Hadoop主要有hdfs,MapReduce,yarn三部分
hdfs: 将海量数据以文本文件的形式存储
MapReduce:海量数据的分析 map:个节点并发进行运算 reduce:在多个集群中选择节点进行汇总
将整个求和任务分成两个步骤,第一个步骤局部求和,这样可以并发进行;第二个步骤必须全局处理,用一个线程来执行,但是它的输入数据集已经很小,不会成为瓶颈
yarn:资源管理调度
hdfs的实现思想:
1` hdfs是通过分布式集群来存储文件的,为客户端提供一种便捷的访问方式,就是一个虚拟的目录结构
2`文件存储到hdfs集群中的时候是被分切成block的
3`文件的block存放在若干台datanode节点上
4`hdfs文件系统中的文件与真实的block之间有映射关系(namenode管理),客户端通过虚拟目录到namenode获取block所在datanode节点读取数据
5`每一个block在集群中会存储多个副本,好处是可以提高数据的可靠性,还可以提高访问的吞吐量