Hadoop 2.x 架构

Hadoop2.0产生背景

一、Hadoop 1.0中HDFS和MapReduce在高可用、扩展性等方面存在问题
1、HDFS存在问题
NameNode单点故障，难以应用于在线场景
NameNode压力过大，且内存受限，影响系统可扩展性

2、MapReduce存在的问题
JobTracker访问压力大，影响系统可扩展性
难以支持除MapReduce计算框架之外的计算框架、比如spark、storm

Hadoop1.0只支持离线计算，不支持spark是内存计算框架（最快的得到结果），storm是流式计算框架（计算实时数据）

Hadoop1.x和2.x比较

801.png

一、Hadoop2.x由HDFS、MapReduce、和YARN三个分支构成
1、HDFS: NNFederation 、HA 多了这两个部分
2、MapReduce：运行在YARN上的MR
3、YARN:是对应的资源管理系统

Federation是联邦的意思， FBI联邦调查局

NNFederation NameNode Federation：
将元数据分成两个独立NameNode去工作

是独立的并行的

YARN是分布式资源管理系统，进行任务调度。某些计算框架要运行一些任务的时候，这些任务需要在各个节点上执行，需要向YARN申请资源（申请CPU资源和内存资源），由于是分布式的资源管理，YARN知晓任何一个节点的情况，（是否空闲CPU以及内存使用率等），所以任务执行的时候首先向YARN进行申请资源。

假如有十个map-reduce执行，每一个map-reduce有很多的任务，每一个任务都向YARN申请资源，所有任务都向YARN申请资源，这样资源分配就比较均衡

HDFS2.X优点

一、解决HDFS1.0中单点故障和内存受限问题
二、解决单点故障
1、HDFSHA: 通过主备NameNode解决单点故障
2、如果主NameNode发生故障，则切换到备NameNode
三、解决内存受限问题
1、HDFSFederation（联邦）解决内存受限问题 把数据分为多份 多个NameNode相互独立工作，共享DataNode
2、水平扩展，支持多个NameNode
3、每个NameNode分管一部分目录
4、所有NameNode共享所有DataNode存储资源
四、2.X仅仅是架构上做了变化，使用方式不变
1、 对HDFS使用者透明
2、HDFS1.X中的命令和API仍可以使用

HDFS2.X HA（high available 高可用）

Paste_Image.png

分析上图结构
最底层为DataNode，DataNode启动之后会进行节点信息上报给NameNode

一、NNActive和NN Standby

NN Active 和NN Standby是两个NameNode节点
主为：Active
备为：Standby （standby可以有多个）

在某一个时刻只有一个主（active）

二、JournalNode的作用

DataNode启动汇报数据时，往多个NameNode都要汇报。
NNActive和NNStandby中的文件完全一样，一旦NNActive挂掉以后启用NNStandby

NNActive的数据除了在内存中存储，也会在远程集群上存储一份，并不在本地进行存储，NNActive会把数据备份到图上JN中，
JN为一个集群，Journal为日志的意思，JournalNode就是日志备份节点

所有的NaemNode不管是主还是备，都要从JournalNode中进行读写，这个读写是实时的。所以NNActive和NNStandby信息一致。当一个挂掉以后，另外一个可以直接使用。

JournalNode是一个集群，所以很难挂掉，这样就保证了高可用

三、FailoverControllerActive说明

控制NameNode切换，对NameNode进行心跳检查
并且也对zookeeper进行心跳检查，zookeeper的主要工作就是做高可用，可以为用户提供开发接口

整个过程如下
客户端在访问NameNode时首先访问zookeeper，zookeeper返回可用的NN，然后客户端再访问NN

zookeeper通过控制FailoverController 进行NameNode的切换

HDFS2.0 HA结构性说明

一、主备NameNode
二、解决单点故障
1、主NameNode对外提供服务，备NameNode同步主NameNode元数据以待切换
2、所有DataNode同时向两个NameNode汇报数据块信息
三、两种切换选择
1、手动切换：通过命令实现主备之间的切换可以用于HDFS升级等场合
2、自动切换：基于zookeeper实现
四、基于Zookeeper自动切换方案
1、zookeeperFailoverController：监控NameNode健康状态，并向zookeeper注册NameNode，NameNode挂掉以后，ZKFC为NameNode竞争锁，获得ZKFC锁的NameNode变为active,(ZKFC为zookeeper failvoer controller)

zookeeper failover controler 每一个NameNode都会有， 当一个NameNode挂掉以后，对应的zookeeper failover controler就会在zookeeper上获取竞争锁，当成功获取以后，对应的NameNode就变为了主。

HDFS2.X Federation（这个只有数据节点很多很庞大的时候才会用到对namenode进行扩展）

一、通过多个namenode/namespace把元数据的存储和管理分散到多个节点上，使用namenode/namespace可以通过增加机器来进行水平扩展
二、能够把单个namenode的负载分散到多个节点上，在HDFS数据规模较大的时候不会降低HDFS的性能。可以通过多个namenode来隔离不同类型的应用，把不同类型应用的HDFS元数据的存储和管理分派到不同的namenode中

Paste_Image.png

上图是多个namenode，如果取数据，需要指明从某个namenode中取，如果要进行HA,需要对多个namenode分别进行HA.

YARN 分布式资源管理系统

一：YARN :Yet Another Resource Negotiator;
1、Hadoop2.0新引入的资源管理系统，直接从MRv1演化而来，分别由ResourceManager和ApplicationMaster进程实现
2、ResourceManager：负责整个集群的资源管理和调度
3、ApplicationMaster：负责应用程序相关的事务，比如任务调度、任务监控、容错等

二：YARN的引入，使得多个计算框架可运行在一个集群中
1、每个应用程序对应一个ApplicationMater
2、目前多个计算框架可以运行在YARN上，比如，MapReduce、Spark、Storm等
ResourceManager负责资源管理，只有一个，ApplicationMaster有多个，每个datanode上都会有一个

MapReduce on YARN

1、将MapReduce作业直接运行在YARN上，而不是由JobTracker和TaskTracker构建的MRv1系统中
2、基本功能模块
YARN:负责资源管理和调度
MRAppMaster：负责任务切分、任务调度、任务监控和容错等
MapTask/ReduceTask:任务驱动引擎、与MRv1一致
3、每个MapReduce作业对应一个MRAppMaster
MRappMater任务调度
YARN将资源分配给MRAppMaster
MRAppMaster进一步将资源分配给内部的任务
4、MRAppMaster容错
失败后，由YARN重新启动
任务失败后，MRAppMaster重新申请资源

作者：topwqp
链接：http://www.jianshu.com/p/9cf41d655869
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。