Hadoop概述

一、hadoop是什么？

  1. hadoop是一个由Apache基金会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. 广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈

二、Hadoop发展史

略

三、Hadoop三大发行版本

Apache 版本最原始（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
Hortonworks 现在已经被 Cloudera 公司收购，推出新的品牌 CDP。

  1. Apache Hadoop

官网地址：http://hadoop.apache.org

下载地址：https://hadoop.apache.org/releases.html

  1. Cloudera Hadoop
    官网地址：https://www.cloudera.com/downloads/cdh
    下载地址：https://docs.cloudera.com/documentation/enterprise/6/releasenotes/topics/rg_cdh_6_download.htm
    （1）2008 年成立的 Cloudera 是最早将 Hadoop 商用的公司，为合作伙伴提供 Hadoop 的 商用解决方案， 主要是包括支持、咨询服务、培训。

（2）2009 年 Hadoop 的创始人 Doug Cutting 也加盟 Cloudera 公司。Cloudera 产品主 要为 CDH， Cloudera Manager，Cloudera Support

（3）CDH 是 Cloudera 的 Hadoop 发行版，完全开源，比 Apache Hadoop 在兼容性，安 全性，稳定性上 有所增强。Cloudera 的标价为每年每个节点 10000 美元。

（4）Cloudera Manager 是集群的软件分发及管理监控平台，可以在几个小时内部署好一 个 Hadoop 集 群，并对集群的节点及服务进行实时监控。

  1. Hortonworks Hadoop
    官网地址：https://hortonworks.com/products/data-center/hdp/
    下载地址：https://hortonworks.com/downloads/#data-platform

四、Hadoop优势（4高）

  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，可方便的拓展数以千计的节点。
  3. 高效性：在MapReduce思想下，Hadoop是并行工作的，以提高任务的运行效率
  4. 高容错性：能够自动将失败的任务重新分配

五、Hadoop组成（面试重点）

Hadoop 不同版本的组成区别

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CAm3DPME-1652796204377)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20220511150250116.png)]

在 Hadoop1.x 时 代 ， Hadoop中 的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大。

在Hadoop2.x时 代，增加了Yarn。Yarn只负责资源的调度 ， MapReduce只负责运算。 Hadoop3.x在组成上没 有变化。

1.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、权限信息），以及每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）：每隔一段时间对NameNode元数据备份。

2.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、调度者（老大）
  2. NodeManager（NM）：单个节点服务器资源的老大
  3. ApplicationMaster（AM）：单个任务运行的老大
  4. Container：容器，相当于一台独立的服务器，里面封装了任务运行所需要的资源，如内存、cpu、磁盘、网络等。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ScmJeSei-1652796204378)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20220511161112185.png)]

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

3.MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map和Reduce

  1. Map阶段并行处理输入数据
  2. Reduce阶段对Map结果进行汇总

HDFS、YARN、MapReduce三者关系

cdh文档 hadoop hadoop cdh官网_hadoop