大数据架构hadoop初体验

前言

hadoop已经不算新技术了，只是我在实际项目中一直没有太好的机会应用，主要受限于数据量不够大、团队资源紧张、公司成本控制等原因。对此我一直觉得很遗(落)憾(伍)，一个不熟悉大数据的CTO不是一个好的将军，于是乎抽时间近期实际操练了下hadoop的基本功能。

技能学习方法论

学习一套新技能时我喜欢先了解其用途，再学习其用法并在项目中应用(动手操练)，然后再探究其原理。

了解用途

关于hadoop的用途网上的信息太多了，这里我不想搬砖了。总结一句话就是以更好的性能对海量数据进行分析处理。

学习用法之一

学习hadoop的用法最好找一份好点入门教程性质的资料作为参考，经过对比并经历了小弯路，我建议大家按照hadoop的官方文档进行学习。 hadoop2.7.3官方文档 ，我选用的hadoop2.7.3，按照官方文档一步步搭建环境，做单机环境测试、伪分布式环境测试、hdfs常用命令操作等，具体步骤这里不做翻译了，如果大家有需要可以留言给我。

初体验踩过的坑之一

文档与实际包版本不一致

这个一定要注意，要不然会有很多弯路。

ssh端口不是默认22端口的解决方案

上东大葱哥使用的linux环境为了安全期间做了安全加固，ssh不使用默认22端口。这种情况需要修改hadoop安装路径下的 etc/hadoop/hadoop-env.sh文件，在文件最后增加如下内容:

ssh免密登录不起作用

生成ssh公钥私钥，将公钥输出为authorized_keys后，并重启sshd服务后，通过ssh localhost -p 16022登录，发现还需要输入密码。

经过检查发现authorized_keys文件的权限为664，其实官方文档明确写了权限要为600，当时大意了以为权限大了没关系，没想到大意失荆州，最终还是这个问题。

chmod 600 authorized_keys

防火墙

实践期间为了方便可以关闭防火墙或者在防火墙开放相应端口。

hdfs强制递归删除

这个命令和linux自带的rm -rf不同，需要把r f单独加-

hdfs dfs -rm -r -f test

本期先介绍到这儿，下一节会介绍基于hdfs使用java进行交互。

学习过程中遇到什么问题或者想获取学习资源的话，欢迎加入技术爱好者交流群373107565，我们一起学技术！