一文搞懂什么是Hadoop?Hadoop的前世今生，Hadoop的优点有哪些？Hadoop面试考查重点，大数据技术生态体系

目录

1.1 Hadoop 是什么

 1.2 Hadoop 发展历史

1.3 Hadoop 三大发行版本 

1.4 Hadoop优势（4高） 

1.5 Hadoop 组成（面试重点） 

1.5.1 HDFS 架构概述  

1.5.2 YARN 架构概述  

1.5.3 MapReduce 架构概述  

1.5.4 HDFS、YARN、MapReduce 三者关系  

1.6 大数据技术生态体系 

1.7 推荐系统框架图  

---

1.1 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 。

 1.2 Hadoop 发展历史

（1 ） Hadoop 创始人 Doug Cutting ，为 了实 现与 Google 类似的全文搜索功能，他在 Lucene 框架基础上进行优

化升级，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 框 架面 对与 Google 同样的困难， 存 储海量数据困难，检 索海 量速度慢 。

（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 思想的细节，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 ）分别被纳入到 Hadoop 项目

中， Hadoop 就此正式诞生，标志着大数据时代来临。

（9 ）名字来源于 Doug Cutting 儿子的玩具大象

1.3 Hadoop 三大发行版本 

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。 2006

Cloudera 内部集成了很多大数据框架，对应产品 CDH 。 2008

Hortonworks 文档较好，对应产品 HDP 。 2011

Hortonworks 现在已经被 Cloudera 公司收购，推出新的品牌 CDP 。

(1 ） Apache Hadoop

官网地址： http://hadoop.apache.org

下载地址： https://hadoop.apache.org/releases.html

(2 ） Cloudera Hadoop

官网地址： https://www.cloudera.com/downloads/cdh

下载地址： https://docs.cloudera.com/documentation/enterprise/6/release

notes/topics/rg_cdh_6_download.html

（ 1 ） 2008 年成立的 Cloudera 是最早将 Hadoop 商用的公司，为合作伙伴提供 Hadoop 的

商用解决方案，主要是包括支持、咨询服务、培训。

(2 ） 2009 年 Hadoop 的创始人 Doug Cutting 也加盟 Cloudera 公司 。 Cloudera 产品主

要为 CDH ， Cloudera Manager ， Cloudera Support

（3 ） CDH 是 Cloudera 的 Hadoop 发行版，完全开源，比 Apache Hadoop 在兼容性，安

全性，稳定性上有所增强。 Cloudera 的标价为每年每个节点 10000 美元 。

（4 ） Cloudera Manager 是集群的软件分发及管理监控平台，可以在几个小时内部署好一

个 Hadoop 集群，并对集群的节点及服务进行实时监控。

（3 ） Hortonworks Hadoop

官网地址： https://hortonworks.com/products/data-center/hdp/

下载地址： https://hortonworks.com/downloads/#data-platform

（ 1 ） 2011 年成立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。

（2 ）公司成立之初就吸纳了大约 25 名至 30 名专门研究 Hadoop 的雅虎工程师，上述

工程师均在 2005 年开始协助雅虎开发 Hadoop ，贡献了 Hadoop80% 的代码。

（3 ） Hortonworks 的主打产品是 Hortonworks Data Platform （ HDP ），也同样是 100% 开

源的产品， HDP 除常见的项目外还包括了 Ambari ，一款开源的安装和管理系统。

（4 ） 2018 年 Hortonworks 目前 已经被 Cloudera 公司收购

1.4 Hadoop优势（4高） 

1.5 Hadoop 组成（面试重点） 

1.5.1 HDFS 架构概述  

Hadoop Distributed File System ，简称 HDFS ，是一个分布式文件系统

（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) ： 每隔一段时间对 NameNode 元数据备份 。

简单的说就是NameNode就相当于一个目录，一个索引，负责标记每一个DataNode的存放位置

而DataNode才是真正存放数据的， Secondary NameNode(2nn) ：相当与老板的一个秘书，他会备份 一部分 数据，不会备份全部数据。

1.5.2 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。

1.5.3 MapReduce 架构概述  

MapReduce 将计算过程分为两个阶段： Map 和 Reduce

（1 ） Map 阶段并行处理输入数据

（2 ） Reduce 阶段对 Map 结果进行汇总

 

1.5.4 HDFS、YARN、MapReduce 三者关系  

HDFS

  

YARN

 用户提交任务，任务给到ResourceManager，ResourceManager  会找一个节点NodeManager，开启一个Container ，把任务(App Mstr)放在Container    App Mstr会向 

ResourceManager申请说自己需要多少资源  ResourceManager 看哪一个DataNode有资源，给他分配资源  之后  App Mstr 会在被分配的资源节点上开启计算任务（MapTask ），这个其实就是MapReduce 的map阶段，之后会返回一个Reduce到各自对应的节点，这就是他们三者之间的关系

1.6 大数据技术生态体系 

图中涉及的技术名词解释如下：

1.7 推荐系统框架图  

假如说购买一个东西，打开京东首页，购买一个东西，这个购买行为会被记录下来，通过Nginx负载均衡打入到日志收集中，这种用户行为数据通常是用文件形式存储的，然后Flume进行日志收集

采集完之后，给Kafka 进行一个消息的缓冲，缓冲后，由于我们推荐系统具有实时性，所以走

Spark Streaming ，或 Flink进行实时计算，（用户是想购买呢，还是什么行为，以及下次给他推荐什么样的商品能够促进他的消费），将计算结果返回到后台，这个结果你可以用数据库或者是分析结果文件的形式存储，然后再被推荐业务的后台读走数据，最终反馈到前台页面展示出来！

本篇博客是在进行尚硅谷大数据相关课程学习后，加上自己的一些理解得出的一篇博客，希望能给学习Hadoop同学一些启发！