Hadoop - [01] 概述

Hadoop官网：https://hadoop.apache.org/

Hadoop下载：https://archive.apache.org/dist/hadoop/common/

一、Hadoop是什么

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。主要解决海量数据的存储和海量数据的分析计算问题。

广义上讲，Hadoop通常是指一个更广泛的概念 —— Hadoop生态圈。

二、Hadoop的发展历史

Lucene框架是道格卡丁开创的开源软件，用Java书写代码，实现与Google类似的全文搜索功能，它提供了全文检索引擎的架构，包括完整的查询引擎，包括完整的查询引擎和索引引擎。

2021年年底Lucene称为Apache基金会的一个子项目

对于海量数据的场景，Lucene面对与Google同样的困难，存储数据困难，检索速度慢。

学习和模仿Google解决这些问题的办法：微型版Nutch

可以说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

Hadoop的优势

• 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。
• 高扩展性：在集群间分配任务数据，可方便地扩展数以千计的节点。
• 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。

HDFS的架构

NameNode（nn）：存储文件的元数据，如文件名、文件目录属性，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的Datanode等。

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

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。

Yarn的架构

ResourceManager：（1）处理客户端请求；（2）监控NodeManager；（3）启动或监控ApplicationMaster；（4）资源的分配与调度。

NodeManager：（1）管理单个节点上的资源；（2）处理来自ResourceManager的命令；（3）处理来自ApplicationMaster的命令

ApplicationMaster：（1）负责数据的切分；（2）为应用程序申请资源并分配给内部的任务；（3）任务的监控与容错

Container：Container是YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等。

— 要养成终生学习的习惯 —