帶著很對疑問，到了書城18樓，

1、centos 如何開啟  8888|888|88|8080|80|22|21等等端口

2、建立一個(gè)能使用的大數(shù)據(jù)集群最好需要多少臺(tái)服務(wù)器， 而且都是 centos 7.5 的嗎？

3、區(qū)塊鏈 和 我們學(xué)習(xí)的大數(shù)據(jù)中的 BlocK 有無聯(lián)系， 64MB 一個(gè) 塊， 還是128M一個(gè)塊。

復(fù)習(xí)上周

發(fā)送心跳， 告訴 ZooKeeper ,  這個(gè)是有問題才動(dòng)手的軟件，  再由ＺｏｏＫｅｅＰｅｒ　分配KafKA

producr 生產(chǎn)者產(chǎn)生數(shù)據(jù)， 記錄放入 Kafka .   Topic 的創(chuàng)建， 寫入多少條， 都由 ZooKeeper 管理。

 消費(fèi)者， 也是有

KAFKA作為一個(gè)集群，  宕機(jī)后， 主節(jié)點(diǎn)宕機(jī)后無法消費(fèi)， 由ZooKeeper負(fù)責(zé)重新選舉。

zookeeper  安裝  三種模式

/bin  目錄下有很多腳本 ， 

Myid 是不一樣的， 每臺(tái)機(jī)都要安裝   ZooKEEPER ,  不同的 ID 

2888   仲裁通訊

3888   群首選舉

每臺(tái)服務(wù)器上都要啟動(dòng)一下，  每臺(tái)機(jī)都需要啟動(dòng)

再看看  偽集群模式，    如果只有一臺(tái)機(jī)器， 也可以配置  zoo1.cfg  ........    僅僅是端口改為不一樣了  2181   3181   4181

啟動(dòng)， 一臺(tái)機(jī)器， 也要啟動(dòng)三次  

不同端口模擬不同集群

一個(gè)領(lǐng)導(dǎo)者和多個(gè)跟隨者的。

fluke   和 spark 都差不多， 原理還是結(jié)構(gòu)spark ，   rdd  dij  

復(fù)習(xí)完成，  繼續(xù)SPARK 的學(xué)習(xí)。

SPARK核心編程模型

Spark 數(shù)據(jù)運(yùn)算核心機(jī)制：

RDD概述：

RDD： 彈性分布式數(shù)據(jù)集

RDD是 SPARK中重要的數(shù)據(jù)結(jié)構(gòu)。

什么是  RDD  ，

顧名思義，從字面理解RDD就是 Resillient Distributed Dataset，即彈性分布式數(shù)據(jù)集。

它是Spark提供的核心抽象。

RDD在抽象上來講是一種抽象的分布式的數(shù)據(jù)集。它是被分區(qū)的，每個(gè)分區(qū)分布在集群中的不同的節(jié)點(diǎn)上。從而可以讓數(shù)據(jù)進(jìn)行并行的計(jì)算

它主要特點(diǎn)就是彈性和容錯(cuò)性。

彈性：RDD的數(shù)據(jù)默認(rèn)情況下存放在內(nèi)存中的，但是在內(nèi)存資源不足時(shí)，Spark會(huì)自動(dòng)將RDD數(shù)據(jù)寫入磁盤

容錯(cuò)性：RDD可以自動(dòng)從節(jié)點(diǎn)失敗中恢復(fù)過來。即如果某個(gè)節(jié)點(diǎn)上的RDD partition，因?yàn)楣?jié)點(diǎn)故障，導(dǎo)致數(shù)據(jù)丟了，那么RDD會(huì)自動(dòng)通過自己的數(shù)據(jù)來源重新計(jì)算該partition。

RDD來源：通常是Hadoop的HDFS，Hive 表等等；也可以通過Linux的本地文件；應(yīng)用程序中的數(shù)組；jdbc（mysql 等）；也可以是kafka、flume數(shù)據(jù)采集工具、中間件等轉(zhuǎn)化而來的RDD。

總體都在RAM中運(yùn)行的， 現(xiàn)在看看 CACHE ，  

不斷的轉(zhuǎn)化， 就是得到  DMG圖，  TSK 何在一起就是   TSK site    ,  最終得到   TSK  scuhle 

下節(jié)課， 講解  spark  讀取  kafka 數(shù)據(jù)進(jìn)行講解