Hadoop简介

Hadoop简介

Hadoop是什么

1. hadoop是有Apache基金会所开发的分布式系统基础架构
2. hadoop主要解决，海量数据的存储和海量数据的分析计算问题
3. 广义来说，Hadoop通常是指Hadoop生态圈

Hadoop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，可方便的扩展数以前计的结点
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

Hadoop三大版本的区别

Hadoop组成

HDFS

Hadop Distributed File System 简称 HDFS ，是一个分布式文件系统

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（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(dn):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):每隔一端时间对NameNode元数据备份。防止集群挂掉。

YARN

Yet Another Resource Negotiator 简称 YARN ，另一种资源协调者，是Hadoop的资源管理器

MapReduce

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