Hadoop——从Hadoop框架讨论大数据生态

2.1 Hadoop是什么
1）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
3）广义上来说，Hadoop通常是指一个更广泛的概念–Hadoop生态圈
2.2 Hadoop发展历史
Doug Cutting开创
可以说Google是Hadoop的思想之源（Google在大数据方面的三篇论文）GFS–>HDFS
Map-Reduce–>MR
BigTable–>HBase
2.3 Hadoop三大发行版本
三大发行版本：Apache、Cloudera、Hortonworks
Apache：版本最原始最基础的版本，对于入门学习最好
Cloudera：在大型互联网企业中用的较多（CDH版）
Hortonworks：文档较好
2.4 Hadoop的优势（4高）
1）高可靠性：Hadoop底层维护多个数据副本（默认3个），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 千记得结点
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
2.5 Hadoop组成（面试重点）
Hadoop1.x和Hadoop2.x区别：
1.x组成：Common（辅助）HDFS（数据存储）
MapReduce（计算+资源调度）
2.x组成：Common（辅助工具）HDFS（数据存储）
Yarn（资源调度）MapReduce（计算）
2.5.1 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），以及每个问价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）Secondary NameNode（2nn）：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照 辅助nn工作的
2.5.2 YARN 架构概述
节点=服务器
1）ResourceManager（RM）主要作用如下-----部门经理
（1）处理客户端请求
（2）监控NodeManager
（3）启动或监控ApplicationMaster
（4）资源的分配与调度
2）NodeManager（NM）主要作用如下-----项目经理
（1）管理单个节点上的资源
（2）处理来自RM的命令
（3）处理来自AppMstr的命令
3）ApplicatonMaster（AM）作用如下
（1）负责数据的切分
（2）为应用程序申请资源并分配给内部的任务
（3）任务的监控与容错
4）Container
Container是YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等