Hadoop 01_基础知识

1.1 Hadoop是什么

1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构

集群：若干机器共同完成任务

分布式：应用的拆分，独立部署和运行

集群不一定是分布式，分布式一定是集群

2）主要解决，海量数据的存储和海量数据的分析计算问题。

3）广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈

1.2 Hadoop的优势（分布式基础架构）

技术选型

1）高可靠性：因为Hadoop假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。

2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。

3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。

4）高容错性：自动保存多份副本数据，并且能够自动将失败的任务重新分配。

1.3 Hadoop组成

1）Hadoop HDFS：（hadoop distribute file system ）一个高可靠、高吞吐量的分布式文件系统。

2）Hadoop MapReduce：一个分布式的离线并行计算框架。

3）Hadoop YARN：作业调度与集群资源管理的框架。

4）Hadoop Common：支持其他模块的工具模块（Configuration、RPC、序列化机制、日志操作）。

1.3.1 HDFS架构概述

NameNode和DataNode指代计算机节点
NameNode和DataNode指代进程名称

HDFS架构概述

1) NameNode (m) :存储文件的元数据，如文件名，文件目录结构，文件属性(生成时间、副本数、

文件权限)，以及每个文件的块列表和块所在的DataNode等。

2) DataNode(dn): 在本地文件系统存储文件块数据，以及块数据的校验和。

3) Secondary NameNode(2nn);用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

Secondary Namenode是辅助NameNode更好的完成工作的

1.3.2 YARN架构概述

ResourceManager和NodeManager既是节点名称也是进程名称，典型的组从结构M/S, ResourceManager是老大，NodeManager是小弟

1） ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度；

2）NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令；

3）ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。

4）Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。

1.3.3 MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map（映射）和Reduce（归约）

Map阶段就是“分”的阶段

Reduce阶段就是“合”的阶段

1）Map阶段并行处理输入数据

2）Reduce阶段对Map结果进行汇总