一、Hadoop简介

(1) 什么是Hadoop
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。

(2) Hadoop的优势
高可靠性
Hadoop底层维护多个数据副本，所有即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失
高扩展性
在集群间分配任务数据，可方便的扩展数以千计的节点
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
高容错性
能够自动将失败的任务进行重新分配

(3) HDFS的架构概述
NameNode
存储文件的元数据，如文件名，文件目录结构，文件属性（创建时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等
DataNode
在本地文件系统存储文件块数据，以及块数据的校验和
Secondary NameNode
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
(4) Yarn的架构概述
Resource Manager
处理客户端的请求
监控Node Manager
启动或监控ApplicationMaster
资源的分配与调度
Node Manager
管理单个节点上的资源
处理来自Resource Manager的命令
处理来自ApplicationMaster的命令
Application Masterr
负责数据的切分
为应用程序申请资源并分配给内部的任务
任务的监控与容错
Container