一、Hadoop是什么?
- Hado是由Apache基金所开发的分布式系统基础架构
- 主要是用来解决海量的数据存储和分析计算问题
二、Hadoop三大发行版本:Apache、Cloudera、Hortonworks
- Apache版本最原始(最基础)的版本,对于入门学习最好。
- Cloudera在大型互联网企业中用的较多。
- Hortonworks文档较好。
三、Hadoop的优势
- 高可靠性:Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元素或存储出现故障,也不会导致数据丢失
- 高扩展性:在集群间分配任务数据,可方便的扩展数以千计的节点
- 高效性:在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理速度
- 容错性:能够自动将失败的任务重新分配
四、Hadoop核心
HDFS架构概述
- NamneNode (m) :
存储文件的元数据,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。 - DataNode(dn): 在本地文件系统存储文件块数据,以及块数据的校验和。
- Secondary NamelNode(2n):用来监控HDFS状态的辅助后台程序,每隔一段时间获取HDF8元数据的快照
YARN架构概述
如图所示MapReduce架构概述
MapReduce将计算过程分为两个阶段:Map和Reduce,如图所示- Map阶段并行处理输入数据
- Reduce阶段对Map结果进行汇总
六、Hadoop运行模式
Hadoop运行模式包括:本地模式、伪分布式模式以及完全分布式模式Hadoop官方网站:http://hadoop.apache.org/