大数据技术之Hadoop基础内容了解

一.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.用来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

二.Hadoop的优势
1.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，也不会导致数据的丢失
2.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节点
3.高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度
4.高容错性：能够自动将失败的任务重新分配

三.Hadoop组成
Hadoop1.x 对比Hadoop2.x

1.HDFS架构的概述：
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，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)：用来监控HDFS的状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照
2.YARN架构概述

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