1. Hadoop概论

1.Hadoop起源

• Lucene的一个子项目
• 思想源于Google的三篇论文
  
  GFS - HDFS 分布式文件系统
  
  Map-Reduce - MR 分布式计算框架
  
  Big-Table - Hbase

2.Hadoop的优势

• 高可用
  
  几乎所有结构都是主从模式的，数据存在副本和备份，保证高可用
• 高扩展性
  
  在集群间分布式的分配数据方案，支持扩展到数千台服务器
• 高效
  
  Map-Reduce并行计算，提高计算效率
• 高容错性
  
  自动保存多个数据副本，能够自动将执行失败的任务重新分配

3.Hadoop的组成

1. HDFS
   
   一个高可用，高吞吐量的分布式文件系统
2. MapReduce
   
   一个分布式的离线并行计算框架
3. Yarn
   
   任务调度与集群资源管理的框架
4. Common
   
   一些基础的支持模块功能（RPC、序列化机制、Configuration、日志等）
   
   

4.HDFS架构概述

HDFS系统具有一下几种角色的节点

• NameNode（nn）：命名节点，存储各节点的元数据信息（基础信息，如IP地址等）
• DataNode（dn）：数据节点，存储数据块
• SecondaryNode（sn）：监控NameNode元数据，定期合并元数据，在异常情况下升级成为NameNode

5.Yarn架构概述

Yarn集群中，节点主要包含4个角色（前两个是核心）

• ResourceManager（rm）：处理客户端请求，监控ApplicationMaster
• NodeManager（nm）：单个节点上的资源管理，处理再自ResourceManger、ApplicationMaster的指令
• ApplicationMaster：数据切分，为应用程序申请资源，任务监控
• Container：对任务运行环境的抽象

6.MapReduce架构概述

MapReduce将计算过程分成两个阶段
Map对数据并行处理
Reduce阶段对Map的结果进行整合汇总