2024-01-31（MapReduce，YARN）

1.MapReduce --- 分布式计算框架

MapReduce是分散--->汇总模式的分布式框架，可以供开发人员开发相关程序进行分布式数据计算

MapReduce提供了2个编程接口：Map接口，Reduce接口

其中，Map接口提供了“分散”功能，由服务器分布式对数据进行处理；Reduce提供了“汇总”功能将分布式的处理结果汇总统计。

程序员如果需要使用MapReduce框架完成自定义需求的c程序开发，只需要使用java，Python等语言实现MapReduce中的两个接口即可。（但现在没人写了，过时）

2.MapReduce的运行机制：

将要执行的需求，分解为多个Map Task和Reduce Task，然后将Map Task

3.YARN概述（分布式资源调度组件）：

资源：服务器的硬件资源，CPU，内存，硬盘，网络等。

资源调度：管控服务器的硬件资源，提供更好的利用率。

分布式资源调度：管控整个分布式服务器集群的全部资源，整合进行统一调度。

4.YARN架构：主从架构，两种角色

主角色（Master）：ResourceManager，整个集群的资源调度者，负责协调各个程序所需资源。

从角色（Slave）：NodeManager，单个服务器的资源调度者，管理分配单个服务器的资源，即创建管理容器，由容器提供资源供程序使用。

大致流程：

5.YARN容器

容器（Container）是YARN的NodeManager在所属服务器上分配资源的手段。创建一个资源容器，即由NodeManager占用这部分资源，然后应用程序运行在NodeManager创建的这个容器内部，应用程序无法突破容器的资源限制。

6.YARN的辅助角色

YARN架构中除了核心角色（ResourceManager，NodeManager），还可以搭配两个辅助角色使得YARN运行的更加稳定：

代理服务器：减少对YARN的网络攻击

历史服务器：记录历史运行的程序信息以及产生的日志并提供WEB UI站点供用户使用浏览器查看

7.Apache Hive（分布式SQL计算平台）

SQL语句用来做统计分析很方便，相比于Java和Python语言。

但是MapReduce只支持java和python，不支持sql。因此出现了Apache Hive，简单来说它的作用就是将SQL语句翻译成MapReduce程序来运行。

8.为什么要使用Hive

使用Hadoop 的 MapReduce直接处理数据所面临的问题：

1）学习Java，python等编程语言成本高

2）MapReduce实现复杂的查询逻辑开发难度比较大

使用Hive来处理数据的好处

1）操作接口采用类SQL语法，提供快速开发的能力（简单）

2）底层执行MapReduce，可以完成分布式海量数据的SQL处理。

9.基于MapReduce构建分布式SQL执行引擎，主要需要组件：

元数据管理

SQL解析器

10.Hive基础架构

元数据存储：通常是存储在关系数据库如mysql/derby中。Hive中的元数据包括表的名字，表的列和分区及其属性，表的属性，表的数据所在目录等。Hive提供了Metastore服务进程来提供元数据管理的功能。

SQL解析器（Driver驱动程序）：完成SQL解析，执行优化，代码提交等功能。

用户接口：提供用户和Hive交互的功能。

11.Hive是单机运行的，只需要部署在一台服务器即可。虽然Hive是单机的，但是它可以提交分布式运行的MapReduce程序运行。