1、Hadoop是什么?

  • Hadoop是一个有Apache基金会所开发的分布式系统基础架构
  • Hadoop主要解决两个问题: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(2)-Hadoop简介_大数据

2、Hadoop发展历史

  • Hadoop的创始人Doug Cutting,为了实现与Google类似的全文搜索功能,他在Lucene框架基础上进行优化升级,查询引擎和索引搜索
  • 2001年年底,Lucene成为Apache基金会的一个子项目
  • 对于海量数据的场景,Lucene框架面对与Google同样的困难,存储海量数据困难,检索海量速度慢
  • 学习和模范Google解决这些问题的方法:微型版Nutch
  • 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)
  • 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年的业余时间实现了DFS和MapReduce机制,是Nutch性能飙升
  • 2005年Hadoop作为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)分别被纳入到Hadoop项目中,Hadoop就此正式诞生了,标志着大数据时代的来临
  • Hadoop名字来源于Doug Cutting儿子的玩具大象
  • Hadoop(2)-Hadoop简介_mapreduce_02

3、 Hadoop三大发行版本

  • Apache,Cloudera,Hortonworks
  • Apache版本是最原始(最基础)的版本,对于入门学习最好,2006
  • Cloudera内部集成了很多大数据框架,对应产品CDH,2008
  • Hortonworks文档较好,对应产品HDP,2011
  • Horonworks现在已经被Cloudera公司收购(2018),推出新的品牌CDP
  • Hadoop的优势
  • 高可靠性:Hadoop底层维护多个数据副本,所以及时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,可以动态增加服务器
  • 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

4、Hadoop的组成

  • Hadoop 1.x的组成:
  • Hadoop(2)-Hadoop简介_hadoop_03

  • Hadoop 2.x 组成
  • Hadoop(2)-Hadoop简介_大数据_04

  • Hadoop 3.x在组成上和2.x没有什么区别

5、HDFS 架构概述:

  • Hadoop Distributed File System,简称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),以及每个文件的快列表和块所在的DateNode等,是整个文件数据的存储
  • DateNode(dn):在本地文件系统存储文件块数据,以及块数据的校验和,其实即每个服务器就是一个DateNode节点
  • Seconday NameNode(2nn):每隔一段时间对 NameNode 元数据备份

6、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
  • ResourceManager(RM):整个集群资源(内存,cpu等)的老大
  • NodeManager(NM):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的资源,如内存、cpu、磁盘、网络等
  • 说明:
  • 客户端可以有多个
  • 集群上可以运行多个applicationMaster
  • 每个NodeManager上可以有多个Container
  • Hadoop(2)-Hadoop简介_mapreduce_05

7、MapReduc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
  • 大数据技术生态系统
  • 推荐系统案例

8、HDFS、YARN、MapReduce三者关系

  • HDFS是一个分布式文件系统
  • YARN负责资源的调度与管理
  • MapReduce负责计算

9、大数据技术生态体系

Hadoop(2)-Hadoop简介_数据_06