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
-
广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈
image.png
Hadoop发展历史
-
Hadoop创始人Doug Cutting，为了实现与Google类似的全文搜索功能，他在Lucene框架基础上进行优化升级，查询引擎和索引引擎
image.png - 2001年年底Lucene成为Apache基金会的一个子项目
- 对于海量数据场景，Lucene框架面对与Google同样的困难，存储海量数据困难，检索海量速度慢
- 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
image.png - 2003-2004年，Google公开了部分GFS和MapReduce思想的细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和MapReduce机制，使Nutch性能飙升
- 2005年Hadoop作为Lucene的子项目Nutch的一部分正式引入Apache基金会
- 2006年3月份，MapReduce和Nutch Distributed File System(NDFS)分别被纳入到Hadoop项目中，Hadoop就此正式诞生，标志着大数据时代来临
-
名字来源于Doug Cutting儿子的玩具大象
image.png
3 Hadoop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，也不会导致数据丢失
image.png -
高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点
image.png -
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
image.png -
高容错性：能够自动将失败的任务重新分配
image.png
Hadoop组成
image.png
image.png
image.png
HDFS架构概述
Hadoop distribution File System
- 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、文件权限），以及每个文件的块列表和块所在的DataNode
- 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)：每隔一段时间对NameNode元数据备份
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
image.png
- ResourceManager(RM)：整个集群资源（内存、CPU等）的老大
- NodeManager(NM)：单个节点服务器资源老大
- ApplicationMaster(AM)：单个任务运行的老大
- 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
说明1：客户端可以有多个
说明2：集群上可以运行多个ApplicationMaster
说明3：每个NodeManager上可以运行多个Container
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
image.png
HDFS、YARN、MapReduce三者关系
image.png
大数据生态体系
image.png
