Hadoop的三大发行版本

Hadoop的三大发行版本包括：Apache、Cloudera、Hortonworks。

其中：

Apache版本是最原始（最基础）的版本

对于入门学习的新手比较推荐。

  • 官网地址：http://hadoop.apache.org/releases.html
  • 下载地址：https://archive.apache.org/dist/hadoop/common/
Cloudera在市场常见的互联网企业中用的较多

安装及组件最为方便。（但是出现bug时，需要解决就要收费，一般是工程师按修复时长收费）

  • 官网地址：https://www.cloudera.com/downloads/cdh/5-10-0.html
  • 下载地址：http://archive-primary.cloudera.com/cdh5/cdh/5/
Hortonworks文档较好，

但是由于2011成立，时间较晚，所以市场上用的并不常见。

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

Hadoop的优势

高可靠性：

Hadoop底层维护了多个数据副本，默认副本数为3个。
所以设备出问题时也可以在其他服务器上找到备份。

高扩展性：

在集群间分配任务数据，可拓展至数上千的节点。（相当于增加多台服务器）

高效性：

在MapReduce下，Hadoop可以多台服务器并行工作，任务处理速度非常快。

高容错性：

当一个节点上的任务出错时，可以自动将失败的任务重新分配给其他节点。

Hadoop的组成

Hadoop1.x与Hadoop2.x的区别

Hadoop1.x的组成

common（辅助工具）+HDFS（数据存储）+MapReduce（计算+资源调度）

Hadoop2.x的组成

common（辅助工具）+HDFS（数据存储）+MapReduce（计算）+Yarn（资源调度）

可以看出，Hadoop1.x中，MapReduce同时处理业务逻辑运算和资源调度，耦合性比较大。
在Hadoop2.x中，他将MapReduce中的资源调度抽取出来，变成了Yarn，单独负责资源调度，而MapReduce则只负责计算。

HDFS架构

  • NameNode（nn）：存储元数据。如文件名、目录、属性等。（等价于一本书的目录）
  • DataNode（dn）：存储文件的块信息，及文件的校验和。（等价于书里面内容）
  • Secondary NameNode（2nn）：监控HDFS状态的后台程序。

YARN 框架

ResourceManager负责监控所有的NodeManager，是整个集群的老大。NodeManager是单个节点资源的老大。ApplicationMaster是集群上运行的任务。

ResourceManager：（整个集群的老大）
  1. 处理客户端请求（资源调度，管理所有资源、磁盘等）
  2. 监控NodeManager
  3. 启动或监控ApplicationMaster
  4. 资源的分配和调度
NodeManager：（单节点资源的老大）
  1. 管理单个节点的资源
  2. 处理来自ResourceMaster的命令
  3. 处理来自ApplicationMaster的命令
ApplicationMaster：
  1. 对数据进行切分
  2. 申请资源、分配任务
  3. 任务监控与容错
Container：

是YARN中资源的抽象，相当于CPU、磁盘、网络等。（虚拟化的）

MapReduce架构

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（分）
  • Reduce阶段对Map结果进行汇总（合）