大数据框架介绍——Hadoop

---

前言

很久没有在csdn写过文章了，现在已经彻底从Java开发转向大数据开发了。今天就介绍一下就算不学大数据，大家也听过的东西——Hadoop

---

一、Hadoop是什么？

百度百科给出的解释比较多，我就稍微简述一下。

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
用户可以在不了解分布式底层细节的情况下，开发分布式程序。
充分利用集群的威力进行高速运算和存储。

但我们时常我们所有的Hadoop并非Hadoop本身这一个框架吗，而是Hadoop生态圈，里面包含有hive，zookeeper，kafka，flume，hbase等等众多大数据的组件。

二、Hadoop的优势

1. 高可靠性：Hadoop底层维护多个数据副本，所以即使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，可方便的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。

三、Hadoop的组成

1.hdfs（Hadoop Distributed File System）

分布式文件系统。
主要架构：

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，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。

该处使用的url网络请求的数据。

2.yarn（Yet Another Resource Negotiator）

Hadoop 的资源管理器。

主要架构：

1. ResourceManager（RM）：管理整个集群资源
2. NodeManager（N M）：管理单个节点服务器资源
3. ApplicationMaster（AM）：管理单个任务运行的
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。

3.MapReduce

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

---

总结

本文章只是对Hadoop的总体介绍，并未涉及到任何技术相关的知识，所以只要看后知道有个印象即可。最后提一句，Hadoop1.x的时候没有yarn，yarn在Hadoop2.x之后才加入，原本Hadoop1.x的资源调度也是由mapreduce进行的。