Hadoop3：HDFS、YARN、MapReduce三部分的架构概述及三者间关系（Hadoop入门必须记住的内容）

一、HDFS架构概述

Hadoop 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。理解为集群数据索引
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)：每隔一段时间对NameNode元数据备份。

二、YARN架构概述

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

1）ResourceManager（RM）：整个集群资源（内存、CPU等）的管理者，负责分配和回收集群资源
3）ApplicationMaster（AM）：单个任务运行的管理者
2）NodeManager（NM）：单个节点服务器资源的管理者
4）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，可以类比理解成docker容器

说明
1：客户端可以有多个
2：集群上可以运行多个ApplicationMaster
3：每个NodeManager上可以有多个Container

三、MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map 和 Reduce
1）Map 阶段并行处理数据，分配任务
2）Reduce 阶段对Map结果进行汇总

四、HDFS、YARN、MapReduce三者关系

对下图工作过程进行简要说明：
首先，集群的HDFS存储了海量数据，然后，客户端提交了一个查询任务，任务提交到RM，RM找到一台有空闲资源的NM，然后，RM创建Container和App Mstr，然后，由App Mstr向RM申请资源，进入计算任务的Map阶段，接着创建了如图的102和103上的两个Container和MapTask，最后，进入Reduce阶段，在104上创建Container和ReduceTask，汇总Map阶段的结果，并写入HDFS。