Hadoop概述

第一章 Hadoop概述

1.1 Hadoop是什么

1. Hadoop是一个有Apache基金会所开发的分布式系统基础架构

2. 主要解决海量数据存储和海量数据分析计算的问题

3. 广义上来说,Hadoop通常指的是一个更加广发的概念–Hadoop生态圈

1.2 Hadoop发展历史

1. Hadoop创始人Doug cutting ,为了实现google类似 的全文搜索功能,他在Lucene框架的基础上进行优化升级,查询引擎和搜索引擎.
2. 2001年年底,Lucene成为了Apache的一个子项目
3. 对于海量数据的场景,Lucene框架面对一个与google同样的困难,存储海量数据困难,检索海量速度慢
4. 学习和模仿google解决这些问题的办法:微型版本Nutch
5. 可以说google是hadoop的思想之源 gfs=>hdfs Map-reduce ==>Mr Bigtable =>Hbase
6. 2003-2004年google 公开了部分gfs哈mapreduce思想的细节,以此为基础的dougcutting等人用2年业余时间,实现了gfs和MapReduce机制,是nutch性能飙升
7. 2005年Hadoop作为Lucene的子项目nutch的一分部正式引入Apache基金会
8. 2006年3月,MapReduce和nutch distributed file system (NDFS) 分别被纳入到Hadoop项目中,Hadoop就此诞生,标志着大数据时代的来临

1.3 Hadoop三大发行版本

Apache Cloudera Hortonworks

Apache版本最开始的版本,对于入门学习最好 2006

cloudera 内部集成了很多大数据框架,对应产品CDH 2008

Hortonworks 文档很好,对应的产品 HDP 2011

现在Hortonworks已经被cloudera收购了,推出了新的品牌 CDP

Apache Hadoop

官网地址：http://hadoop.apache.org

下载地址：https://hadoop.apache.org/releases.html

Cloudera Hadoop

官网地址：https://www.cloudera.com/downloads/cdh

下载地址：https://docs.cloudera.com/documentation/enterprise/6/release-notes/topics/rg_cdh_6_download.html

1. 2008 年成立的 Cloudera 是最早将 Hadoop 商用的公司，为合作伙伴提供 Hadoop 的商用解决方案，主要是包括支持、咨询服务、培训。
2. 2009 年 Hadoop 的创始人 Doug Cutting 也加盟 Cloudera 公司。Cloudera 产品主要为 CDH，Cloudera Manager，Cloudera Support
3. CDH 是 Cloudera 的 Hadoop 发行版，完全开源，比 Apache Hadoop 在兼容性，安全性，稳定性上有所增强。Cloudera 的标价为每年每个节点 10000 美元。
4. Cloudera Manager 是集群的软件分发及管理监控平台，可以在几个小时内部署好一个 Hadoop 集群，并对集群的节点及服务进行实时监控。

Hortonworks Hadoop

官网地址：https://hortonworks.com/products/data-center/hdp/

下载地址：https://hortonworks.com/downloads/#data-platform

1. 2011 年成立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。
2. 公司成立之初就吸纳了大约** 25 名至 30 名专门研究 Hadoop 的雅虎工程师，上述****工程师均在 2005 年开始协助雅虎开发 Hadoop**，贡献了** **Hadoop80%**的代码。
3. Hortonworks 的主打产品是 Hortonworks Data Platform（HDP），也同样是 100%开源的产品，HDP 除常见的项目外还包括了 Ambari，一款开源的安装和管理系统。
4. 2018 年 Hortonworks 目前已经被 Cloudera 公司收购。

1.4 Hadoop优势(4高)

1. 高可靠性

   Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元素或者存储出现了故障,也不会导致数据丢失

2. 高扩展性:

   在集群之间分配任务数据,可方便的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,以加快任务处理速度

4. 高容错性

   能够自动将失败的任务重新分配

1.5 Hadoop的组成

Hadoop1.x 2.x 3.x 的变化

1. Hadoop1.x的组成
   1. MapReduce 计算+资源调度
   2. HDFS 数据存储
   3. Common 辅助工具
2. Hadoop2.x组成
   1. MapReduce 计算
   2. Yarn 资源调度
   3. HDFS 数据存储
   4. Common 辅助工具
3. Hadoop3.x 与2.x一样

2.x以后 增加了yarn 只负责资源的调度工作,MapReduce只负责运算

1.51 HDFS的架构概述

Hadoop Distributed File System 简称 HDFS ,是一个分布式文件系统

HDFS架构概述

1. NameNode(nn)
   1. 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)
   2. 存储每个文件的块列表和块所在的DataNode等
2. DataNode(dn)
   1. 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)
   1. 每间隔一段时间对NameNode元数据备份

1.52 Yarn架构概述

Yet Another Resource Negotiator 简称 YARN 另一种资源协调者 是Hadoop的资源管理器

1. ResourceManager(RM)
   • 整个集群资源(内存,cpu等)的老大
2. NodeManager(NN)
   • 单个节点服务器资源的老大
3. ApplicationMaster(AM)
   • 单个任务运行的老大
4. Container
   • 容器,相当于一台独立的服务器,里面封装了任务运行所需要的资源 比如cpu,内存 磁盘 网络等等

客户端可以有多个,集群上可以运行多个ApplicationMaster 每个NodeManager上可以有多个Container

1.53 MapReduce架构概述

MapReduce将计算过程分为两个阶段:Map和Reduce

• map阶段并行处理输入数据
• Reduce阶段对map结果进行汇总