0
0

云计算复习

云计算三道大题

分值分别是40+40+20分
有什么疑问尽管评论区提问.若有错误,请谅解并且指出,会及时纠正.

一、Hbase与JAVA结合应用

前置知识:
JSON是表示数据的一种格式的文件,XML是在联网状态下的‘JSON’,也可以传递数据.JSON通过read操作,可以进行数据库的建立.
举例:emplouees表

{

"employees": {

{ "firstName":"Bill" , "lastName":"Gates" },

{ "firstName":"George" , "lastName":"Bush" },

{ "firstName":"Thomas" , "lastName":"Carter" }

}

}
/*可能添加base 和 extra 额外信息的补充,区别不大
extra主要是多出了与base不同的属性,与其他对象也可以不同
所有对象的base下必须一致*/

————————————————
考题:

A.hbase-shell的命令

1. 建表操作

举例:建立student表,列簇名为info

hbase(main):002:0> create 'student','info'

2.插入数据操作

插入 表名 行键 列簇:列 值

hbase(main):003:0> put 'student','1001','info:sex','male'
hbase(main):004:0> put 'student','1001','info:age','18'
hbase(main):005:0> put 'student','1002','info:name','Janna'
hbase(main):006:0> put 'student','1002','info:sex','female'
hbase(main):007:0> put 'student','1002','info:age','20'

3.浏览操作

get 表名 行键

hbase(main):014:0> get 'student','1001'
hbase(main):015:0> get 'student','1001','info:name'

补充A.:coloum:列族+列名

cell:由{row key, column( = + ), version} 唯一确定的单元。
HBase中通过row和columns确定的为一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。每个 cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。

B.为什么添加时间戳?(考)

TimeStamp就像是一条时间轴，用户每次对表进行增删改查操作，都会留下相应的时间戳，而HBase向用户呈现的永远是时间轴上最新时间所对应的操作。
因此在进行delete、put等操作时可以带上TimeStamp，获得更确切的结果,但版本信息中的操作还是会保留.

4.HBase与关系数据库的插入和删除分别有什么不同?

插入操作:

详细版本:SQL 针对结构化查询语句 是结构化数据，hadoop针对的是非结构化数据，文本形式
关系数据库是 有一定格式，而存放文本、图片和xml文件 则应该用键值对的方式。HBase只有很简单的插入、查询、删除、清空等操作，表和表之间是分离的，没有复杂的表和表之间的关系，而传统数据库通常有各式各样的函数和连接操作。 用户提交put请求后，HBase客户端会将put请求添加到本地buffer中，符合一定条件就会通过AsyncProcess异步批量提交。HBase默认设置autoflush=true，表示put请求直接会提交给服务器进行处理；用户可以设置autoflush=false，这样的话put请求会首先放到本地buffer，等到本地buffer大小超过一定阈值（默认为2M，可以通过配置文件配置）之后才会提交。很显然，后者采用group commit机制提交请求，可以极大地提升写入性能，但是因为没有保护机制，如果客户端崩溃的话会导致提交的请求丢失。
傻瓜版本:hbase一次只能插入一个表一个列族某单元格的数据，插入时自动加时间戳；
关系数据库按行插入，执行insert时高度结构化,严格按照结构插入。

删除操作:

对于Hbase，和删除列，跟传统关系数据库里面的删除记录类似.
传统关系型数据库的修改与删除，可以快速通过主键、列或索引直接锁定到某一行或某些行，进行物理删除。
而对于Hbase来说，受到hdfs文件系统的局限（hdfs文件系统不能修改，添加也很不方便），进行CRUD的操作就会变得相对复杂。
HBase的删除则是通过标记来实现，如果要删除某行记录，Hbase会添加一个带有删除标记的行，通过这个删除标记来辨认该行建的数据是否删除。

B.Hbase API编程

1.建立连接(即获取 Configuration 对象)

publicstatic Configuration conf;static{//使用 HBaseConfiguration 的单例方法实例化
conf = HBaseConfiguration.create();
conf.set("hbase.zookeeper.quorum","192.166.9.102");
conf.set("hbase.zookeeper.property.clientPort","2181");}

2.创建表

publicstaticvoidcreateTable(String tableName, String... 
columnFamily)throws
MasterNotRunningException, ZooKeeperConnectionException, 
IOException{
HBaseAdmin admin =newHBaseAdmin(conf);//判断表是否存在if(isTableExist(tableName)){
System.out.println("表"+ tableName +"已存在");//System.exit(0);}else{//创建表属性对象,表名需要转字节
HTableDescriptor descriptor =newHTableDescriptor(TableName.valueOf(tableName));//创建多个列族for(String cf : columnFamily){
descriptor.addFamily(newHColumnDescriptor(cf));}//根据对表的配置，创建表
admin.createTable(descriptor);
System.out.println("表"+ tableName +"创建成功！");}}

3.删除表

publicstaticvoiddropTable(String tableName)throws 
MasterNotRunningException,
ZooKeeperConnectionException, IOException{
HBaseAdmin admin =newHBaseAdmin(conf);if(isTableExist(tableName)){
admin.disableTable(tableName);
admin.deleteTable(tableName);
System.out.println("表"+ tableName +"删除成功！");}else{
System.out.println("表"+ tableName +"不存在！");}}

4.插入操作

publicstaticvoidaddRowData(String tableName, String rowKey, 
String columnFamily, String
column, String value)throws IOException{//创建 HTable 对象
HTable hTable =newHTable(conf, tableName);//向表中插入数据
Put put =newPut(Bytes.toBytes(rowKey));//向 Put 对象中组装数据
put.add(Bytes.toBytes(columnFamily), Bytes.toBytes(column), 
Bytes.toBytes(value));
hTable.put(put);
hTable.close();
System.out.println("插入数据成功");}

5浏览操作
浏览全部

#获取所有数据
publicstaticvoidgetAllRows(String tableName)throws IOException{
HTable hTable =newHTable(conf, tableName);//得到用于扫描 region 的对象
Scan scan =newScan();//使用 HTable 得到 resultcanner 实现类的对象
ResultScanner resultScanner = hTable.getScanner(scan);for(Result result : resultScanner){
Cell[] cells = result.rawCells();for(Cell cell : cells){//得到 rowkey
System.out.println(" 行 键 :"+
Bytes.toString(CellUtil.cloneRow(cell)));//得到列族
System.out.println(" 列 族 "+ 
Bytes.toString(CellUtil.cloneFamily(cell)));
System.out.println(" 列 :"+ 
Bytes.toString(CellUtil.cloneQualifier(cell)));
System.out.println(" 值 :"+ 
Bytes.toString(CellUtil.cloneValue(cell)));}}}

浏览某一行数据

publicstaticvoidgetRow(String tableName, String rowKey)throws 
IOException{
HTable table =newHTable(conf, tableName);
Get get =newGet(Bytes.toBytes(rowKey));//get.setMaxVersions();显示所有版本//get.setTimeStamp();显示指定时间戳的版本
Result result = table.get(get);for(Cell cell : result.rawCells()){
System.out.println(" 行 键 :"+Bytes.toString(result.getRow()));
System.out.println(" 列 族 "+ 
Bytes.toString(CellUtil.cloneFamily(cell)));
System.out.println(" 列 :"+ 
Bytes.toString(CellUtil.cloneQualifier(cell)));
System.out.println(" 值 :"+ 
Bytes.toString(CellUtil.cloneValue(cell)));
System.out.println("时间戳:"+ cell.getTimestamp());}}

浏览某一行指定“列族:列”的数据

publicstaticvoidgetRowQualifier(String tableName, String rowKey, 
String family, String
qualifier)throws IOException{
HTable table =newHTable(conf, tableName);
Get get =newGet(Bytes.toBytes(rowKey));
get.addColumn(Bytes.toBytes(family), 
Bytes.toBytes(qualifier));
Result result = table.get(get);for(Cell cell : result.rawCells()){
System.out.println(" 行 键 :"+ 
Bytes.toString(result.getRow()));
System.out.println(" 列 族 "+ 
Bytes.toString(CellUtil.cloneFamily(cell)));
System.out.println(" 列 :"+ 
Bytes.toString(CellUtil.cloneQualifier(cell)));
System.out.println(" 值 :"+ 
Bytes.toString(CellUtil.cloneValue(cell)));}}

二、SPARK SHELL和镜像的应用

A.用Dockerfile制作CentOS+jdk+tomcat镜像

#拉取镜像(拉取空白版本的Centos)#name代指镜像名
docker pull Centos
#构建镜像#利用Dockerfile，docker build自动化构建
当搜索不到需要的镜像时，可以使用 docker build 命令构建镜像，以 cnetos:latest 为基础镜像，添加自定义脚本，并在容器启动时执行脚本test.sh并且输出题目要求的信息

vim test.sh

echo"i am Rookie."

vim DockerFile

#local 文件路径 视题目要求而定FROM Centos:latest
MAINTAINER QQ:738441412#维护者信息#ADD  jdk-8u251-linux-x64.tar.gz /usr/local/java#拉取JDK#ENV JAVA_HOME /usr/local/java/jdk1.8.0_251#配置环境变量#ENV CLASSPATH $JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar#ENV PATH $PATH:$JAVA_HOME/bin
RUN MKDIR localhost
ADD ./test.sh /test.sh
RUN chmod +x /test.sh
CMD ["/bin/sh","-c","/test.sh"]#不执行test.sh直接只有第一个可执行文件的参数即可

最后,在终端执行

Docker build -t 镜像名字 .#最后是一个空格加一个“. ”不要漏掉QAQ

TOMCAT的拉取可以通过ADD远程网络的方式实现.

ADD apache-tomcat-9.0.22.tar.gz /usr/local/#这里是本地的文件直接拉取,安装样例项目部署于制定的文件下.

补充:DockFIle镜像指令
1.复制的两种方式
ADD :可以远程拉取,识别出来压缩包后,可以自动解压.
查看是否地址为URL地址
COPY:只适用于本地的复制
COPY <源路径> … <目标路径>
用于与

RUN tar -zxvf   本地压缩包 -C 目的位置

命令组合.
2.RUN 运行linux下命令 执行命令
3.FROM 以xxx为基础镜像
4.CMD 容器启动命令
CMD 指令有三种格式：
1.shell 格式： CMD <命令>
2.exec 格式：CMD [“可执行文件”,“参数1”,“参数2”, …]//是双引号哟
3.参数列表格式：CMD [“参数1”,“参数2”,…] ， 这个时候CMD作为 ENTRYPOINT的参数。

B.通过k8s部署自己的应用

kubectl  create  deployment  应用name  --image=镜像name
#暴露外部接口,以便外界访问
kubectl  expose deployment 应用name  --port=80  --type=NodePort
#查询访问外部接口
kubectl  get service

C.SPARK SHELL

前置知识:
Spark SQL可以提供DataFrame API，可以对内部和外部各种数据源执行各种关系操作；可以访问的数据源包括Hive、Parquet['pɑːkeɪ]、JSON和JDBC等。采用了DataFrame数据模型(既带有Schema信息的RDD)，支持用户在Spark SQL中执行SQL语句，实现对结构化数据的处理。
Spark SQL架构:
在这里插入图片描述
其中HDFS建立在Linux系统上

1.DataFrame(可能考察)

Spark SQL所使用的数据抽象并非RDD，而是DataFrame。DataFrame让Spark具备了处理大规模结构化数据的能力，它不仅比原有的RDD转化方式更加简单易用，而且获得了更高的系统性能。借助DataFrame，Spark能够轻松实现从MySQL到DataFrame的转化，并支持SQL查询。
RDD是分布式的Java对象集合，隐藏了对象内部结构。DataFrame是一种以RDD为基础的分布式数据集，提供了详细的结构信息，给出了对象内部结构，相当于关系数据库的一张表。
在这里插入图片描述
2.外部数据源的创建

/*import org.apache.spark.sql.SparkSession
val spark=SparkSession.builder().getOrCreate()
import spark.implicits._
应该不会考察*/
val df = 
spark.read.json("file:///usr/local/spark/examples/src/main/resources/people.json")//或者如下形式(黑板上给的)
val df =spark.read.format("json").load("file:///usr/local/spark/examples/src/main/resources/people.json")//load后面添加文件位置即可

3.JSON文件如下

{"name":"zhang","height":170} {"name":"liu", "sex":"male"}

则要求转化成逻辑结构
nameheightsex‘zhang’‘170’‘liu’‘male’
4.相关操作(与前面df对象联动)

import java.util.Properties
import org.apache.spark.sql.types._
import org.apache.spark.sql.Row
df.select("name","sex").
write.format("csv").save("file:///usr/local/spark/mycode/sql/newpeople.csv")//列出所有name sex的信息 以csv格式写入文件位置
df.select("name")).show()//输出所有人名信息//打印模式信息:
df.printSchema()//选择多列信息:
 df.select(df("name"),df("height")+1).show()//条件筛选信息:
 df.filter(df("height")>20).show()//分组聚合信息:
 df.groupBy("height").count().show()

利用sql语句来调用操作

scala>df.createTempView("table1")//创建新表
scala> spark.sql("select * from table1 where height >170 limit 10")//以10行限制查询表,应该是考察单表的操作,sql语句不会太复杂

三、计算资源管理

前置知识:mesos是分布式计算资源管理框架,并不负责计算的部分
yarn部分包括NodeManager和ResourceManager.
Mesos填写主机是slave还是master(spark同mesos)

A.Mesos

主机名IP地址MesosYarnSpark

B.OpenStack

在这里插入图片描述

在这里插入图片描述
不知道考什么,背就完事了好么
配置文件

[general]
CONFIG_SSH_KEY=/localhost/.ssh/id_rsa.pub
CONFIG_DEFAULT_PASSWORD=123456
CONFIG_SERVICE_WORKERS=%{::processorcount}
CONFIG_MARIADB_INSTALL=y
**CONFIG_GLANCE_INSTALL=y**
**CONFIG_CINDER_INSTALL=y**
CONFIG_MANILA_INSTALL=n
**CONFIG_NOVA_INSTALL=y**
**CONFIG_NEUTRON_INSTALL=y**
**CONFIG_HORIZON_INSTALL=y**
**CONFIG_SWIFT_INSTALL=y**
CONFIG_CEILOMETER_INSTALL=y
**CONFIG_AODH_INSTALL=y**
CONFIG_GNOCCHI_INSTALL=y
CONFIG_SAHARA_INSTALL=n
CONFIG_HEAT_INSTALL=n
CONFIG_TROVE_INSTALL=n
CONFIG_IRONIC_INSTALL=n
CONFIG_CLIENT_INSTALL=y
CONFIG_NTP_SERVERS=
CONFIG_NAGIOS_INSTALL=y
EXCLUDE_SERVERS=
CONFIG_DEBUG_MODE=n
CONFIG_CONTROLLER_HOST=192.168.0.91
CONFIG_COMPUTE_HOSTS=192.168.0.91
CONFIG_NETWORK_HOSTS=192.168.0.91

加星号的是ppt上标红的,可能是让重点背吧
可是我真的背不完全部,呜呜呜
噢?写完了?那没事了.
完结撒花吧~
有错误请及时评论啊,谢谢家人

标签： 云计算 hbase big data
本文转载自: https://blog.csdn.net/weixin_45678284/article/details/125104861
版权归原作者 萍萍睡不醒 所有， 如有侵权，请联系我们删除。
登录后发布评论

“云计算复习”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

机器人技术在安全领域的重要作用

安全学习记录——网络篇（一）

图腾柱PFC：HP1010为您的电动两轮车之旅提供绿色，高效，安全的动力

单元测试数据库回滚问题

这才是单元测试，之前我们都错了

【C语言基础】：字符函数和字符串函数

ChatGPT-Next-Web SSRF漏洞+XSS漏洞复现(CVE-2023-49785)

文章导航