输出于拉勾大数据训练营
Apache Hadoop的重要组成
Hadoop=HDFS(分布式文件系统)+MapReduce(分布式计算框架啊)+Yarn(资源协调框架)+Common模块
一、HDFS
Hadoop HDFS:(Hadoop DistributeFile System)一个高可靠、高吞吐量量的分布式文件系统
比如:100T数据存储,“分而治之”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。 功能:数据切割、制作副本、分散储存
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
注意:NN,2NN,DN这些既是角色名称,进程名称,代指电脑节点名称!!
二、Hadoop MapReduce
一个分布式的离线并行计算框架:拆解任务、分散处理、汇整结果
MapReduce计算 = Map阶段 + Reduce阶段
Map阶段就是“分”的阶段,并行处理理输入数据;
Reduce阶段就是“合”的阶段,对Map阶段结果进行行汇总;
三、Hadoop Yarn
作业调度与集群资源管理理的框架
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理、处理理来自ResourceManager的命令、处理理来自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:对任务运行行环境的抽象,封装了了CPU、内存等多维资源以及环境变量量、启动命令等任务运行相关的信息。
ResourceManager是老老大,NodeManager是小弟,ApplicationMaster是计算任务专员。
四、Hadoop Common
支持其他模块的工具模块(Configuration、RPC、序列列化机制、日志操作)