Hadoop 简介（转）

Hadoop - 简介

Hadoop可运行于一般的商用服务器上，具有高容错、高可靠性、高扩展性等特点

特别适合写一次，读多次的场景

适合

• 大规模数据
• 流式数据（写一次，读多次）
• 商用硬件（一般硬件）

不适合

• 低延时的数据访问
• 大量的小文件
• 频繁修改文件（基本就是写1次）

Hadoop架构

• HDFS: 分布式文件存储
• YARN: 分布式资源管理
• MapReduce: 分布式计算
• Others: 利用YARN的资源管理功能实现其他的数据处理方式

内部各个节点基本都是采用Master-Woker架构

 

Hadoop安装

• 单节点安装

  所有服务运行在一个JVM中，适合调试、单元测试

• 伪集群

  所有服务运行在一台机器中，每个服务都在独立的JVM中，适合做简单、抽样测试

• 多节点集群

  服务运行在不同的机器中，适合生产环境

  配置公共帐号

方便主与从进行无密钥通信，主要是使用公钥/私钥机制 所有节点的帐号都一样 在主节点上执行 ssh-keygen -t rsa生成密钥对 复制公钥到每台目标节点中

Hadoop配置

有两种配置文件：

一种是**-default.xml（只读，默认的配置）

一种是**-site.xml（替换default中的配置）

• core-site.xml 配置公共属性

• hdfs-site.xml 配置HDFS

• yarn-site.xml 配置YARN

• mapred-site.xml 配置MapReduce

配置文件应用的顺序：

1. 在JobConf中指定的
2. 客户端机器上的**-site.xml配置
3. slave节点上的**-site.xml配置
4. **-default.xml中的配置

如果某个属性不想被覆盖，可以将其设置成final

    <property>
        <name>{PROPERTY_NAME}</name>
        <value>{PROPERTY_VALUE}</value>
        <final>true</final>
    </property>