Hadoop基础学习---2、Hadoop概述

1、Hadoop概述

1.1 Hadoop是什么？

1、Hadoop是一个又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。
3、广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈。

1.2 Hadoop 优势（4高）

1、高可靠性：Hadoop底层维护多个数据副本，所有即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
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：能够自动将失败的任务重新分配。

1.3 Hadoop组成

在Hadoop2.x时代，增加了Yarn。Yarn只负责资源的调度，MapReduce只负责运算。Hadoop3.x在组成上没有变化。

1.3.1 HDFS架构概述

Hadoop Distributed File System 简称HDFS，是一个分布式文件系统。
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（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。
2、DataNode(dn)：在本地文件系统存储文件块数据块，以及块数据的校验和。
3、Secondary NameNode（2nn）：每隔一段时间对NameNode元数据备份

1.3.2 Yarn架构概述

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（NM）：当个节点服务器资源的老大
3、ApplicationMaster（AM）：单个任务运行的老大
4、Container：容器，相当于一台独立的服务器，里面封装了任务运行所需要的资源（CPU、内存、磁盘、网络等）。

说明：
1、客户端可以有多个。
2、集群上可以运行多个ApplicationMaster。
3、每个NodeManager上可以有多个Container。

1.3.3 MapReduce架构概述

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

1.3.4 HDFS、YARN、MapReduce三者关系

1.4 大数据技术生态体系

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。

1.5 推荐系统架构图