Hadoop知识汇总

Hadoop的两大功能：海量数据存储和海量数据分析

Hadoop2的三大核心组件是：HDFS、MapperReducer和yarn

1、HDFS：分布式文件系统海量数据存储

2、MapperReducer：运算框架，海量数据分析

3、yarn：资源调度管理集群

        HDFS工作机制：基于namenode和datanode

1、namenode:响应客户端的请求；负责维护整个hdfs文件系统的文件夹树。以及每个路径（文件）所相应的block块信息（block的id，及所在的datanodeserver）；
元数据的管理

2、datanode：存储管理用户的文件数据；定期向namenode汇报自己所持有的block信息(通过心跳机制RPC)

Namenode安全模式：1）、当nameonde发现文件block丢失的数量达到一个配置的门限时。就会进入安全模式，它在这个模式下等待datanode向它汇报block信息；2）、在
安全模式下。namenode能够提供元数据查询的功能。可是不能改动。

HDFS读流程：

1、跟namenode通信查询元数据。找到文件块所在的datanodeserver

2、挑选一台datanode（就近原则。然后随机）server，请求建立socket流

3、datanode開始发送数据（从磁盘里面读取数据放入流。以packet为单位来做校验）

4、客户端以packet为单位接收，如今本地缓存，然后写入目标文件

HDFS写流程：

1、根namenode通信请求上传文件，namenode检查目标文件是否已存在，父文件夹是否存在

2、namenode返回能否够上传

3、client请求第一个 block该传输到哪些datanodeserver上

4、namenode返回3个datanodeserverABC

5、client请求3台dn中的一台A上传数据（本质上是一个RPC调用。建立pipeline），A收到请求会继续调用B，然后B调用C，将真个pipeline建立完毕。逐级返回客户端

6、client開始往A上传第一个block（先从磁盘读取数据放到一个本地内存缓存）。以packet为单位，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答

7、当一个block传输完毕之后，client再次请求namenode上传第二个block的server。