- Hadoop组成
-
- 1.HDFS
-
- 管理者:NameNode(nn)
- 工作者:DataNode(dn)
- 辅助管理者:SecondaryNameNode(2nn)
- HDFS的优缺点
-
- 优点:
- 缺点
- 优点:
- HDFS的写数据流程
- HDFS的读数据流程
- 管理者:NameNode(nn)
- 2.YARN
-
- YARN工作机制
- YARN作业提交过程
-
- 1.作业提交
- 2.作业初始化
- 3.任务分配
- 4.任务运行
- 5.进度和状态更新
- 6.作业完成
- 1.作业提交
- YARN调度器和调度算法
-
-
- FIFO调度器(First In First Out)
- 2.容量调度器(Capacity Scheduler)
-
- 特点
- 资源分配算法
- 特点
- 3.公平调度器
-
- 特点
- 公平调度器队列资源分配方式:
- 特点
-
- YARN工作机制
- 3.MapReduce
-
- MapReduce核心思想
- Mapper:
- Reduce:
- MapReduce优缺点
-
- 优点:
- 缺点:
- 优点:
- MapReduce进程
- MapReduce框架原理
-
- 1.MapTask并行度决定机制
- 2.FileInputFormat切片解析
- 3.TextInputFormat实现类
-
- TextInputFormat
- KeyValueTextInputFormat
- NLineInputFormat
- CombineTextInputFormat
- TextInputFormat
- 4.CombineTextInputFormat切片机制
- 1.MapTask并行度决定机制
- MapReduce工作流程
-
-
- mapTask阶段
- 2.shuffle阶段
- 3.reduce阶段
-
- MapReduce核心思想
- HDFS、YARN、MapReduce 三者关系
-
- 1.HDFS
- Hadoop生态体系
- Hadoop的工作方式
- Hadoop的守护进程
Hadoop概述
Hadoop 是使用 Java 编写,允许分布在集群,使用简单的编程模型的计算机大型数据集处理的Apache 的开源框架。
- 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。
Hadoop 发展历史
- Hadoop创始人Doug Cutting,为 了实 现与Google类似的全文搜索功能,他在Lucene框架基础上进行优化升级,查询引擎和索引引擎。
- 2001年年底Lucene成为Apache基金会的一个子项目。
- 对于海量数据的场景,Lucene框架面对与Google同样的困难,存储海量数据困难,检索海量速度慢。
- 学习和模仿Google解决这些问题的办法 :微型版Nutch。
- 可以说Google是Hadoop的思想之源(Google在大数据方面的三篇论文)
GFS —>HDFS
Map-Reduce —>MR
BigTable —>HBas - 2003-2004年,Google公开了部分GFS和MapReduce思想的细节,以此为基础Doug Cutting等人用了2年业余时间实现了DFS和MapReduce机制,使Nutch性能飙升。
- 2005 年Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。
- 2006 年 3 月份,Map-Reduce和Nutch Distributed File System (NDFS)分别被纳入到 Hadoop 项目中,Hadoop就此正式诞生,标志着大数据时代来临。
- 名字来源于Doug Cutting儿子的玩具大象
Hadoop 三大发行版本
Apache、Cloudera、Hortonworks。
- Apache 版本最原始(最基础)的版本,对于入门学习最好。【2006】
- Cloudera 内部集成了很多大数据框架,对应产品 CDH。【2008】
- Hortonworks 文档较好,对应产品 HDP。【2011】现在已经被 Cloudera 公司收购,推出新的品牌 CDP。官网地址:https://