Hadoop简单入门(一):Hadoop概述

第1章 Hadoop概述

  • 第1章 Hadoop概述
    • 1.1 Hadoop是什么
    • 1.2 Hadoop优势(4高)
    • 1.3 Hadoop 组成(面试重点)
      • 1.3.1 HDFS架构概述
      • 1.3.2 YARN 架构概述
      • 1.3.3 MapReduce架构概述
      • 1.3.4 HDFS、YARN、MapReduce 三者关系
    • 1.4 大数据生态体系
    • 1.5 推荐系统框架图

第1章 Hadoop概述

1.1 Hadoop是什么

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

1.2 Hadoop优势(4高)

  • 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。
  • 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。
  • 高容错性:能够自动将失败的任务重新分配。

1.3 Hadoop 组成(面试重点)

  • Hadoop1.x, 2.x及3.x的组成如下图:

Hadoop简单入门(一):Hadoop概述_第1张图片

1.3.1 HDFS架构概述

Hadoop Distributed File System,简称 HDFS,是一个分布式文件系统。由四个部分组成:

  • 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。
  • 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 NameNode(2nn):每隔一段时间对NameNode元数据备份

1.3.2 YARN 架构概述

Yet Another Resource Negotiator 简称 YARN ,另一种资源协调者,是 Hadoop 的资源管理器。由4部分组成:

  • ResourceManager (RM):管理整个集群资源
  • NodeManager (NM):管理单个节点服务器资源
  • ApplicationMaster (AM):负责单个任务的运行
  • Container:容器,相当于一台服务器,封装了任务运行所需要的资源,如内存、CPU、磁盘、网络等
    概况如下:

Hadoop简单入门(一):Hadoop概述_第2张图片

1.3.3 MapReduce架构概述

MapReduce 将计算过程分为两个阶段:Map 和 Reduce

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

Hadoop简单入门(一):Hadoop概述_第3张图片

1.3.4 HDFS、YARN、MapReduce 三者关系

工作流程如下:

  1. 客户端提交任务
  2. YARN中的RM在某个NM分配Container并生成任务的App Mstr
  3. App Mstr向RM申请需要的资源
  4. RM在不同的NM上分配多个Container,并由App Mstr开启对应的任务
  5. Map Task任务执行完后将结果返回给Reduce Task任务,由后者写入DataNode
  6. NameNode进行记录,2NN进行部分备份

Hadoop简单入门(一):Hadoop概述_第4张图片

1.4 大数据生态体系

Hadoop简单入门(一):Hadoop概述_第5张图片
图中涉及的技术名词解释如下:

1)Sqoop:Sqoop 是一款开源的工具,主要用于在 Hadoop、Hive 与传统的数据库(MySQL)间进行数据的传递,可以将一个关系型数据库(例如MySQL,Oracle 等)中的数据导进到 Hadoop 的 HDFS 中,也可以将 HDFS 的数据导进到关系型数据库中。

2)Flume:Flume 是一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume 支持在日志系统中定制各类数据发送方,用于收集数据;

3)Kafka:Kafka 是一种高吞吐量的分布式发布订阅消息系统;

4)Spark:Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大数据进行计算。

5)Flink:Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。

6)Oozie:Oozie 是一个管理 Hadoop 作业(job)的工作流程调度管理系统。

7)Hbase:HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。

8)Hive:Hive 是基于 Hadoop 的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的 SQL 查询功能,可以将 SQL 语句转换为 MapReduce 任务进行运行。其优点是学习成本低,可以通过类 SQL 语句快速实现简单的 MapReduce 统计,不必开发专门的 MapReduce 应用,十分适合数据仓库的统计分析。

9)ZooKeeper:它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护、名字服务、分布式同步、组服务等。

1.5 推荐系统框架图

Hadoop简单入门(一):Hadoop概述_第6张图片

你可能感兴趣的:(#,Hadoop框架,hadoop,大数据,hdfs)