hodoop

一、Hadoop 是什么

Hadoop 是一个提供分布式存储和计算的开源软件框架，它具有无共享、高可用（HA）、弹性可扩展的特点，非常适合处理海量数量。

 

Hadoop 是一个开源软件框架

Hadoop 适合处理大规模数据

Hadoop 被部署在一个可扩展的集群服务器上

二、Hadoop 三大核心组件

HDFS（分布式文件系统） -—— 实现将文件分布式存储在集群服务器上

MAPREDUCE（分布式运算编程框架） —— 实现在集群服务器上分布式并行运算

YARN（分布式资源调度系统） —— 帮用户调度大量的 MapReduce 程序，并合理分配运算资源（CPU和内存）

1、HDFS

定义

HDFS (Hadoop Distributed File System) ，它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。

HDFS 的使用场景：适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。

优缺点

优点：

 

（ 1 ）高容错性

        ①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。

        ②某一个副本丢失以后，它可以自动恢复。

（2）适合处理大数据

        ①数据规模：能够处理数据规模达到 GB 、 TB 、甚至 PB 级别的数据；

        ②文件规模：能够处理百万规模以上的文件数量，数量相当之大。

（3）可构建在廉价机器上，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。

        ①存储大量小文件的话，它会占用 NameNode 大量的内存来存储文件目录和块信息。这

样是不可取的，因为 NameNode 的内存总是有限的；

        ②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。

        ①一个文件只能有一个写，不允许多个线程同时写；

        ②仅支持数据 append ( 追加 ) ，不支持文件的随机修改。