1、Hadoop概述
Hadoop 由 Apache Software Foundation 公司于 2005 年秋天作为Lucene 的子项目Nutch 的一部分正式引入。它受到最先由 Google Lab 开发的 Map/Reduce 和 Google File System(GFS) 的启发。
目前Hadoop 版本以Hadoop2.7.x 为主,我使用的是Hadoop2.7.3。
2、Hadoop生态圈
核心组件包括Hadoop 的基础组件HDFS、MapReduce 和Yarn,以及其他常用组件如:HBase、Hive、Hadoop Streaming、Zookeeper 等。
3、组件介绍
- HDFS:分布式海量数据存储功能
- Yarn:提供资源调度与任务管理功能
- 资源调度:根据申请的计算任务,合理分配集群中的计算节点(计算机)。
- 任务管理:任务在执行过程中,负责过程监控、状态反馈、任务再调度等工作。
- MapReduce:分布式并行编程模型和计算框架。解决分布式编程门槛高的问题,基于其框架对分布式计算的抽象map 和