手动搭建CDH版本的大数据平台


​ 本次搭建是在虚拟机上面进行Linux环境的搭建，版本为5.14.0，提供的虚拟机为5台。配置的主机名分别为v1，v2，v3，v4，v5

基础环境的准备

  1. 配置了每台虚拟机和其他虚拟机的免密登陆，使用到的linux命令为

    ssh-keygen
##用法
[root@v1 ~]# ssh-keygen
ssh-copy-id
##用法
[root@v1 ~]# ssh-copy-id root@v2

  2. 配置每台虚拟机的java环境

    • 先检查当前系统是否有java相关的依赖包，如果存在那就删除

      ##rpm -qa|grep java 检查是否有java的依赖包
[root@v1 jdk1.8.0_221]# rpm -qa|grep java 
java-1.6.0-openjdk-1.6.0.41-1.13.13.1.el6_8.x86_64
tzdata-java-2016j-1.el6.noarch
java-1.7.0-openjdk-1.7.0.131-2.6.9.0.el6_8.x86_64
##rpm -e 依赖包 --nodeps 删除依赖包 
[root@v1 jdk1.8.0_221]# rpm -e --nodeps java-1.6.0-openjdk-1.6.0.41-1.13.13.1.el6_8.x86_64 tzdata-java-2016j-1.el6.noarch java-1.7.0-openjdk-1.7.0.131-2.6.9.0.el6_8.x86_64

    • 配置java环境变量

      #上传jdk并且解压到指定目录中
[root@v1 ~]# tar -zxvf jdk-8u241-linux-x64.tar.gz -C /opt/cloudera/
#配置java的环境变量
[root@v1 jdk1.8.0_221]# vim /etc/profile
  ##JAVA_HOME
  export JAVA_HOME=/opt/cloudera/jdk1.8.0_221
  export PATH=$PATH:$JAVA_HOME/bin
##检查java的环境变量
[root@v1 jdk1.8.0_221]# java -version
  java version "1.8.0_221"
  Java(TM) SE Runtime Environment (build 1.8.0_221-b11)
  Java HotSpot(TM) 64-Bit Server VM (build 25.221-b11, mixed mode)

    • 配置防火墙和关闭selinux

       ##关闭防火墙
 service iptables stop
##永久关闭防火墙
chkconfig iptables off
##关闭selinux 修改SELINUX值为disabled
 vim /etc/selinux/config
 SELINUX=disabled

    • 时钟同步

      ##安装ntpdate服务
yum -y install ntpdate
##和NTP服务器进行时间同步
ntpdate cn.pool.ntp.org

    • 配置Linux的文件以及线程的句柄数

      vim /etc/security/limits.conf
#添加以下内容，*号不能去掉
##每个进程可以打开的文件数的限制，soft 是警告值，可以超过这个值，但是超过后会报警告
* soft nofile 65536
##每个进程可以打开的文件数的限制，hard 是限定值，代表严格的限制，不可以超过这个值
* hard nofile 131072
##每个用户可以创建的进程数的限制，soft 是警告值，可以超过这个值，但是超过后会报警告
* soft nproc 2048
##每个用户可以创建的进程数的限制，hard 是限定值，代表严格的限制，不可以超过这个值
* hard nproc 4096

vim /etc/security/limits.d/90-nproc.conf
##找到如下内容，这个是修改除root用户的其他用户的最大进程数，并且limits.conf文件中的资源是受这个文件资源限制的
* soft nproc 1024
##修改为
* soft nproc 4096

##临时设置 修改一个进程可以修改的虚拟内存区域的数量
sysctl -w vm.max_map_count=262144
##永久设置
vim /etc/sysctl.conf

vm.max_map_count = 262144
##修改生效
sysctl -p
##查看设置
sysctl -a |grep vm.max_map_count
搭建zookeeper集群

​ zookeeper集群搭建的是三台服务器的分布式结构，三台服务器的节点分别为v1，v2，v3

  1. 解压zookeeper的tar.gz包到指定的目录

    tar -zxvf zookeeper-3.4.5-cdh5.14.0.tar.gz -C /opt/cloudera/
cd /opt/cloudera/zookeeper-3.4.5-cdh5.14.0

  2. 修改配置文件

    ##修改配置文件名为zoo.cfg
mv zoo_sample.cfg zoo.cfg  
#zk本地数据存放的linux路径
dataDir=/opt/cloudera/zookeeper-3.4.5-cdh5.14.0/zkdata
#客户端连接zk服务的端口
clientPort=2181
#指定zk机器每台机器的编号 位于主机名 心跳端口 选举端口
server.1=v1:2888:3888
server.2=v2:2888:3888
server.3=v3:2888:3888

  3. 创建myid文件

    ##该文件创建与dataDir指定的目录下
vim myid
1
##保存

  4. 把zookeeper-3.4.5-cdh5.14.0安装目录发送给其他机器

    cd /opt/cloudera
scp -r zookeeper-3.4.5-cdh5.14.0 root@v2:$PWD
scp -r zookeeper-3.4.5-cdh5.14.0 root@v3:$PWD

  5. 修改其他机器dataDir目录下myid文件的值和每台机器的编号对应

    ##v2机器
cd /opt/cloudera/zookeeper-3.4.5-cdh5.14.0/zkdata
echo 2> myid
##v3机器
cd /opt/cloudera/zookeeper-3.4.5-cdh5.14.0/zkdata
echo 3> myid

  6. 启动zookeeper集群

    cd /opt/cloudera/zookeeper-3.4.5-cdh5.14.0/bin
##以此启动每台机器
./zkServer.sh start 
##停止
./zkServer.sh stop
##查看状态
./zkServer.sh status

  7. 配置一键启动和一键停止脚本

    vim startZK.sh
#!/bin/bash
hosts=(v1 v2 v3)
for host in ${hosts[*]}
do
 ssh $host "source /etc/profile;/opt/cloudera/zookeeper-3.4.5-cdh5.14.0/bin/zkServer.sh start"
done
##保存并赋予权限
chmod 744 startZK.sh

vim stopZK.sh
#!/bin/bash
hosts=(v1 v2 v3)
for host in ${hosts[*]}
do
ssh $host "source /etc/profile;/opt/cloudera/zookeeper-3.4.5-cdh5.14.0/bin/zkServer.sh stop"
done
##保存并赋予权限
chmod 744 stopZK.sh
搭建Hadoop的HA架构集群

Hadoop搭建的集群是hdfs和yarn都是HA架构的5台分布式集群，hdfs的namenode分别部署在v1和v2上 ，yarn的HA架构分别部署在v4和v5上

  1. 解压hadoop的tar.gz包到指定的目录中

    tar -zxvf hadoop-2.6.0-cdh5.14.0.tar.gz /opt/cloudera/
cd /opt/cloudera/hadoop-2.6.0-cdh5.14.0
##重要目录介绍
#bin：命令，客户端操作的脚本
#etc：配置文件目录，类似于conf
#lib：依赖的包
#sbin：进程的管理脚本，启动、关闭

  2. 修改Hadoop的环境变量

    ##配置所有机器的环境变量
vim /etc/profile
##HADOOP_HOME
export HADOOP_HOME=/opt/cloudera/hadoop-2.6.0-cdh5.14.0
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
##加载环境变量
source /etc/profile
#检测当前的hadoop是否支持snappy压缩
hadoop checknative

  3. 修改配置文件

    #创建hadoop的临时存储目录：存储数据块、fsimage等
mkdir datas
#用于journal进程存储edits文件的目录
mkdir journalnode
##三个-env.sh的配置文件都加上JAVA_HOME
vim hadoop-env.sh
vim mapred.env.sh
vim yarn-env.sh
export JAVA_HOME=/opt/cloudera/jdk1.8.0_221
##2.用户自定义属性配置文件
##core-site.xml
    <!--用于指定namenode的地址,HA-HDFS为HA架构的逻辑名称-->
      <property>
        <name>fs.defaultFS</name>
        <value>hdfs://HA-HDFS</value> 
      </property>
    <!--配置Hadoop的本地存储位置-->
      <property>
	    <name>hadoop.tmp.dir</name>
	    <value>/opt/cloudera/hadoop-2.6.0-cdh5.14.0/datas</value>
      </property>
    <!--设置客户端访问hdfs的缓存大小,以byte为单位，默认为4096-->
      <property>
        <name>io.file.buffer.size</name>
        <value>4096</value>
      </property>
    <!--用于指定hdfs回收站数据的过期时间,以分钟为单位-->
      <property>
        <name>fs.trash.interval</name>
        <value>10080</value>
      </property>
    <!--hadoop的HA架构要依赖于ZOOKEEPER组件，指定zookeeper的地址-->
      <property>
        <name>ha.zookeeper.quorum</name>
        <value>v1:2181,v2:2181,v3:2181</value>
      </property>
##hdfs-site.xml
    <!--指定一个HDFS入口的逻辑名称-->
      <property>
        <name>dfs.nameservices</name>
        <value>HA-HDFS</value>
      </property>
    <!--指定HDFS中每个NameNode的逻辑名称-->
      <property>
        <name>dfs.ha.namenodes.HA-HDFS</name>
        <value>namenodev1,namenodev2</value>
      </property>
    <!--指定的两个NameNode具体的rpc地址-->
      <property>
        <name>dfs.namenode.rpc-address.HA-HDFS.namenodev1</name>
        <value>v1:8020</value>
      </property>
      <property>
        <name>dfs.namenode.rpc-address.HA-HDFS.namenodev2</name>
        <value>v2:8020</value>
      </property>
    <!--指定的两个NameNode具体的http的地址-->
      <property>
        <name>dfs.namenode.http-address.HA-HDFS.namenodev1</name>
        <value>v1:50070</value>
      </property>
      <property>
        <name>dfs.namenode.http-address.HA-HDFS.namenodev2</name>
        <value>v2:50070</value>
      </property>
    <!--指定五台journalnode的地址-->
      <property>
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://v1:8485;v2:8485;v3:8485;v4:8485;v5:8485/HA-HDFS</value>
      </property>
    <!--指定edits文件具体存在journal机器的什么位置-->
      <property>
        <name>dfs.journalnode.edits.dir</name>
        <value>/opt/cloudera/hadoop-2.6.0-cdh5.14.0/journalnode</value>
      </property>
    <!--指定客户端实现HA切换的代理类-->
      <property>
        <name>dfs.client.failover.proxy.provider.HA-HDFS</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
      </property>
    <!--配置隔离机制-->
      <property>
        <name>dfs.ha.fencing.methods</name>
        <value>sshfence</value>
      </property>
      <property>
        <name>dfs.ha.fencing.ssh.private-key-files</name>
        <value>/root/.ssh/id_rsa</value>
      </property>
    <!--开启自动切换-->
      <property>
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value>
      </property>
    <!--指定hdfs存储块总共存储几份-->
      <property>
        <name>dfs.replication</name>
        <value>3</value>
      </property>
    <!--关闭访问权限-->
      <property>
        <name>dfs.permissions.enabled</name>
        <value>false</value>
      </property>
    <!--每个块的大小,以字节为单位,默认为128M-->
      <property>
        <name>dfs.blocksize</name>
        <value>134217728</value>
      </property>
##mapred-site.xml
    <!--启用uber模式,对于一些小的任务会串行在一个JVM中执行-->
      <property>
        <name>mapreduce.job.ubertask.enable</name>
        <value>true</value>
      </property>
    <!--配置MapReduce程序运行在yarn上-->
      <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
      </property>
    <!--配置JobHistoryServer进程的地址-->
      <property>
	    <name>mapreduce.jobhistory.address</name>
	    <value>v3:10020</value>
      </property>
    <!--配置JobHistoryServer的web访问地址-->
      <property>
	    <name>mapreduce.jobhistory.webapp.address</name>
	    <value>v3:19888</value>
      </property>
##yarn-site.xml
    <!--配置YARN的HA：开启HA-->
      <property>
        <name>yarn.resourcemanager.ha.enabled</name>
        <value>true</value>
      </property>
    <!--配置YARN的HA：配置统一RM服务名-->
      <property>
        <name>yarn.resourcemanager.cluster-id</name>
        <value>HA-YARN</value>
      </property>
    <!--配置YARN的HA：配置两台RM的id-->
      <property>
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>resourcemanagerv4,resourcemanagerv5</value>
      </property>
    <!--在v4上配置resourcemanagerv4,在v5上配置resourcemanagerv5-->
    <!--注意：这个在YARN的另一个机器上一定要修改，非RM的其他机器上不配置此项-->
      <property>
        <name>yarn.resourcemanager.ha.id</name>
        <value>resourcemanagerv4</value>
      </property>
    <!--配置YARN的HA：配置两台RM的具体地址-->
      <property>
        <name>yarn.resourcemanager.hostname.resourcemanagerv4</name>
        <value>v4</value>
      </property>
      <property>
        <name>yarn.resourcemanager.hostname.resourcemanagerv5</name>
        <value>v5</value>
      </property>
      <property>
        <name>yarn.resourcemanager.webapp.address.resourcemanagerv4</name>
        <value>v4:8088</value>
      </property>
      <property>
        <name>yarn.resourcemanager.webapp.address.resourcemanagerv5</name>
        <value>v5:8088</value>
      </property>
    <!--配置YARN的HA：配置Zookeeper的地址-->
      <property>
        <name>yarn.resourcemanager.zk-address</name>
        <value>v1:2181,v2:2181,v3:2181</value>
      </property>
    <!--配置YARN的HA：启动自动故障恢复-->
      <property>
        <name>yarn.resourcemanager.recovery.enabled</name>
        <value>true</value>
      </property>
    <!--配置YARN的HA：配置容错存储为Zookeeper，默认为文件-->
      <property>
        <name>yarn.resourcemanager.store.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
      </property>
    <!--Yarn上运行程序的类型为MapReduce-->
      <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
      </property>      
    <!--内存大小,默认值为8G-->  
      <property>    
        <name>yarn.nodemanager.resource.memory-mb</name>    
        <value>8192</value>
      </property>
    <!--应用申请的最小内存大小-->
      <property>  
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>1024</value>
      </property>
    <!--虚拟内存和真实物理内存的比率，默认值为2.1-->
      <property>
        <name>yarn.nodemanager.vmem-pmem-ratio</name>
        <value>2.1</value>
      </property>
    <!--配置日志聚集的启动-->
      <property>
	    <name>yarn.log-aggregation-enable</name>
	    <value>true</value>
      </property>
    <!--配置日志聚集的自动删除-->
      <property>
	    <name>yarn.log-aggregation.retain-seconds</name>
	    <value>604800</value>
      </property>
##3. 从节点的配置文件
    ##slaves
    ## 在这个文件中配置所有hadoop从节点机器的主机名

  4. 分发给其他机器

    cd /opt/cloudera
scp -r hadoop-2.6.0-cdh5.14.0 其他机器主机名:$PWD
## 注意yarn-site.xml中resourcemanager节点特殊的参数yarn.resourcemanager.ha.id

  5. 格式化

    ##启动zookeeper集群
./startZK.sh
##第一次启动需要初始化namenode和zookeeper，之后启动不需要
##启动5台机器的journalnode服务
hadoop-daemon.sh start journalnode
##启动完成之后在两台namenode节点的任意一台执行初始化namenode
hdfs namenode -format
##格式化成功的话会报Exiting with status 0
##不为0的话表示格式化失败

##执行完成后把datas目录同步到另一台namenode节点上
cd /opt/cloudera/hadoop-2.6.0-cdh5.14.0
scp -r datas root@v2:$PWD
##关联zookeeper，进行初始化
hdfs zkfc -formatZK
##关闭启动的所有journalnode服务
./hadoop-daemon.sh stop journalnode

  6. 启动服务

    ##namenode机器启动hdfs
start-dfs.sh
##resourcemanager机器启动yarn
start-yarn.sh
##另一台resourcemanager机器单独启动resourcemanager进程
yarn-daemon.sh start resourcemanager
##启动JobHistoryServer
mr-jobhistory-daemon.sh start historyserver
##启动在浏览器可以通过namenode那台机器的ip和端口访问hdfs
http://v1:50070
http://v2:50070
##在浏览器可以通过resourcemanager那台机器的ip和端口访问yarn资源管理和任务调度
http://v4:8088
http://v5:8088
##在浏览器可以通过JobHistoryServer那台机器的ip和端口访问Mapreduce程序运行的日志信息
http://v3:19888

  7. 编写一键启动和一键停止脚本

    ##一键启动
vim starthadoop.sh 
#!/bin/bash
HISTORY_SERVER=v3
RESOURCE_MANAGER1=v4
RESOURCE_MANAGER2=v5

start-dfs.sh
ssh $RESOURCE_MANAGER1 "source /etc/profile;start-yarn.sh "
ssh $RESOURCE_MANAGER2 "source /etc/profile;yarn-daemon.sh start resourcemanager"
ssh $HISTORY_SERVER "source /etc/profile;mr-jobhistory-daemon.sh start historyserver"
chmod 744 starthadoop.sh

##一键停止
vim stophadoop.sh 
#!/bin/bash
HISTORY_SERVER=v3
RESOURCE_MANAGER1=v4
RESOURCE_MANAGER2=v5
##关闭namenode和datanode
stop-dfs.sh

ssh $RESOURCE_MANAGER1 "source /etc/profile;stop-yarn.sh"
ssh $RESOURCE_MANAGER2 "source /etc/profile;yarn-daemon.sh stop resourcemanager"
ssh $HISTORY_SERVER "source /etc/profile; mr-jobhistory-daemon.sh stop historyserver"
chmod 744 stophadoop.sh
搭建hbase的HA架构的集群

  1. 解压hbase的tar.gz包到指定目录中

    tar -zxvf hbase-1.2.0-cdh5.14.0.tar.gz -C /opt/cloudera/
/opt/cloudera/hbase-1.2.0-cdh5.14.0

  2. 修改配置文件

    vim conf/hbase-env.sh 
##128行
export HBASE_MANAGES_ZK=false
##27行
export JAVA_HOME=/opt/cloudera/jdk1.8.0_221

  3. 修改hbase-site.xml文件

    vim conf/hbase-site.xml

<!--hbase在本地使用的一个临时目录-->
 <property >
   <name>hbase.tmp.dir</name>
   <value>/opt/cloudera/hbase-1.2.0-cdh5.14.0/datas</value>
 </property>
<!--指定Hbase持久化的数据存储在HDFS的什么位置-->
 <property >
   <name>hbase.rootdir</name>
   <value>hdfs://HA-HDFS/hbase</value>
 </property>
<!-- hbase底层如果使用hdfs作为文件系统，这里是指默认在文件系统的临时存储目录用来存储临时数据 -->
 <property >
   <name>hbase.fs.tmp.dir</name>
   <value>/user/${user.name}/hbase-staging</value>
 </property>
<!-- hdfs里面批量装载的目录 -->
 <property >
   <name>hbase.bulkload.staging.dir</name>
   <value>${hbase.fs.tmp.dir}</value>
 </property>
 <!--指定Hbase是一个分布式集群-->
 <property >
   <name>hbase.cluster.distributed</name>
   <value>true</value>
 </property>
 <!--配置Hbase连接的zookeeper的地址的-->
 <property>
   <name>hbase.zookeeper.quorum</name>
   <value>v1:2181,v2:2181,v3:2181</value>
 </property>
<!-- 退出保存并创建hbase的本地存储目录-->
mkdir datas

  4. 修改regionservers文件。配置所有从节点的机器地址，相当于hadoop的salves

    vim conf/regionservers
v1
v2
v3
v4
v5
##退出保存

  5. 配置主节点的备份

    vim conf/backup-masters
v3
##退出保存

  6. 因为前面hadoop搭建的HA架构的，所以需要把hadoop的core-site.xml和hdfs-site.xml文件通过软连接放入hbase的配置文件目录中，后进行分发。

    ln -s  /opt/cloudera/hadoop-2.6.0-cdh5.14.0/etc/hadoop/hdfs-site.xml  conf/hdfs-site.xml
ln -s  /opt/cloudera/hadoop-2.6.0-cdh5.14.0/etc/hadoop/core-site.xml  conf/core-site.xml
cd /opt/cloudera
scp -r hbase-1.2.0-cdh5.14.0 root@其他主机名:$PWD

  7. 配置hbase的环境变量

    vim /etc/profile
##HBASE_HOME
export HBASE_HOME=/opt/cloudera/hbase-1.2.0-cdh5.14.0
export PATH=$PATH:$HBASE_HOME/bin
##加载配置文件
source /etc/profile

  8. 启动hbase集群

    ##先要启动ZK和Hadoop，因为hbase依赖zk进行集群的管理，依赖hadoop进行数据的存储
##在第一台机器上启动
start-hbase.sh 
##停止
stop-hbase.sh
搭建elasticsearch分布式集群

​ 本次搭建的为elasticsearch分布式集群，选用的主机节点为v1、v2、v3

  1. 先使用root用户在三台机器上创建es使用到的用户

    useradd es
passwd es

  2. 三台机器上分别配置es用户的sudo权限

    visudo
92左右添加： 
es    ALL=(ALL)       NOPASSWD: ALL

  3. 创建三台机器的es文件目录并且使用root权限更改目录的权限为es

    cd /opt/cloudera
mkdir elasticsearch
chgrp es elasticsearch
chown es elasticsearch

  4. 使用es用户登陆Linux环境并配置免密登陆

  5. 上传es对应的tar.gz包进行解压到创建的/opt/cloudera/elasticsearch目录中

    tar -zxvf elasticsearch-6.0.0.tar.gz -C /opt/cloudera/elasticsearch/
cd /opt/cloudera/elasticsearch/elasticsearch-6.0.0
##创建es的数据目录和日志目录
mkdir datas
mkdir logs

  6. 修改配置文件config/elasticsearch.yml

    vim config/elasticsearch.yml

#集群名字
cluster.name: myes
#集群中当前的节点
node.name: v1
#数据目录
path.data: /opt/cloudera/elasticsearch/elasticsearch-6.0.0/datas
#日志目录
path.logs: /opt/cloudera/elasticsearch/elasticsearch-6.0.0/logs
#当前主机的ip地址及ES服务端口
network.host: 192.168.6.3
http.port: 9200
#集群上的节点信息
discovery.zen.ping.unicast.hosts: ["v1","v2","v3"]
#linux安装es的一个bug解决的配置
bootstrap.system_call_filter: false
bootstrap.memory_lock: false
#是否支持跨域
http.cors.enabled: true
#*表示支持所有域名
http.cors.allow-origin: "*"

  7. 修改jvm.options配置文件

    #根据自己虚拟机的实际大小调节启动和运行内存，如果虚拟机分配了2G，可以使用默认1G，如果分配了1G内存，这里可以该成512M
-Xms1536m
-Xmx1536m

  8. 分发给其他机器并修改其他两台的配置参数

    cd /opt/cloudera/elasticsearch
scp -r elasticsearch-6.0.0 es@v2:$PWD
##v2
cd /opt/cloudera/elasticsearch/elasticsearch-6.0.0/config/
vim  elasticsearch.yml
#修改如下内容
node.name: v2
network.host: 192.168.6.4
##v3
cd /opt/cloudera/elasticsearch/elasticsearch-6.0.0/config/
vim  elasticsearch.yml
#修改如下内容
node.name: v3
network.host: 192.168.6.5

  9. 配置三台机器的elasticsearch环境

    sudo vim /etc/profile
##ELASTICSEARCH_HOME
export ELASTICSEARCH_HOME=/opt/cloudera/elasticsearch/elasticsearch-6.0.0
export PATH=$PATH:$ELASTICSEARCH_HOME/bin
source /etc/profile

  10. 启动三台机器的elasticsearch

    elasticsearch >> /dev/null 2>&1 &
Logo
华为开发者空间

华为开发者空间，是为全球开发者打造的专属开发空间，汇聚了华为优质开发资源及工具，致力于让每一位开发者拥有一台云主机，基于华为根生态开发、创新。

更多推荐

cover

华为云2篇论文分别入选国际顶会KDD25和ACM SIGCOMM‘25

avatar 华为开发者空间

融合多元定位技术，帮助应用破解精准定位难题

从查阅天气到记录运动轨迹，从打车到路径规划等，移动终端已深入人们日常生活的方方面面，看似简单的操作背后，都依赖于精准的定位技术。对于应用开发者，位置数据的实时性与准确性直接决定用户体验。当前主流定位技术正面临两难选择：GPS等卫星定位虽能实现＜5米的高精度，却需长时间开启硬件模块，导致设备耗电量激增，且冷启动时受卫星信号搜索、数据计算影响，等待时长普遍达10-30秒；而基站/Wi-Fi定位虽能秒级

avatar 华为开发者空间
cover

2025年第四季度华为云师资培训通知

avatar 华为开发者空间