Upload
lexine
View
181
Download
20
Embed Size (px)
DESCRIPTION
XỬ LÝ DỮ LIỆU SONG SONG & PHÂN TÁN VỚI HADOOP. Trình bày: Nguyễn Minh Quý Bộ môn: CNPM – Khoa CNTT [email protected]. Đặt vấn đề. Bạn từng xử lý dữ liệu có kích thước lớn nhất là bao nhiêu MB/GB? Bạn dùng hệ quản trị cơ sở dữ liệu nào để lưu trữ? Access, SQL, MySQL hay Oracle?. - PowerPoint PPT Presentation
Citation preview
XỬ LÝ DỮ LIỆU SONG SONG & PHÂN TÁN
VỚI HADOOP
Trình bày: Nguyễn Minh QuýBộ môn: CNPM – Khoa CNTT
Đặt vấn đề Bạn từng xử lý dữ liệu có kích thước lớn nhất là bao
nhiêu MB/GB? Bạn dùng hệ quản trị cơ sở dữ liệu nào để lưu trữ?
Access, SQL, MySQL hay Oracle?. Giới hạn kích thước cơ sở dữ liệu trong SQL Server
(Bản SQL Server Express) là bao nhiêu GB? Các công cụ và môi trường bạn biết/làm việc có thể xử
lý dữ liệu lên đến hàng ngàn, thậm chí hàng triệu, hàng tỉ GB được không?
Copy 1 triệu GB qua mạng LAN Gigabit hết bao lâu?
Đặt vấn đề Bạn từng xử lý dữ liệu có kích thước lớn nhất là
bao nhiêu MB/GB? Bạn dùng hệ quản trị cơ sở dữ liệu nào để lưu
trữ? Access, SQL, MySQL hay Oracle?.
Giới hạn kích thước cơ sở dữ liệu trong SQL Server (Bản SQL Server Express) là bao nhiêu GB?
Các công cụ và môi trường bạn biết/làm việc có thể xử lý dữ liệu lên đến hàng ngàn, thậm chí hàng triệu, hàng tỉ GB được không?
Copy 1 triệu GB qua mạng LAN Gigabit hết bao lâu?
Giải quyết??
Nội dung HADOOP
Giới thiệu về Hadoop Các thành phần trong Hadoop Cấu hình và chạy Hadoop Demo chương trình đếm từ trong văn bản So sánh tốc độ với chương trình chạy trên máy đơn
Giới thiệu Hadoop Hadoop là một hệ thống lưu trữ, xử lý dữ liệu
song song và phân tán. Được Google phát triển từ năm 2002 Hiện có nhiều tổ chức và công ty lớn sử dụng:
Yahoo, Google, Facebook,… Năm 2009, Hadoop đã giành chiến thắng khi
sắp xếp 1 terabyte (=1000GB) dữ liệu trong vòng 209s, phá kỷ lục trước đó là 297s.
Giới thiệu Hadoop Lưu trữ dữ liệu phân tán trên hệ thống
Hadoop Distributed File System (HDFS)
Mỗi Block có kích thước 64, 128,… MB
Giới thiệu Hadoop Xử lý song song và phân tán trên các nút
Chương trình java sẽ được copy xuống các node và việc xử lý sẽ diễn ra tại node
Kiến trúc của Hadoop
Kiến trúc của HDFS
MapReduce framework
- Map phase: Chuyển dữ liệu ban
đầu thành các cặp <Key, Value> bằng hàm Map
- Reduce phase: Tổng hợp/tính toán
trên danh sách <Key, Value> từ Map phase và tạo ra kết quả cuối cùng. Bằng hàm Reduce
CÀI ĐẶT VÀ CẤU HÌNH HADOOP Cài đặt hadoop
Chỉ việc download Hadoop tại địa chỉ (v1.1):http://mirrors.digipower.vn/apache/hadoop/common/hadoop-1.1.0/hadoop-1.1.0.tar.gz
Giải nén và copy vào thư mục bất kỳ, ví dụ /home/hadoop
Đặt thông số cho các file cấu hình trong thư mục /conf của hadoop, gồm: core-site.xml, mapred-site.xml, hdfs-site.xml, masters, slaves
CÀI ĐẶT VÀ CẤU HÌNH HADOOP Cấu hình các file (Ví dụ có 3 nodes, 1 là nút
master: 192.168.1.10, 2 nút còn lại là slaves: 192.168.1.11 và 192.1.12).
Cấu hình cho mô hình Hadoop có 1 master và 2 slaves (node)
Master nodeIP: 192.168.1.10
Slave1 (Data node)IP: 192.168.1.11 Slave2 (Data node)
IP: 192.168.1.12
Cấu hình cho mô hình Hadoop có 1 master và 2 slaves (node)
Master nodeIP: 192.168.1.10
Slave1 (Data node)IP: 192.168.1.11 Slave2 (Data node)
IP: 192.168.1.12
Step 1: Sửa file /etc/hostsTrên cả 3 nodes
Cấu hình cho mô hình Hadoop có 1 master và 2 slaves (node)
Master nodeIP: 192.168.1.10
Slave1 (Data node)IP: 192.168.1.11
Slave2 (Data node)IP: 192.168.1.12
Thêm đường dẫn đến Java trong file /etc/bash.bashrc trên cả 3 nodesexport HADOOP_HOME=/home/quynm/hadoopexport JAVA_HOME=/usr/lib/jvmexport HIVE_HOME=/home/quynm/hive-0.8.1
export PATH=$PATH:$JAVA_HOME/binexport PATH=$PATH:$HADOOP_HOME/binexport PATH=$PATH:$HIVE_HOME/bin
STEP 2:
Cấu hình cho mô hình Hadoop có 1 master và 2 slaves (node)
Master nodeIP: 192.168.1.10
Slave1 (Data node)IP: 192.168.1.11 Slave2 (Data node)
IP: 192.168.1.12
Core-site.xml <name>fs.default.name</name><value>hdfs://master:54310</value>
Hdfs-site.xml <name>dfs.replication</name><value>2</value>
Mapred-site.xml <name>mapred.job.tracker</name><value>hdfs://master:54311</value>
Masters Master
Slaves Slave1Slave2
Đặt giá trị một số thuộc tính trong file cấu hình ở cả 3 Nodes
Chạy chương trình Hadoop Biên dịch chương trình viết trong Java sang file rar. Vd: Chạy chương trình wordcount (có sẵn trong
hadoop) B1.Copy file lên server: hadoop dfs -copyFromLocal
/home/quynm/hadoop/wordcountdata/ /user/root/
B2.Chạy: hadoop jar /home/quynm/hadoop/hadoop-examples-1.0.0.jar wordcount /user/root/wordcountdata /user/root/wordcount-out
Màn hình chạy Hadoop
Xem tiến trình xử lý trên web
So sánh tốc độ với chương trình chạy trên máy đơn Chạy bộ dữ liệu lớn (lên đến 240 triệu bản
ghi) chứa các Flows gói tin trong mạng.
InternetLAN
WANHadoop Data nodes
Hadoop Namenode
Flow export enabled
Flow export enabledFlow export enabled
So sánh (Benchmark)
Kết quả thử nghiệm