【hadoop】1.简介

简介

经过本教程您能够学习到

1. hadoop是什么？
2. hadoop能解决什么问题？
3. hadoop的生态环境如何？

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）主要解决，海量数据的存储和海量数据的分析计算问题。

3）广义上来讲，HADOOP一般是指一个更普遍的概念——HADOOP生态圈

二、Hadoop发展历史

1）Lucene--Doug Cutting开创的开源软件，用java书写代码，实现与Google相似的全文搜索功能，它提供了全文检索引擎的架构，包括完整的查询引擎和索引引擎

2）2001年年末成为apache基金会的一个子项目

3）对于大数量的场景，Lucene面对与Google一样的困难

4）学习和模仿Google解决这些问题的办法 ：微型版Nutch

5）能够说Google是hadoop的思想之源(Google在大数据方面的三篇论文) GFS --->HDFS Map-Reduce --->MR BigTable --->Hbase

6）2003-2004年，Google公开了部分GFS和Mapreduce思想的细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和Mapreduce机制，使Nutch性能飙升

7）2005 年Hadoop 做为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。2006 年 3 月份，Map-Reduce和Nutch Distributed File System (NDFS) 分别被归入称为 Hadoop 的项目中

8）名字来源于Doug Cutting儿子的玩具大象  9）Hadoop就此诞生并迅速发展，标志这云计算时代来临

三、Hadoop三大发行版本

1）Apache版本: 最原始（最基础）的版本，对于入门学习最好。

2）Cloudera在大型互联网企业中用的较多。

3）Hortonworks文档较好。

1.4 Hadoop的优点

1）高可靠性：由于Hadoop假设计算元素和存储会出现故障，由于它维护多个工做数据副本，在出现故障时能够对失败的节点从新分布处理。

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是并行工做的，以加快任务处理速度。

4）高容错性：自动保存多份副本数据，而且可以自动将失败的任务从新分配。

二、Hadoop组成

1）Hadoop HDFS：一个高可靠、高吞吐量的分布式文件系统。

2）Hadoop MapReduce：一个分布式的离线并行计算框架。

3）Hadoop YARN：做业调度与集群资源管理的框架。

4）Hadoop Common：支持其余模块的工具模块。

2.1 HDFS架构概述

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（生成时间、副本数、文件权限），以及每一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。

2.2 YARN架构概述

1）ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度；

2）NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令；

3）ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。

4）Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。

2.3 MapReduce架构概述

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

3. 两个体系图

3.1 大数据生态体系图

3.2 大数据推荐系统框架图

参考

本系列的文章参考资料来源有3个地方：

1. 尚硅谷官方大数据教学视频。
2. 书籍《hadoop权威指南 第四版》
3. 书籍《Spark快速大数据分析》
4. 书籍《数据算法——H/Spark大数据处理技巧》
5. 官方文档。

若是有些章节忘记填写请原谅。第3和第4相关的内容可能在本系列牵涉很少，期待后期本身不懒，多多分享。

资源获取

1. 相关软件包下载地址: 连接: https://pan.baidu.com/s/1cQG9I2OhIwglXG3FufCq3w 提取码: d8gx
2. 本系列全部代码下载: Github: https://github.com/joyblack/hadoop-learn

若是对您有帮助，别忘了点个start哟~~~