三分钟了解什么是Hadoop

开门见山的一个问题：什么是Hadoop？？
1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构
2）主要解决：海量数据的存储和海量数据的分析计算问题额
3）广义上来说，Hadoop通常是指一个更广泛的概念——HADOOP生态圈

Hadoop三大发行版本
Hadoop三大发行版本：Apache、Cloudera、Hortonworks
1）Apache 版本是最原始（最基础）的版本，对于入门学习最好
2）Cloudera 在大型互联网企业中用的较多
3）Hortonworks 文档较好

Hadoop的优势
1）高可用性：因为Hadoop 假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。
2）高扩展性：在集群间分配任务数据，可方便扩展数以千计的节点。
3）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。
4）高容错性：自动保存多份副本数据，并且能够自动将失败的任务重新分配。

Hadoop的组成
1）Hadoop HDFS：一个高可靠、高吞吐量的分布式文件系统。
2）Hadoop MapReduce：一个分布式的离线并行计算框架。
3）Hadoop YARN：作业调度与集群资源管理的框架。
4）Hadoop Common：支持其它模块的工具模块（Configuration、RPC、序列化机制、日志操作等）。

HDFS架构概述
1）NameNode：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、文件权限等），以及每个文件的块列表和块所在的DataNode等。
2）DataNode：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：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。

YARN架构概述
1）ResourceManager：处理客户端请求、启动/监控Application、监控NodeManager、资源分配与调度。
2）NodeManager：单个节点上的资源管理，处理来自ResourceManager的命令、处理来自ApplicationMaster的命令。
3）ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。
4）Container：对任务运行环境的抽象、封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。

MapReduce架构概述
MaReduce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 （类似于切片）
2）Reduce阶段对Map结果进行汇总 （对各种片进行整合处理）

大数据技术生态体系
Sqoop、Flume、Kafka、Storm、Spark、Oozie、Hbase、Hive、R语言、Mahout、ZooKeeper 等。