Hadoop组成

Hadoop是一个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。

---

 

Hadoop1.x和Hadoop2.x区别：

 

在Hadoop1.x时代，Hadoop中的MapReduce同时处理计算和资源调度，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。

---

 

Hadoop组成：

HDFS架构概述

HDFS是一个文件系统，用于存储文件，其次，它是分布式的，由很多服务器联合起来实现其功能。

优点

1）高容错，数据自动保存多个副本。它通过增加副本的形式，提高容错性。一个副本丢失之后，它自动恢复。

2）适合处理大数据。

3）可构建在廉价的机器上，通过多副本机制，提高可靠性。

缺点

1）不适合低延时数据访问，比如毫秒级的存储数据，是做不到的。

2）无法高效的对大量小文件进行存储。存储大量的小文件，会占用NameNode大量的内存来存储文件目录和块信息。

而且小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。

3）不支持并发写入、文件随机修改。一个文件只能有一个写，不允许多个线程同时写。仅支持数据追加，不支持文件

的随机修改。

 

HDFS由四部分组成，HDFS Client、NameNode、DataNode和Secondary NameNode。HDFS是一个主/从体系结构，HDFS集群拥有一个NameNode和一些DataNode。NameNode管理文件系统的元数据DataNode存储实际的数据。

HDFS Client：
1、提供一些命令来管理、访问 HDFS，比如启动或者关闭HDFS。
2、与 DataNode 交互，读取或者写入数据；读取时，要与 NameNode 交互，获取文件的位置信息；写入 HDFS 的时候，Client 将文件切分成 一个一个的Block，然后进行存储。

NameNode：即Master，
1、管理 HDFS 的名称空间。
2、管理数据块（Block）映射信息
3、配置副本策略
4、处理客户端读写请求。

DataNode：就是Slave。NameNode 下达命令，DataNode 执行实际的操作。
1、存储实际的数据块。
2、执行数据块的读/写操作。

Secondary NameNode：并非 NameNode 的热备。当NameNode 挂掉的时候，它并不能马上替换 NameNode 并提供服务。
1、辅助 NameNode，分担其工作量。
2、定期合并 fsimage和fsedits，并推送给NameNode。
3、在紧急情况下，可辅助恢复 NameNode。

Yarn架构概述

YARN 是Hadoop分布式处理框架中的资源管理和作业调度技术。负责将系统资源分配给在 Hadoop 集群中运行的各种应用程序，并调度要在不同集群节点上执行的任务。

ResourceManager：

1.处理客户端请求。
2.监控NodeManager。
3.启动或监控ApplicationMaster。
4.资源的分配和调度。

NodeManager：

1.管理来自单个节点上的资源。
2.处理来自ResourceManager的命令。
3.处理来自ApplicationMaster的命令。

ApplicationMaster：

1.负责数据的切分。
2.为应用程序申请资源并分配给内部的任务。
3.任务的监控与容错。

Container：

Container的YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等。

MapReduce架构概述

MapReduce负责海量数据的计算。

工作方式简单来说就是我们要数图书馆中的所有书。你数1号书架，我数2号书架。这就是“Map”。我们人越多，数书就更快。

现在我们到一起，把所有人的统计数加在一起。这就是“Reduce”。