hadoop简介

概念

大数据(big data)：指无法在一定时间范围内用常规工具进行捕捉，管理和处理的数据集合，是需要新处理模式才能具有更强的决策力，洞察发现力和流程优化能力的海量、高增长和多样化的信息资产。

优势

• 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结点
• 高效性：在MapReduce的思想下，hadoop是并行工作的，以加快任务的处理速度
• 高容错性：能够自动将失败的任务重新分配

hadoop1.x、2.x、3.x区别

HDFS架构概述

hadoop distributed file system，简称hdfs，是一个分布式文件系统

• 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

## 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

• ResourceManager(RM):整个集群资源(内存，CPU等)的老大
• NodeManager(NM):单个结点服务器资源老大
• ApplicationMaster(AM)：单个任务运行的老大
• Container:容器，相当一台独立的服务器，里面封装了任务运行所需要的资源，如内存，CPU，磁盘，网络等

• 说明1：客户端可以有多个
• 说明2：集群上可以运行多个applicationmaster
• 说明3：每个nodemanager上可以有多个container

MapReduce结构概述

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
  

HDFS,YARN,MapReduce三者关系