Hadoop概述

Hadoop是什么

Hadoop是一个由Apache基金会所开发的分布式系统基础架构，主要解决海量数据的存储和海量数据的分析计算问题，广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈，进入官网

Hadoop的优势

• 高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失
• 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
• 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
• 高容错性：能够自动将失败的任务重新分配

Hadoop的组成部分

在 Hadoop1.x 时代，Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大；在Hadoop2.x时代，增加了Yarn，Yarn只负责资源的调度，MapReduce只负责运算变化；
Hadoop3.x在组成上没有变化

HDFS

Hadoop Distributed File System，简称 HDFS，是一个分布式文件系统。主要组成：

• NameNode(nn)：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
• 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
• Secondary NameNode(2nn)：每隔一段时间对NameNode元数据备份

YARN

Yet Another Resource Negotiator，简称 YARN，资源协调者，是 Hadoop 的资源管理器

• ResourceManager(RM):整个集群资源(内存、CPU等)的老大
• NodeManager(NM):单个节点服务器资源老大
• ApplicationMaster(AM):单个任务运行的老大
• Container:容器，相当一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等

MapReduce

MapReduce 将计算过程分为两个阶段：Map 和 Reduce

• Map 阶段并行处理输入数据
• Reduce 阶段对 Map 结果进行汇总