云计算五大核心特点：
按需自助服务：消费者无需同服务提供商交互就可以自动地得到自助的计算资源能力，如服务器的时间、网络存储等(资源的自助服务)。
泛在的网络访问：跨平台的访问，无论手机、平板或PC都可以访问云计算平台。
动态的资源池：根据消费者的需求来动态地划分或释放不同的物理和虚拟资源。
快速弹性：一种对资源快速和弹性提供和同样对资源快速和弹性释放的能力。对消费者来讲，所提供的这种能力是无限的(随需的、大规模的计算机资源)，并且在任何时间以任何量化方式可购买的。
可计量的服务：云系统对服务类型通过计量的方法来自动控制和优化资源使用。(例如存储、处理、带宽以及活动用户数)。资源的使用可被监测、控制以及对供应商和用户提供透明的报告(即付即用的模式)。
三大服务模式：
SaaS软件层服务，如wordpress环境，可以直接给用户用的软件。
PaaS平台服务：如虚拟主机、操作系统等开发环境，用来供开发人员开发应用。
IaaS基础设置服务：提供硬件设施的代管理，相当于把服务器的运维外包给云平台公司，节省了维护成本和办公场地，公司可以在任何时候利用这些硬件来运行其应用。
云计算、Hadoop、Openstack的关系
云计算：是一种通过互联网访问、可定制的IT资源共享池，并按照使用量付费的模式,这些资源包括网络，服务器，存储、应用、服务等。广泛意义上来说，云计算是指服务的交付和使用模式，即通过网络以按需，易扩展的方式获取所需的资源，这种服务可以是IT的基础设施（硬件、软件、平台），也可以是其他服务，云计算的核心理念就是按需服务，就像人使用水、电、天然气等资源一样。
Openstack：是云计算实现的基础框架，由亚马逊开源实现。Openstack将物理机虚拟化，包含各种管理组件及API。
Hadoop：是一种利用分布式进行大数据存储、计算的基础架构。
Openstack和Hadoop并没有什么关系，属于不同层面。
Hadoop基础——Hadoop组成
HDFS（Hadoop Distributed File System）：用来提高吞吐量的分布式文件系统，利用高效率的分布式算法将大量本分数据分散存储在多个数据节点，是海量数据分布式存储与管理的基石。
MapReduce：并行处理框架，利用计算机集群强大的计算能力完成处理庞大的计算任务。
除HDFS和MapReduce之外，Hadoop还有很多其他的项目，但最核心的是这两个，所以下面更近一步了解HDFS和MapReduce。
Hadoop基础——HDFS分布式文件系统
参考链接：http://www.cnblogs.com/laov/p/3434917.html
HDFS（Hadoop Distributed File System ）Hadoop分布式文件系统。是根据google发表的论文翻版的。论文为GFS（Google File System）Google 文件系统。
HDFS有很多特点：
① 保存多个副本，且提供容错机制，副本丢失或宕机自动恢复。默认存3份。
② 运行在廉价的机器上。
③ 适合大数据的处理。多大？多小？HDFS默认会将文件分割成block，64M为1个block。然后将block按键值对存储在HDFS上，并将键值对的映射存到内存中。如果小文件太多，那内存的负担会很重。
如上图所示，HDFS也是按照Master和Slave的结构。分NameNode、SecondaryNameNode、DataNode这几个角色。
NameNode：是Master节点，是大领导。管理数据块映射；处理客户端的读写请求；配置副本策略；管理HDFS的名称空间；（用户数据不会流经该节点，NameNode不仅提供为空间命名、访问控制信息、映射信息、位置信息等服务，还可以管理系统一定范围内的活动——出自李庆君·Hadoop架构下海量空间数据存储与管理）
SecondaryNameNode：是一个小弟，分担大哥namenode的工作量；是NameNode的冷备份；合并fsimage和fsedits然后再发给namenode。
DataNode：Slave节点，奴隶，干活的。负责存储client发来的数据块block；执行数据块的读写操作。
热备份：b是a的热备份，如果a坏掉。那么b马上运行代替a的工作。
冷备份：b是a的冷备份，如果a坏掉。那么b不能马上代替a工作。但是b上存储a的一些信息，减少a坏掉之后的损失。
fsimage:元数据镜像文件（文件系统的目录树。）
edits：元数据的操作日志（针对文件系统做的修改操作记录）
namenode内存中存储的是=fsimage+edits。
SecondaryNameNode负责定时默认1小时，从namenode上，获取fsimage和edits来进行合并，然后再发送给namenode。减少namenode的工作量。
其中datanode主要负责数据的存储，namenode主要负责三个功能，分别是(1)管理元数据 (2)维护目录树 (3)响应客户请求
首先介绍下，元数据格式
hdfs在外界看来就是普通的文件系统，可以通过路径进行数据的访问等操作，但在实际过程存储中，却是分布在各个节点上。如上图所示，是一条元数据，/test/a.log 是在hdfs文件系统中的路径，3是这个文件的副本数(副本数可以通过在配置文件中的配置来修改的)。在hdfs中，文件是进行分块存储的，如果文件过大，就要分成多块存储，每个块在文件系统中存储3个副本，以上图为例，就是分成blk_1和blk_2两个块，每个块在实际的节点中有3个副本，比如blk_1的3个副本分别存储在h0，h1，h3中。
现在由此引出一个问题，namenode中的元数据是存储在哪里的？首先，我们做个假设，如果存储在namenode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断点，元数据丢失，整个集群就无法工作了！！！因此必须在磁盘中有备份，在磁盘中的备份就是fsImage，存放在namenode节点对应的磁盘中。这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新fsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦namenode节点断点，就会产生数据丢失。因此，引入edits.log文件(只进行追加操作，效率很高)。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到edits.log中。这样，一旦namenode节点断电，可以通过fsImage和edits.log的合并，合成元数据。但是，如果长时间添加数据到edit.log中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行fsImage和edits.log的合并，如果这个操作有namenode节点完成，又会效率过低。因此，引入一个新的节点secondaryNamenode，专门用于fsImage和edits.log的合并。
检查点处理过程的具体步骤如下
1)namenode节点每隔一定时间请求secondaryNamenode合并操作
2)secondaryNamenode请求namenode进行edits.log的滚动，这样新的编辑操作就能够进入新的文件中
3)secondaryNamenode从namenode中下载fsImage和edits.log
4)secondaryNamenode进行fsImage和edits.log的合并,成为fsImage.checkpoint文件
5)namenode下载合并后的fsImage.checkpoin文件
6)将fsImage.checkpoint和edits.new命名为原来的文件名(这样之后fsImage和内存中的元数据只差edits.new)
具体的过程如下图所示
工作原理
写操作：
有一个文件FileA，100M大小。Client将FileA写入到HDFS上。
HDFS按默认配置。
HDFS分布在三个机架上Rack1，Rack2，Rack3。
a. Client将FileA按64M分块。分成两块，block1和Block2;
b. Client向nameNode发送写数据请求，如图蓝色虚线①------>。
c. NameNode节点，记录block信息。并返回可用的DataNode，如粉色虚线②--------->。
Block1: host2,host1,host3
Block2: host7,host8,host4
原理：
NameNode具有RackAware机架感知功能，这个可以配置。
若client为DataNode节点，那存储block时，规则为：副本1，同client的节点上；副本2，不同机架节点上；副本3，同第二个副本机架的另一个节点上；其他副本随机挑选。
若client不为DataNode节点，那存储block时，规则为：副本1，随机选择一个节点上；副本2，不同副本1，机架上；副本3，同副本2相同的另一个节点上；其他副本随机挑选。
d. client向DataNode发送block1；发送过程是以流式写入。
流式写入过程，
1>将64M的block1按64k的package划分;
2>然后将第一个package发送给host2;
3>host2接收完后，将第一个package发送给host1，同时client想host2发送第二个package；
4>host1接收完第一个package后，发送给host3，同时接收host2发来的第二个package。
5>以此类推，如图红线实线所示，直到将block1发送完毕。
6>host2,host1,host3向NameNode，host2向Client发送通知，说“消息发送完了”。如图粉红颜色实线所示。
7>client收到host2发来的消息后，向namenode发送消息，说我写完了。这样就真完成了。如图黄色粗实线
8>发送完block1后，再向host7，host8，host4发送block2，如图蓝色实线所示。
9>发送完block2后，host7,host8,host4向NameNode，host7向Client发送通知，如图浅绿色实线所示。
10>client向NameNode发送消息，说我写完了，如图黄色粗实线。。。这样就完毕了。
分析，通过写过程，我们可以了解到：
①写1T文件，我们需要3T的存储，3T的网络流量贷款。
②在执行读或写的过程中，NameNode和DataNode通过HeartBeat进行保存通信，确定DataNode活着。如果发现DataNode死掉了，就将死掉的DataNode上的数据，放到其他节点去。读取时，要读其他节点去。
③挂掉一个节点，没关系，还有其他节点可以备份；甚至，挂掉某一个机架，也没关系；其他机架上，也有备份。
读操作：
读操作就简单一些了，如图所示，client要从datanode上，读取FileA。而FileA由block1和block2组成。
那么，读操作流程为：
a. client向namenode发送读请求。
b. namenode查看Metadata信息，返回fileA的block的位置。
block1:host2,host1,host3
block2:host7,host8,host4
c. block的位置是有先后顺序的，先读block1，再读block2。而且block1去host2上读取；然后block2，去host7上读取；
上面例子中，client位于机架外，那么如果client位于机架内某个DataNode上，例如,client是host6。那么读取的时候，遵循的规律是：
优选读取本机架上的数据。
Hadoop基础——MapReduce原理
参考链接：http://blog.jobbole.com/80619/
MapReduce分Map（映射）和Reduce（归约）。Map是对一组数据元素进行某种重复式的处理。
Reduce是对Map的中间结果进行某种进一步的汇总。
MapReduce中的Map和Reduce操作的抽象描述
MapReduce借鉴了函数式程序设计语言Lisp中的思想，定义了如下的Map和Reduce两个抽象的编程接口，由用户去编程实现:
�map:(k1; v1) →[(k2; v2)]
输入：键值对(k1; v1)表示的数据
处理：文档数据记录(如文本文件中的行，或数据表格中的行)将以“键值对”形式传入map函数；map函数将处理这些键值对，并以另一种键值对形式输出处理的一组键值对中间结果 [(k2; v2)]
输出：键值对[(k2; v2)]表示的一组中间数据
�reduce: (k2; [v2])→ [(k3; v3)]
输入： 由map输出的一组键值对[(k2; v2)] 将被进行合并处理将同样主键下的不同数值合并到一个列表[v2]中，故reduce的输入为(k2; [v2])
处理：对传入的中间结果列表数据进行某种整理或进一步的处理,并产生最终的某种形式的结果输出[(k3; v3)] 。
输出：最终输出结果[(k3; v3)]
Map和Reduce为程序员提供了一个清晰的操作接口抽象描述
基于MapReduce的处理过程示例—文档词频统计：WordCount
设有4组原始文本数据：
Text 1: the weather is good Text 2: today is good
Text 3: good weather is good Text 4: today has good weather
传统的串行处理方式(Java)：
输出：good: 5; has: 1; is: 3; the: 1; today: 2; weather: 3
基于MapReduce的处理过程示例—文档词频统计：WordCount
MapReduce处理方式
使用4个map节点：
map节点1:
输入：(text1, “the weather is good”)
输出：(the, 1), (weather, 1), (is, 1), (good, 1)
map节点2:
输入：(text2, “today is good”)
输出：(today, 1), (is, 1), (good, 1)
map节点3:
输入：(text3, “good weather is good”)
输出：(good, 1), (weather, 1), (is, 1), (good, 1)
map节点4:
输入：(text3, “today has good weather”)
输出：(today, 1), (has, 1), (good, 1), (weather, 1)
使用3个reduce节点：
MapReduce处理方式
MapReduce伪代码(实现Map和Reduce两个函数)：
