hadoop组件简介
官方文档组织的非常清晰,主要由以下四个组件组成:HDFS、map-reduce、yarn、hadoop-common
![ee426ba55002526c28c2f41ff79082ca.png](https://i-blog.csdnimg.cn/blog_migrate/808c27f44b572acc7df228e8a70abee4.jpeg)
hdfs架构
HDFS
分布式文件存储系统,主要特点是:
- 可以运行在普通低成本硬件之上
- 并且具备高容错性(硬件容错)
- 适合高吞吐量的大数据存储,但并不强调低延迟
- 适合一次写,多次读的场景,不支持随机读写;
map-reduce
map-reduce是一个计算框架,绝大部分的数据处理都可以转化为map、reduce组合,然后利用map-reduce框架进行计算、处理;
yarn
资源管理器,核心的思想时将资源的调度管理与资源监控分割为两个进程,其中一个是ResourceManager,另一个是NodeManager,前者负责资源的分配、后者负责资源监控;
![39f8c074c1b25b44d6bee459e2e2379a.png](https://i-blog.csdnimg.cn/blog_migrate/c72f42879c7af054db18770d72033201.jpeg)
common
hdfs、map-reduce所需要的公共库;
面试题
HDFS的进程构成及其作用;
nameNode进程:负责对外展示文件的层级结构、管理客户端对文件的访问(如:打开、关闭、重命名等)、决定文件block与dataNode的对应关系;
secondNameNode进程:从名字来看,应该是nameNode的back up,然而并不是,其主要作用是协助nameNode管理editLog;
dataNode:主要负责数据存储以及客户端的读写请求以及block的创建、删除等;
详细解释map过程的细节:
map过程主要是实现key-value集合到key-value集合的映射,可以实一对一、一对多、多对多映射;
详细过程是:map -> group -> sorted -> partitioned
group:相同的key放到一起;
sorted:按照key进行排序
partition:对key进行分区,最终分区数量一般等于task数量;
详细解释reduce过程细节:
首先是shuffle,即从map端拉取数据到reducer端;
之后是group,也就是相同的key可能来自于不同的map,所以需要group
之后是sort过程(再map阶段排序的基础之上,进行归并排序即可)
最后是second sort(用户自定义,如果没有自定义则不执行)
最后是reduce过程。
![75c5035e802a75ee2b515f8efdc1fdfb.png](https://i-blog.csdnimg.cn/blog_migrate/38f447fed1de77d2830b789eb8eb121b.jpeg)
setCombinerClass的作用:
在map端先进行一部分reduce工作,主要优点是减少shuffle成本;但也有一定的局限性,仅仅适用于reduce的输入和输出数据类型相同时;
简单介绍Federation架构:
Federation架构通过多个独立的NameNode实现集群的横向扩展,主要解决了HDFS的吞吐量及承载量受限于单个nameNode,并且无法根据namespace做隔离的弊端。
在存储层,各个nameNode共用统一的DataNode