Hadoop 是什么

• Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
• 主要解决，海量数据的存储和海量数据的分析计算问题。

• 广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈。

  Hadoop 优势

• 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。

• 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。
• 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。

• 高容错性：能够自动将失败的任务重新分配。

  Hadoop 组成

• HDFS，是一个分布式文件系统。

  • NameNode（nn）：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。
  • 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。
  • Secondary NameNode(2nn)：每隔一段时间对NameNode元数据备份。
• YARN ，另一种资源协调者，是 Hadoop 的资源管理器。
  • ResourceManager（RM）：整个集群资源（内存、CPU等）的老大
  • NodeManager（N M）：单个节点服务器资源老大
  • ApplicationMaster（AM）：单个任务运行的老大
  • Container：容器，相当一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等。
• MapReduce 将计算过程分为两个阶段：Map 和 Reduce
  • Map 阶段并行处理输入数据
  • Reduce 阶段对 Map 结果进行汇总

HDFS、YARN、MapReduce 三者关系