Hadoop

1.什么是Hadoop？

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统（ Distributed File System）。

2.优点

1.高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖 [3] 。

2.高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中 [3] 。

3.高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快 [3] 。

4.高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配 [3] 。

5.低成本。与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比，hadoop是开源的，项目的软件成本因此会大大降低 [3] 。

3.核心设计

HDFS(数据存储)和MapReduce（计算）。

HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。

4.HDFS构架概述

Hadoop Distributed File System ，简称 HDFS ，是一个分布式文件系统
（1 ） NameNode ：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。
（2 ） DataNode：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：每隔一段时间对 NameNode 元数据备份。
简单的说就是NameNode就相当于一个目录，一个索引，负责标记每一个DataNode的存放位置
而DataNode才是真正存放数据的， Secondary NameNode：相当与老板的一个秘书，他会备份一部分数据，不会备份全部数据。

5.MapReduce

MapReduce 本身就是用于并行处理大数据集的软件框架。MapReduce 的根源是函数性编程中的 map 和 reduce 函数。Map 函数接受一组数据并将其转换为一个键/值对列表，输入域中的每个元素对应一个键/值对。Reduce 函数接受 Map 函数生成的列表，然后根据它们的键（为每个键生成一个键/值对）缩小键/值对列表。

6.YARN

从YARN的架构来看，它由ResourceManager、NodeManager、JobHistoryServer、Containers、Application Master、job、Task、Client组成。

组件的主要功能介绍：
（1）ResourceManager：

处理客户端请求启动、监控ApplicationMaster、监控NodeManager、资源分配与调度
（2）ApplicationMaster：

为应用程序申请资源，并分配给内部任务、任务调度、监控与容错
（3）NodeManager：

单个节点上的资源管理、处理来自ResourceManger的命令、处理来自ApplicationMaster的命令
（4）Container：

对资源抽象和封装，目的是为了让每个应用程序对应的任务完成执行
（5）JobHistoryServer：

负责查询job运行进度及元数据管理。
（6）job：

是需要执行的一个工作单元：它包括输入数据、MapReduce程序和配置信息。job也可以叫作Application。
（7）task：

一个具体做Mapper或Reducer的独立的工作单元。task运行在NodeManager的Container中。
（8）Client：

一个提交给ResourceManager的一个Application程序。
https://blog.csdn.net/weixin_45366499/article/details/106897374

Hadoop简述