2021-04-16

数据来源：拉钩教育大数据高薪开发训练营

Hadoop学习第二部分：Apache Hadoop的重要组成

Hadoop=HDFS(分布式文件系统)+MapReduce(分布式计算框架)+Yarn(资源协调框架)+Common模块

100T数据如何存储？
“分而治之” 的思想
分：拆分–>数据切割，100T数据拆分为10G一个数据块由一个电脑节点存储这个数据块。

第一节 HDFS

1）HDFS定义

（Hadoop Distribute File System ）一个高可靠、高吞吐量的分布式文件系统

2）HDFS结构

主从结构（Master/Slaver）:

分而治之：数据切割、制作副本、分散储存

图中涉及到几个角色：
NameNode（nn）：存储文件的元数据，比如文件名、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。
SecondaryNameNode（2nn）：辅助NameNode更好的工作，用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据快照。
DataNode（dn）：在本地文件系统存储文件块数据，以及块数据的校验

第二节 MapReduce

1）MapReduce定义

一个分布式的离线并行计算框架
分而治之：拆解任务、分散处理、汇整结果

2）MapReduce结构

MapReduce计算 = Map阶段 + Reduce阶段
Map阶段就是“分”的阶段，并行处理输入数据；
Reduce阶段就是“合”的阶段，对Map阶段结果进行汇总；

第三节 YARN

1）YARN定义

作业调度与集群资源管理的框架

2）YARN结构

主从结构（Master/Slaver）:

Yarn中有如下几个主要角色，同样，既是角色名、也是进程名，也指代所在计算机节点名称。
ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度；
NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令；
ApplicationMaster(am)：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。
Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。
ResourceManager是老大，NodeManager是小弟，ApplicationMaster是计算任务专员。

第三节 Common

支持其他模块的工具模块（Configuration、RPC、序列化机制、日志操作）
即：其他模块都需要的工具，放到Common中，避免重复定义（JAVA中的common包）

结语

分而治之，将大的问题转换成若干个小的问题，hadoop通过这种方式，能够解决PB级别的数据量；学习生活对待问题的态度，也应该如此。