目录
1.HDFS(NameNode(nn)、DataNode(dn)、Secondary NameNode(2nn))
2.YARN(ResourceManager(RM)、NodeManager(N M))——海量数据的存储
大数据是指无法在一定时间用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据技术要解决的问题:海量数据存储和海量数据计算。
(一)Hadoop概念
1)Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
2)主要解决,海量数据的存储和海量数据的分析计算问题。
3)广义上来说,Hadoop通常是指一个更广泛的概念——Hadoop生态圈。
(二)Apache Hadoop下载网址
(三)Hadoop优势
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)高扩展性: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。
5)低成本:Hadoop架构允许部署在廉价的机器上。
(四)Hadoop架构
1.HDFS(NameNode(nn)、DataNode(dn)、Secondary NameNode(2nn))
Hadoop Distributed File System,简称 HDFS,是一个分布式文件系统。
1)NameNode(nn)——元数据节点:即管理数据都存储在什么位置,它存储文件的元数据,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,一个HDFS集群只有一个Active的NN,在自动故障恢复过程中,如果同时存在两个Active NameNode,就会出现脑裂。
2)DataNode(dn)——数据节点:即具体存储数据,它在本地文件系统存储文件块数据,以及块数据的校验和,数据存储节点,保存和检索Block,一个集群可以有多个数据节点。
3)Secondary NameNode(2nn)——从元数据节点:每隔一段时间对NameNode元数据备份,合并NameNode中的edit logs到fsimage文件中,辅助nn将内存中元数据信息持久化,记录nn的日志信息。
HDFS脑裂:
《HDFS~脑裂》
2.YARN(ResourceManager(RM)、NodeManager(N M))——海量数据的存储
Yet Another Resource Negotiator 简称 YARN,另一种资源协调者,是 Hadoop 的资源管理器。
1)ResourceManager(RM):所有资源的管理者。
2)NodeManager(N M):单个节点服务器资源的管理者。
3)ApplicationMaster(AM):单个任务运行的管理者。
4)Container:容器,相当一台独立的服务器,里面封装了任务运行所需要的资源,如内存、CPU、磁盘、网络等。1~8GB。
说明1:客户端可以有多个
说明2:集群上可以运行多个ApplicationMaster
说明3:每个NodeManager上可以有多个Container
3.MapReduce——海量数据的计算
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。
(五)Hadoop与关系型数据库对比
RDBMS | Hadoop | |
格式 | 写数据时要求 | 读数据时要求 |
速度 | 读数据速度快 | 写数据速度快 |
数据监管 | 标准结构化 | 任意结构数据 |
数据处理 | 有限的处理能力 | 强大的处理能力 |
数据类型 | 结构化数据 | 结构化、半结构化、非结构化 |
应用场景 | 交互式OLAP分析 ACID事务处理 企业业务系统 | 处理非结构化数据 海量数据存储计算 |