安装了python和hadoop，途中遇到了一些困难，关闭防火墙出现了问题，在百度中查询得到了解决。
总结
1、hadoop通过⼀个jobtracker分派任务到⼀系列tasktracker来运⾏，tasktracker同时向jobtracker返回任务运⾏结果。
jobtracker对作业的输⼊数据进⾏分⽚，然后为每个分⽚创建⼀个map任务，同时创建⼀定数量的reduce任务，并指派空闲的tasktracker
来执⾏这些任务。
tasktracker从jobtracker处获取任务jar包以及分⽚的输⼊数据，然后新建jvm来执⾏，并定期反馈执⾏进度情况。
2、map任务就是进⾏原始数据的提取⼯作，提取数据后进⾏sufflix排序，排序后的数据作为reduce的输⼊，然后经过reduce的统计计算
得到最后结果。
3、hdfs对数据进⾏分块，然后存储在datanote⾥，datanote向namenode报告⾃⼰存储的⽂件块，客户端通过访问namenode来得知构
成⽂件的各个数据块的具体存放datanote，进⽽从datanote中读取整个⽂件。
4、hadoop作业的输⼊数据必须在作业执⾏前是固定的，然后才能进⾏数据的分⽚，所以不能胜任增量的流式数据处理作业。
5、mapreduce本⾝需要编写java代码，优化起来也⽐较复杂，⽽pig可以让⽤户通过脚本语句Latin来操作数据，并将脚本语句转换成
mapreduce来在hadoop中执⾏，pig并不要求被操作的数据满⾜关系数据库模式。
6、hive构建于hadoop的数据仓库，能够对存储在HDFS中的数据增加元数据，从⽽提供SQL风格的数据操作，再将操作翻译成
mapreduce来在hadoop中执⾏。
hive与pig的主要区别是hive能提供SQL风格数据库表操作，⽽pig使⽤⾃定义的Latin脚本来直接操作数据，pig更轻量。
7、hbase是⼀个按列存储的分布式数据库，它的表不满⾜关系数据库模式且不⽀持SQL查询，可以将数据存储在HDFS上。
hbase与hive的主要区别，⼀是hbase是⼀个分布式数据库易于⽔平扩展，⽽hive不是。
⼆是hbase的数据按列存储因⽽能够灵活的随机读写，⽽hive本⾝不改变数据存储格式，只给数据增加了表元数据从⽽⽀持关系数据库表操
作。
8、zookeeper封装了⼀套分布式服务所需使⽤的通⽤机制，⾃⾝的实现是通过多台服务器冗余来实现⾼可⽤，能够⾃动选举出领导者来服
务于⽤户的写请求，并⾃动同步到半数的跟随者，领导者和跟随者都可以服务于⽤户读请求。
应⽤场景包括：⾼可⽤分布式配置存储、分布式对象状态更新订阅通知、分布式锁、分布式集群领导者选举。
