hadoop

hadoop 是一个能对大数据进行分布式处理的软件框架，在集群上能充分的发挥出其出色的能力 分布式存储和分布式计算上面都使用了，主从（Master/Slave）

HDFS 分布式的文件存储系统，主要负责各个节点上的数据存储，并实现高吞吐率的数据读写

Hadoop，把应用程序分割成很小的工作单元，并把这些工作单元放到任何的集群节点上执行，在MapReDuce( MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算，是一个基于集群的高性能并发计算平台， 是一个并行计算和运行软件的框架，是一个并行程序设计模型与方法 ),所以只有集群才能体现出Hadoop的高新能

Hadoop，把应用程序分割成很小的工作单元，并把这些工作单元放到任何的集群节点上执行 Hadoop 要想完整的运行起来，里面要启动一些相关程序，不同的程序扮演着不同的角色 下面是角色介绍 NameNode 是HDFS的守护程序，负责记录文件是如何分割成数据块的，以及这些数据存储的节点位置，主要功能是对内存及I/O进行集中的管理 NameNode在整个集群中是单点的，如果NameNode宕机了，则整个hadoop就无法正常运行了

DataNode,每一个hadopp都会在后台运行一个DataNode程序，负责把HDFS里面的数据块读取到本地的文件系统。当客户端要对数据进行读写操作时，先由NameNode告诉客户端 去哪个DataNode上操作，然后客户端直接与DataNode通信，操作数据,数据的存储节点和数据的计算节点（TaskTracker运行在datanode）

Secondary NameNode 用来监控HDFS的一个辅助程序，会保存NameNode的快照，可以让NameNode宕机时的损失降到最低

JobTracker 用来连接应用程序和Hadoop，同事监控所有运行的Task ,不同的task分配不同的节点，每一个Hadoop集群只有一个JobTracker,一般运行在集群的Master节点上 TaskTracker 负责与存储数据的DataNode相结合，统领MapReduce工作，可以与JobTracker交互，如果JobTracker无法准时的获取到TaskTracker提交的信息， 则JobTasker就认为，此TaskTracker已失效，会把任务分配到另外的节点上

Hadoop子项目 Hadoop Common 为Hadoop的各个子项目提供各个工具 HDFS 分布式的文件存储系统，主要负责各个节点上的数据存储，并实现高吞吐率的数据读写 MapReduce 是一种编程模型，用于大规模数据集（大于1TB）的并行运算，是一个基于集群的高性能并发计算平台， 是一个并行计算和运行软件的框架，是一个并行程序设计模型与方法 相关项目 Hama:为科学计算提供的一个基于整体同步并行计算技术的分布式框架 Hbase:apache的一个顶级项目，基于列的存储形式的分布式数据库 Hive: 提供数据摘要和数据查询的数据仓储 Pig:实在mapReduce上构建的一种高级的数据流语言 Zookeeper: 注册中心，用于解决分布式数据一致性问题，管理服务，同步服务

以下都是hadoop2.0主版本 hadoop namenode -format

start-all.sh stop-all.sh hadoop dfs -put 文件路径 /放入文件夹名称 hadoop jar -/users/ems/BigData/hadoop-2.7.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /in /out hadoop dfs -ls / //列出hdfs下面文件夹 hadoop dfs -ls /in //列出hdfs中 in文件下面的文档 hadoop dfs -get /in getin //将hdfs中的in文件夹复制到本地 hadoop dfs -rmr /out //删除hdfs中名字为out的文件夹 hadoop dfsadmin-safemode get //返回hadoop safemode的状态 hadoop dfsadmin-safemode enter //进入safemode 模式 hadoop dfsadmin-safemode leave //强制NameNode 离开safemode

NameNode 50070 dfs.namenode.http-address http服务的端口 ResourceManager 8088 yarn.resourcemanager.webapp.address http服务端口 /users/ems/BigData/hadoop-2.7.3 /usr/local/hadoop/2.6.0/libexec/share/hadoop/mapreduce

MapReduce 分布处理 map 阶段将数据分割成固定大小的片段，得到计算的中间结果 数目可以配置默认值为2

reduce 将得到的中间结果，合并成最后的数据结果 数目可以配置默认值为2 reduce 在数目配置的时候，通常要小于reduce slots(资源池的概念， 每一个map 和reduce执行时都必须获得一个slots才可以) 数目，防止在有reduce损坏的时候， 还有slots可以分配不影响任务的执行时间

倒排索引：文档检索中最常用的数据结构被广泛的用于全文搜索引擎。主要用来存储某个单词和词组， 来标记一个文档或者一组文档所在的存储位置，这种根据文档内容来查询文档，与根据文档来查询文档内容操作相反 因此倒排，索引就是单词或者一组词组

TextInputFormat 对输入文件进行处理 OutPutFormat 对输出数据进行处理

转载于:https://my.oschina.net/u/3195939/blog/1031058