Apache Hadoop的介绍

---

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）