1. Hadoop优势(4高):
1.高可靠性: Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元素或存储出现故障,也不会导致数据的丢失;
2.高扩展型: 在集群间分配任务数据,可方便的扩展数以千计的节点;
3.高效性: 在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理速度;
4.高容错性: 能够自动将失败的任务重新分配。
2. Hadoop1.x、2.x、3.x区别:
在Hadoop1.x时代,Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度,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。
Hadoop3.x在组成上没有变化。
HDFS架构概述:
1.NameNode(nn):存储文件的元数据
,如文件名、文件目录结构、文件属性(生成时间、副本数、文件权限),以及每个文件的块列表和块所在的DataNode等;
2.DataNode(dn):在本地文件系统存储文件块数据,以及块数据的校验和;
3.SecondaryNameNode(2nn):每隔一段时间对NameNode元数据备份。
Yarn架构概述:
Yarn(Yet Another Resource Negotiator),另一种资源协调者,是Hadoop的资源管理器。
ResourceManager(RM):管理整个集群资源(内存、CPU等);
NodeManager(NM):管理单个节点服务器资源;
ApplicationMaster(AM):管理单个任务运行;
Container:容器,相当于一台独立的服务器,里面封装了任务运行所需要的资源,如内存、CPU、磁盘、网络等;
MapReduce架构概述:
MapReduce将计算过程分为两个阶段:Map和Reduce:
1.Map阶段并行处理输入数据;
2.Reduce阶段对Map结果进行汇总;