初识Hdoop

1.什么是Haoop？
Hadoop是一个由Apache基金会所开发的分布式系统基础架构
主要用以解决，海量数据的存储和海量数据的分析计算问题。
Hadoop的组成:

1. HDFS:一个高可靠、高吞吐量的分布式文件系统。
2. MapReduce:一个分布式的离线并行计算框架。
3. Yarn:作业调度与集群资源管理的框架。
4. Common：支持其他模块的工具模块。

1.HDFS包含：
1）NameNode节点：存储文件的元数据（元数据就用于管理数据的数据），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节点：在本地文件系统存储文件块数据，以及块数据的校验和。
3）SecondaryNameNode节点：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。
2.MapReduce包含Map和Reduce两个阶段。
1）Map阶段并行处理输入的数据
2）Reduce阶段对Map的阶段的输出结果进行处理汇总
3.Yarn包含：
1）ResourceManager：处理客户端请求、启动/监控ApplicationMaster、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。