这一章不会有源代码，主要是分析Hadoop的运行机制。
1.一个Hadoop集群，有5种节点。
1.1NameNode，有且仅有一个，负责管理HDFS文件系统。
1.2DataNode，至少有一个，通常有很多个。具体地说，每台负责做集群计算的的计算机都是一个DataNode。
1.3SecondaryNameNode，有且仅有一个，只辅助处理NameNode，不做其他任务。
1.4JobTracker，有且仅有一个，负责Hadoop的作业管理，所有的MapReduce的执行由它处理。
1.5TaskTracker，至少有一个，通常有很多个。具体地说，每台负责做集群计算的的计算机都是一个TaskTracker。
2.伪分布式Hadoop集群，这个集群只有一台计算机，这台计算机上5种节点都有，启动Hadoop之后，用”jps”命令可以看到这5个节点进程。
3.分布式Hadoop集群，如果集群内计算机足够多，会有一台机器做NameNode，一台机器做SecondaryNameNode，一台机器做JobTracker。其他机器负责做集群计算，这些机器每台上面各有一个DataNode和TaskNode进程。
4.Hadoop配置好之后，第一个命令是执行”./bin/hadoopnamenode -format”。这个命令会对NameNode进行格式化，然后再关闭NameNode。
5.执行完第4步之后，用”./bin/start-all.sh”启动Hadoop集群。
6.前处理
6.1写MapReduce代码，编译，将代码打成tar包。
6.2在Linux命令终端，运行HDFS的命令，将待处理的数据文件放到HDFS上。这时候，NameNode节点会负责将文件分割成块，分散存储在各个DataNode节点上。
6.3在Hadoop集群运行的时候，每隔一定时间，SecondaryNameNode会将NameNode上的数据进行合并处理。
7.在一个Linux终端执行Hadoop命令，如"./bin/hadoopjar hadoop-examples-1.2.1.jar wordcount readme.txtoutput"。在Hadoop运行这个命令的时候，这个Linux终端就是一个”客户端”，它发的这个命令就是在“提交MapReduce作业”。
8.客户端在做什么
8.1客户端向JobTracker节点申请一个作业ID。
8.2检查作业的输出目录。如果目录没指定或者已存在，客户端会打印错误信息，然后退出。
8.3根据InputFormat，将输入的数据格式进行分割，也就是分割成若干个InputSplit。如果出错会退出。
8.4将Mapreduce程序的jar包，配置文件，InputSplit信息都复制到HDFS的一个目录，这个目录名是作业ID。
8.5通知JobTracker执行作业。至此，提交作业完毕。
8.6客户端提交了作业之后，每秒会查询一次作业执行到了什么状态，如果有变化，就在冲端上打印出来，以便大家看到进度。
9.JobTracker在做什么
9.1客户端告诉JobTracker去执行作业。
9.2JobTracker将作业放到一个队列。
9.3作业调度器对作业进行初始化，它取出InputSplit信息，为每个InputSplit创建一个Map任务，根据map.reduce.reduce参数创建若干个Reduce任务。
9.4Hadoop集群启动后，JobTracker从始至终一直接收所有TaskTracker发送过来的心跳。如果某个心跳附带的信息说这个TaskTracker是空闲的，就发一个新任务给这个TaskTracker去做。
9.5JobTracker根据心跳，将作业和各种任务的执行进度计算出来。如果客户端查询，就将这些信息返回给它。
9.6JobTracker根据心跳，处理各种执行失败问题。
10.TaskTracker在做什么
10.1在Hadoop集群启动后，TaskTracker定期向JobTracker发送“心跳”。心跳附带的信息会告诉JobTracer，现在TaskTracker的状态是什么，是否可以运行新任务，是否在忙碌状态。
10.2如果TaskTracker可以运行新任务，那么，JobTracer会在心跳的返回值里给TaskTracker分配一个新任务。
10.3TaskTracker接到新任务，将这个任务所在的作业的jar文件以及所有需要处理的数据文件从JobTracker和HDFS复制到本地磁盘上。
10.4TaskTracker创建一个TasckRunner实例运行这个任务。每隔一段是时间，将任务执行的进度通过心跳发送给JobTracker。
10.5任务运行的时候，处理各种失败问题。
扫一扫
1150
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
