Hadoop初步了解

Hadoop这个词语杜宇大家都不陌生，它是一个分布式系统基本架构，而不是很多人眼里的一个成品数据库软件。它仅仅是一个架构，供开发者参考与使用，他是由Apache基金会所开发。

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高速运算和存储。

Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高传输率（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以流的形式访问（streaming access）文件系统中的数据。

1起源

项目起源

Hadoop由 Apache SoftwareFoundation 公司于 2005 年秋天作为Lucene的子项目Nutch的一部分正式引入。它受到最先由 Google Lab 开发的 Map/Reduce 和 Google File System(GFS) 的启发。

2006 年 3 月份，Map/Reduce 和 Nutch Distributed File System (NDFS) 分别被纳入称为 Hadoop 的项目中。

Hadoop 是最受欢迎的在 Internet 上对搜索关键字进行内容分类的工具，但它也可以解决许多要求极大伸缩性的问题。例如，如果您要 grep 一个 10TB 的巨型文件，会出现什么情况？在传统的系统上，这将需要很长的时间。但是 Hadoop 在设计时就考虑到这些问题，采用并行执行机制，因此能大大提高效率。

2.优点

Hadoop[2]是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop 是以一种可靠、高效、可伸缩的方式进行处理的。

Hadoop 是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。

Hadoop 是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。

Hadoop 还是可伸缩的，能够处理 PB 级数据。

此外，Hadoop 依赖于社区服务器，因此它的成本比较低，任何人都可以使用。

Hadoop是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它主要有以下几个优点：

⒈高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖。

⒉高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中。

⒊高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快。

⒋高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配。

5.低成本。与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比，hadoop是开源的，项目的软件成本因此会大大降低。

Hadoop带有用Java语言编写的框架，因此运行在 Linux 生产平台上是非常理想的。Hadoop 上的应用程序也可以使用其他语言编写，比如 C++。

Hadoop版本架构模型
1.x的版本架构模型介绍
文件系统核心模块：
NameNode: 集群当中的主节点，管理元数据（文件的大小，文件的位置，文件的权限），主要用于管理集群当中的各种数据
seconddaryNameNode: 主要能用于hadoop当中元数据信息的辅助管理
DataNode: 集群当中的从节点，主要用于存储集群当中的各种数据
数据计算核心模块：
JobTracker:接受用户的计算请求任务，并分配任务给从节点
TaskTracker: 负责执行主节点JobTracker分配的任务

2.x的版本架构模型介绍
第一种：NameNode与ResourceManager单节点架构模型文件系统核心模块：
NameNode：集群当中的主节点，主要用于管理集群当中的各种数据
seconddaryNameNode:主要能用于hadoop当中元数据信息的辅助管理
DataNode:集群当中的从节点，主要用于存储集群当中的各种数据
数据计算核心模块：
ResourceManager: 接受用户的计算请求任务，并负责集群的资源分配
NodeManager: 负责执行主节点APPmaster分配的任务

第二种：NameNode与ResourceManager高可用架构模型：文件系统核心模块：
NameNode: 集群当中的主节点，主要用于管理集群当中的各种数据，一般都是使用两个，实现HA高可用
JournalNode: 元数据信息管理进程，一般都是奇数个
DataNode:从节点，用于数据的存储
数据计算核心模块：
ResourceManager:Yarn平台的主节点，主要用于接收各种任务，通过两个，构建高可用
NodeManager:Yarn平台的从节点，主要用于处理ResourceManager分配的任务