　　1.Hadoop的核心之一，就是它的离线计算模型MapReduce。

在数据统计中，统计网站的PV、UV
大规模Web信息搜索
一些复杂的算法

　　MapReduce都能非常友好的实现。

　　2.海量数据的离线分析
　　在MapReduce框架下，很难处理实时计算，作业都以日志分析这样的离线作业为主。

　　3.静态数据源
　　Hadoop要保证分析与计算的数据源是静态的，不能是实时的流水数据。这也是Hadoop自身设计特点决定了数据源必须是静态的。

　　在了解了Hadoop的应用场景和业务场景之后，下面我们来看看用户行为分析平台的搭建需要注意哪些事项，注意事项包含以下内容，如下图所示：

　　1.平台的高可用性　　

　　如图所示，这是一个高可用平台的简要说明图，在Hadoop2.x版本后，Hadoop提出了HA方案。HA方案的出现，解决了第一代的单点问题，在图中，我们可以看出，在Client请求服务时，若NameNode Active（NNA）节点宕机，整个集群依然是可用的，NameNode Standby（简称NNS）节点会立马切换自己的状态,由Standby切换为Active，并对外提供服务。保证集群的高可用性。

　　注：下面是集群的启动演示，可以参考视频的启动步骤：《Hadoop 回顾》
　　2.在对NameNode Active节点和NameNode Standby节点配置时
　　hdfs-site.xml和core-site.xml两个文件中HDFS的NameService要保持一致；
在配置HA的实现时，Hadoop官方提供了两种NameNode HA的实现方式，分别是QJM和NFS，同学们可自选一种实现。
　　3.在配置YARN的相关配置文件
　　yarn-site.xml文件，有一个属性需要特别注意，它就是yarn.resourcemanager.ha.id这个属性。假设，我们在NNA节点上配置的是value值是rm1，那么在NNS节点上我们得将value换成rm2。

　　4.在集群启动时，需注意按照以下顺序
　　第一步：由于我们选择的是QJM方案，需要使用到zookeeper，所以在各个DataNode节点上启动zookeeper服务
　　第二步：在其中一台NameNode节点（这里我预选取的是NameNode Active节点）启动journalnode服务，该服务用于共享存储，同步节点信息。
　　第三步：若是首次启动，需要在其中一台NameNode Active节点上格式HDFS
　　第四步：接着我们同样一台NameNode Active节点格式化zkfc,它对应的类是DFSZKFailoverController
　　第五步：在NameNode Active节点启动hdfs服务和yarn服务
　　第六步：同步NameNode Active节点的元数据

3.结束语

　　这就是本节的主要内容，主要就对Hadoop做一个回顾学习，对后续学习Hadoop项目实战做一个准备工作。

　　如果本教程能帮助到您，希望您能点击进去观看一下，谢谢您的支持！

　　　本课程的视频教程地址：《Hadoop 回顾》

出处：哥不是小萝莉