原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
《Hadoop大数据原理与应用实验教程》-课件
Hadoop大数据原理与应用实验教程 实验1准备：初识Hadoop;实验1知识地图;实验1 部署全分布模式Hadoop集群;实验1准备：初识Hadoop;资料来源：;1.1 Hadoop概述;1.1 Hadoop概述;1.2 Hadoop版本;1.3 Hadoop 2.0生态系统;1. Hadoop Common;2. HDFS;3. YARN;Hadoop MapReduce是一个分布式的、并行处理的编程模型，是针对Google MapReduce的开源实现（MapReduce: Simplified Data Processing on Large Clusters, 2004）。开发人员可以在不了解分布式系统底层设计原理和缺少并行应用开发经验的情况下，就能使用MapReduce计算框架 快速轻松地编写出分布式并行程序，完成对大规模数据集（大于1TB）的并行计算。MapReduce利用函数式编程思想，将复杂的、运行于大规模集群上的并行计算过程高度抽象为两个函数：Map和Reduce，其中Map是对可以并行处理的小数据集进行本地计算并输出中间结果，Reduce是对各个Map的输出结果进行汇总计算得到最终结果。;5. Spark;6. HBase;7. ZooKeeper;8. Hive;9. Pig;10. Impala;11. Mahout;12. Flume;13. Sqoop;14. Kafka;15. Ambari;1.4 Hadoop体系架构;1.5 部署和运行Hadoop;1. 运行环境;2. 运行模式;3. Hadoop配置文件;启动Hadoop;验证Hadoop;启动和验证Hadoop;关闭Hadoop;关闭Hadoop;【课后作业】;【参考文献】;
文档评论（0）