hadoop主要组建简写笔记

hadoop

hdfs client

作用

• 文件上传的时候 做文件切片 block
• 和namenode交互 获取文件的元数据信息
• 和datanode交互 读取和写入文件信息
• 提供命令操作hdfs 比如启动和关闭hdfs

namenode

• 管理Block 的映射信息
• 管理hdfs的命名空间
• 配置副本策略
• 管理客户端的读写请求

hdfs能存储文件的数量和 namenode的内存有关，元数据信息存储在内存上，一个文件或者说block 大概需要150byte去存储 存十亿的文件数大概需要300g 的内存，所以hdfs不适合存储小文件

Editlog

任何对文件系统元数据产生的修改的操作都会记录到editlog中例如在HDFS中创建一个新文件

datanode

• 存储实际的文件
• 执行读写请求

secondNamenode

• 定时的处理 fsimage 和 editlog合并 或者 editlog 大小到达一定程度 合并
• 和namenode不是主从备份关系。只是协助处理

hdfs 安全模式

安全模式是hadoop的一种保护机制，保证数据块的完整性。（副本率默认0.999 ，计算方式为当前可用的块除以副本数）

安全模式状态下，文件系统只接受读请求，不接受删除和修改等变更请求

MapReduce

主要包括JobClient JobTracker TaskTracker,HDFS 4个独立的部分，主要是用作分布式计算框架，MapReduce最小划分单位是split，一个Split包含多个block (不一定是整块)

JobClient

配置Configuration ,上传jar包程序存储在分布式文件系统上，将文件路径交给JobTracker

JobTracker

这是一个Master服务，负责将任务分配成一个个细小的task交给TaskTracker。监控TaskTracker的job情况如果有问题，则选择其他资源调度

TaskTracker

这是一个slaver服务，Task 主动与Job 通信，将自己的资源上报给task。同时TaskTracker 接收JobTrackerde 指令(比如启动和杀死任务)，tasktracker通过“slot”(槽)来划分本机的计算资源。必须要获取到slot才能够启动任务，我们可以通过slot限制Task的并发度。