Hadoop学习篇 2 初识 Hadoop

在一个全配置的集群上，运行Hadoop意味着在网络分布的不同服务器上运行一组守护进程 （daemons)，这些守护进程或运行在单个服务器上，或运行与多个服务器上，他们包括:

(1) NameNode（名字节点）

(2) DataNode（数据节点）

(3) Secondary NameNode （次名节点）

(4) JobTracker  （作业跟踪节点）

(5) TaskTracker (任务跟踪节点）

NameNode

被认为是Hadoop守护进程中最重要的一个，可以说，NameNode就是一个大脑。

运行NameNode会消耗掉大量的内存和I/O资源，因此，为了减轻机器的负载，驻留NameNode的服务器一般不会负责MapReduce的计算、存储用户数据。这也意味着，NameNode不会和JobTracker\TashTracker存在于同一台服务器上。一旦NameNode服务器出现宕机，造成的影响一般会比较严重。

DataNode

每个集群的从节点上都会驻留一个DataNode的守护进程，来执行分布式文件系统的繁重工作——将HDFS数据快读取或写入到本地文件系统的实际文件中。当希望对HDFS文件进行读写时，文件被分割为多个块，有NameNode告知客户端每个数据块驻留在那个DataNode。客户端直接与DataNode守护进程进行通信，来处理与数据块对相对应的本地文件。DataNode与DataNode节点直接也可以直接进行通信，用于完成数据的复制。

上图解释了NameNode和DataNode节点的作用，NameNode指明了数据存放的名称和位置，分别为/user/chuck/data1 下的1、2、3文件和存储在 /user/james/data2下的

4、5文件。四个DataNode实现了1、2、3、4、5文件的复制。确保了任何一个DataNode节点失败后任然可以正常工作。DataNode会不断的向NameNode节点报告，将当前节点存储的数据块告知NameNode,为之提供本地修改的相关信息，同时接受指令的创建、移动或删除本地磁盘上的数据块。

Secondary NameNode

JobTracker

jobtracker守护进程是Hadoop和应用程序之间的纽带，一旦代码提交到集群上，JobTracker就会执行确定的任务，包括决定处理哪些文件，为不同的任务分配节点以及监控所有任务的运行，如果任务失败，jobTracker将会自动重启任务，但是所分配的节点可能会不同。

每个Hadoop集群只有一个JobTracker守护进程，他通常运行在服务器的主节点上。

TaskTracker

下面的图形描述了一个Hadoop集群的拓扑结构，这是一个主/从结构，特点是主节点上运行NameNode和JobTracker,而从节点上运行DataNode和TaskTracker。并使用独立的节点运行SSN,以防止主节点运行失败。

---

了解了以上信息，我们来关注一下Hadoop的NameNode和JobTracker究竟分别执行什么样的功能？

1、从存储角度来理解：集群是由一个Namenode和若干datanode组成，而secondary作为Namenode的一个备份

2、从应用的角度来理解：集群中的节点是由jobtracker和若干tasktracker组成，jobtracker负责任务的调度，而tasktracker则是负责任务的执行。因此，tasktracker是运行在datanode的，而Namenode和jobtracker则无需在同一机器上面