大数据部门组织结构
1、分布式系统基础架构
2、主要解决的问题:海量数据的存储和分析计算问题
3、Hadoop通常是指一个更广泛的概念——Hadoop生态圈
4、Google是Hadoop的思想之源,Google遇到数据存储困难,检索速度慢的问题
Google在大数据方面的三篇论文:
GFS——>HDFS
Map-Reduce——>MR
BigTable——>HBase
Hadoop的优势
1、高可靠性:Hadoop底层维护多个数据副本,即使Hadoop某个计算元素或存储出现故障,也不会导致数据丢失
2、高扩展性:在集群见分配任务数据
3、高效性:秉性工作,加快任务处理速度
4、高容错性:自动将失败的任务重新分配
Hadoop1.x和Hadoop2.x的区别
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):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
Yarn架构
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