文章目录
1、大数据
功能:
主要是解决海量数据的存储和海量数据的分析计算问题(TB、PB、EB)
特点:
- 大量,计算机硬盘的容量为TB级别,一些企业的数据量已经接近EB量级
- 高速,处理数据的效率就是企业的生命
- 多样,数据分为结构化数据和非结构化数据,结构化数据主要有 以数据库和文本为主,非结构化数据主要包括网络日志、音频、视频、图片、地理位置信息等 4. 低价值密度,如何快速对有价值的数据“提纯”
大数据应用场景:
物流仓储 零售 旅游商品 广告推荐 保险金融 房产
2、Hadoop是什么
(1)是由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) Hadoop生态圈
3、Hadoop发展历史 ( Google是Hadoop的思想之源)
(1)GFS–>HDFS (2) Map-Reduce–>MR (3) BigTable
4、Hadoop的优势(4高)
(1) 高可靠性:Hadoop底层维护多个数据副本
(2) 高扩展性:在集群间分配任务数据,可方便地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,以加快任务处理的速度
(4) 高容错性:能够自动将失败的任务重新分配
5、Hadoop1.x和2.x的区别
在Hadoop1.x时代,Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度,耦合性较大,在Hadoop2.x时代,增加了Yarn,Yarn只负责资源的调度,MapReduce只负责运算。
6、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),以及每个文件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。
7、YARN架构概述
(1)Resource Manager
(2)NodManager
(3)ApplicationMAster
(4)Container
8、MapReduce架构概述
1)Map阶段并行处理输入数据
2)Reduce阶段对Map结果进行汇总