Hadoop笔记1 Hadoop架构
大数据
大数据(big data),是指无法在一定时间范围内用常规软件工具进行捕捉、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、高增长率和多样化的信息资产。
大数据的5V特点(IBM提出):Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。
4V:(Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度))
Hadoop
hadoop是apache开发的分布式系统基础架构。主要解决海量数据的存储和计算。广义上通常认为Hadoop是指Hadoop生态圈。
Hadoop基本架构
Hadoop2.x MapReduce只负责计算,Yarn负责资源调度。
HDFS
HDFS:Hadoop分布式文件系统
NameNode:存储文件的元数据: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
DataNode: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 : 用来监控后台的HDFS的状态,每隔一段时间获取HDFS元数据的快照。(辅助NameNode)
Yarn
MapReduce
MapReduce分为两个阶段,Map阶段和Reduce阶段
Map阶段负责并行的输入并处理数据
Reducer阶段负责将Map结果进行汇总。