Hadoop基础

Hadoop 介绍

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 的优势（4高）

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。

Hadoop组成（重要）

HDFS架构

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）：在本地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

MapReduce架构

MapReduce将计算过程分为两个阶段：Map 和 Reduce，如图。
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

推荐系统项目框架