Hadoop学习1

Hadoop学习1

Hadoop

Hadoop是什么

1. Hadoop是一个由Apache基金会所开发的分布式系统基础架构
2. 主要解决海量数据的存储和海量数据的分析计算问题
3. 广义上来说，Hadoop通常是指一个更广泛的概念-------Hadoop生态圈

Hadoop发展历史

1. Lucene框架是Doug Cutting开创的开源软件，用Java书写代码，实现与Google类似的全文检索功能，他提供了全文检索引擎的架构，包括完整的查询引擎和索引引擎
2. 2001年年底Lucene成为Apache基金会的一个子项目
3. 对于海量数据的场景，Lucene面对与Google同样的困难，存储数据困难，检索速度慢
4. 学习和模仿Google解决这些问题的办法：微型版Nutch
5. 可以说Google是Hadoop的思想之源（Google在大数据方面的三篇论文GFS—>HDFS Map-Reduce—>MR BigTable---->HBase）
6. 2003-2004年，Google公开了部分GFS和MapReduce思想细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和MapReduce机制，使Nutch性能飙升
7. 2005年Hadoop作为Lucene的子项目Nutch的一部分正式引入Apache基金会
8. 2006年3月份，Map-Reduce和Nutch Distributed File System（NDFS）分别被纳入称为Hadoop的项目中
9. 名字来源于Doug Cutting儿子的玩具大象

Hadoop三大发行版本

Hadoop三大发行版本：Apache、Cloudera、Hortonworks。
Apache版本最原始，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

Hadoop优势

1. 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，也不会导致数据的丢失
2. 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
3. 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
4. 高容错性：能够自动将失败的任务重新分配

Hadoop1.x和2.x的区别

Hadoop组成

HDFS架构概述

1. NameNode（nn）：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。
2. DataNode（dn）：在本文件系统存储文件块数据，以及块数据的校验和
3. Secondary NameNode（2nn）：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

YARN架构概述

MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map和Reduce，如图所示

1. Map阶段并行处理输入数据
2. Reduce阶段对Map结果进行汇总
   

大数据技术生态体系