大数据框架Hadoop:第一章 HDFS分布式文件系统(一)【NameNode和SecondaryNameNode】

本文是Hadoop系列的第一章,主要介绍了Hadoop的起源和发展,特别是HDFS分布式文件系统。HDFS通过文件分块和3副本策略确保数据安全性,NameNode和SecondaryNameNode分别负责元数据管理和备份。文章还涵盖了HDFS的基本操作,如shell命令的使用。
摘要由CSDN通过智能技术生成

系列文章目录

大数据框架Hadoop:第一章 HDFS分布式文件系统(一)
大数据框架Hadoop:第一章 HDFS分布式文件系统(二)
大数据框架Hadoop:第二章 计算框架MapReduce(一)



前言

Hadoop作为第一代大数据框架,在大数据行业一直非常热门,直到现在还是有许多企业在使用该框架。尤其对与熟悉Java的同学,Hadoop框架是入门大数据的首选。


一、什么是Hadoop?

1.hadoop的发展历史起源介绍

  • Hadoop最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎,包括网页抓取、索引、查询等功能,但随着抓取网页数量的增加,遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。

  • 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。

    ——分布式文件系统(GFS),可用于处理海量网页的存储

    ——分布式计算框架MAPREDUCE,可用于处理海量网页的索引计算问题。

  • Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE,并从Nutch中剥离成为独立项目HADOOP,到2008年1月,HADOOP成为Apache顶级项目(同年,cloudera公司成立),迎来了它的快速发展期。

  • Hadoop作者Doug Cutting

  • Apache Lucene是一个文本搜索系统库

  • Apache Nutch作为前者的一部分,主要包括web爬虫、全文检索;2003年“谷歌分布式文件系统GFS”论文,2004年开源版本HDFS

  • 2004年“谷歌MapReduce”论文,2005年Nutch开源版MapReduce。

2.hadoop的发展历史起源构

在这里插入图片描述
在这里插入图片描述

  • HDFS模块:
    • namenode:主节点,主要负责集群的管理以及元数据信息管理
    • datanode:从节点,主要负责存储用户数据
    • secondaryNameNode:辅助namenode管理元数据信息,以及元数据信息的冷备份
  • Yarn模块:
    • ResourceManager:主节点,主要负责资源分配
    • NodeManager:从节点,主要负责执行任务

二、HDFS分布式文件系统

1.分布式文件系统的理解

在这里插入图片描述
在这里插入图片描述

  • 图中小王收藏的avi存储于哪台机器上的记录我们称之为元数据,元数据保存在内存中。
  • 最直观的理解便是三个臭皮匠,顶个诸葛亮。
  • 很多的磁盘加一起就可以装下天
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值