Hadoop 3.x 的组成 完整使用 (月薪过万 第三章)

HDFS 的架构概述(转行)月薪过万

2nn 相当于老板的秘书、主动把NameNode 备份

1、HDFS概述(转行)月薪过万

• Hadoop Distributed File System，简称 HDFS，是一个分布式文件系统。

2、HDFS 举例(转行)月薪过万

核心 三个 Node 的作用

2.1 NameNode（nn）(转行)月薪过万

存储文件的元数据，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。

就好比周星驰拿着的是（NameNode）、只是武功秘籍的目录

2.2 DataNode(dn) (转行)月薪过万

在本地文件系统存储文件块数据，以及块数据的校验和。

DataNode 才是真正的招式、存储着内容

2.3 Secondary NameNode(2nn) (转行)月薪过万

每隔一段时间对NameNode元数据备份。

二、YARN 概述 (转行)月薪过万

• Yet Another Resource Negotiator 简称 YARN ，另一种资源协调者，是 Hadoop 的资源管理器。

• 1）ResourceManager（RM）：整个集群资源（内存、CPU等）的老大

• 2）NodeManager（N M）：单个节点服务器资源老大

• 3）ApplicationMaster（AM）：单个任务运行的老大

• 4）Container：容器，相当一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等。 (默认是 1-8G)

4G内存 最多 开辟四个容器、2CPU 一个容器分配最少一个CPU、两个容器两个CPU

三、MapReduce 架构概述 (转行)月薪过万

MapReduce 将计算过程分为两个阶段：Map 和 Reduce

• 1）Map 阶段并行处理输入数据
• 2）Reduce 阶段对 Map 结果进行汇总

任务需求:找出宋宋老师2015年5月份的教学视频、
map分发所有的节点服务器、从100T 数据里面、查找、最后结果（Reduce）汇总到服务器

四、HDFS、YARN、MapReduce 三者关系 (转行)月薪过万

• DataNode :负责数据的真实的存储
• NaemNode: 告诉别人我这数据存储在那个节点上、存储的什么信息、相当于账本
• 2NN : 如果 NaemNode 挂了、2NN会备份一份数据
• App Mstr 是一个任务开启任务
• 一看有资源 App Mstr 就开启 一个MapTask

总结：最终查询 返回结果他又写到了DataNode节点、有指向了NameNode 、有进行了一个记账操作

五、大数据技术生态体系 (转行)月薪过万

1、名词解释 (转行)月薪过万

1、Sqoop：Sqoop 是一款开源的工具，主要用于在 Hadoop、Hive 与传统的数据库（MySQL）
间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进
到 Hadoop 的 HDFS 中，也可以将 HDFS 的数据导进到关系型数据库中。

2、Flume：Flume 是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，
Flume 支持在日志系统中定制各类数据发送方，用于收集数据；

3、Kafka：Kafka 是一种高吞吐量的分布式发布订阅消息系统

4、Spark：Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大数
据进行计算。

5、Flink：Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。

6、 Oozie：Oozie 是一个管理 Hadoop 作业（job）的工作流程调度管理系统。

7、Hbase：HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库，
它是一个适合于非结构化数据存储的数据库。

8、Hive：Hive 是基于 Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张
数据库表，并提供简单的 SQL 查询功能，可以将 SQL 语句转换为 MapReduce 任务进行运
行。其优点是学习成本低，可以通过类 SQL 语句快速实现简单的 MapReduce 统计，不必开
发专门的 MapReduce 应用，十分适合数据仓库的统计分析。

9、ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、
名字服务、分布式同步、组服务等。

2、推荐系统图 (转行)月薪过万

一个系统推荐你的爱好的数据流程图