04 Hadoop思想与原理

本文主要是介绍04 Hadoop思想与原理，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、用图与自己的话，简要描述Hadoop起源与发展阶段。

从与谷歌系统的关系，关键时间节点，1.x,2.x与3.x的区别，不同公司发行版本等方面来讲。

答：Hadoop是一个对海量数据存储和海量数据分析计算的分布式系统。

Hadoop 1.x
海量数据存储 ------->HDFS
海量数据分析计算 -------> MapReduce
Hadoop 2.x 增加
资源调度系统 -------> Yarn

从hadoop最初的原型来看，hadoop已经远远超过了本身的批处理。从广义上来说，hadoop现在可以是指更广泛的一个hadoop生态了，而不仅仅是HDFS，MapReduce和Yarn。例如Hive，Hbase，Flume，Sqoop等等项目都属于这个生态。下图展示为Hadoop的生态圈。

１、Hadoop的发展

Hadoop起源于开源网络搜索引擎Apache Nutch，后者本身也是Lucene项目的一部分。Nutch项目面世后，面对数据量巨大的网页显示出了架构的灵活性不够。当时正好借鉴了谷歌分布式文件系统，做出了自己的开源系统NDFS分布式文件系统。第二年谷歌又发表了论文介绍了MapReduce系统，Nutch开发人员也开发出了MapReduce系统。随后NDFS和MapReduce命名为Hadoop，成为了Apache顶级项目。

从Hadoop的发展历程来看，它的思想来源于Google的三篇技术性论文，一是GFS：Goolgle　File　System分布式处理系统，这解决了Hadoop的存储问题；二是Mapreduce：分布式计算模型，这解决了Hadoop对数据进行计算处理的问题；三是BigTable，这解决了查询分布式存储文件慢的问题。

２、Hadoop的发行版本

Hadoop的三大发行版本，分别为Apache、Cloudera、Hortonworks。

其中，Apache为最基础的版本，可以基于此做二次开发。下图为Hadoop的历史版本发展图。

3、Hadoop的架构模型

1. x的版本架构模型介绍

文件系统核心模块(HDFS)：

NameNode：集群当中的主节点，主要用于管理集群当中的各种数据；

secondaryNameNode：主要能用于hadoop当中元数据信息的辅助管理；

DataNode：集群当中的从节点，主要用于存储集群当中的各种数据；

数据计算核心模块(MapReduce)：

JobTracker：接收用户的计算请求任务，并分配任务给从节点；

TaskTracker：负责执行主节点JobTracker分配的任务。

2.x的版本架构模型介绍

第一种：NameNode与ResourceManager单节点架构模型

文件系统核心模块(HDFS)：

NameNode：集群当中的主节点，主要用于管理集群当中的各种数据；

secondaryNameNode：主要能用于hadoop当中元数据信息的辅助管理；

DataNode：集群当中的从节点，主要用于存储集群当中的各种数据；

数据计算核心模块(MapReduce)：

ResourceManager：接收用户的计算请求任务，并负责集群的资源分配，以及计算任务的划分；

NodeManager：负责执行主节点ResourceManager分配的任务。

第二种：NameNode单节点与ResourceManager高可用架构模型

文件系统核心模块(HDFS)：

NameNode：集群当中的主节点，主要用于管理集群当中的各种数据；

secondaryNameNode：主要能用于hadoop当中元数据信息的辅助管理；

DataNode：集群当中的从节点，主要用于存储集群当中的各种数据；数据计算核心模块(MapReduce)：

ResourceManager：接收用户的计算请求任务，并负责集群的资源分配，以及计算任务的划分，通过zookeeper实现ResourceManager的高可用；

NodeManager：负责执行主节点ResourceManager分配的任务。

第三种：NameNode高可用与ResourceManager单节点架构模型

文件系统核心模块(HDFS)：

NameNode：集群当中的主节点，主要用于管理集群当中的各种数据，其中nameNode可以有两个，形成高可用状态；

DataNode：集群当中的从节点，主要用于存储集群当中的各种数据；

JournalNode：文件系统元数据信息管理；

数据计算核心模块(MapReduce)：

ResourceManager：接收用户的计算请求任务，并负责集群的资源分配，以及计算任务的划分；

NodeManager：负责执行主节点ResourceManager分配的任务。

第四种：NameNode与ResourceManager高可用架构模型

文件系统核心模块(HDFS)：

NameNode：集群当中的主节点，主要用于管理集群当中的各种数据，一般都是使用两个，实现HA高可用；

JournalNode：元数据信息管理进程，一般都是奇数个；

DataNode：从节点，用于数据的存储；

数据计算核心模块(MapReduce)：

ResourceManager：Yarn平台的主节点，主要用于接收各种任务，通过两个，构建成高可用；

NodeManager：Yarn平台的从节点，主要用于处理ResourceManager分配的任务。

4、Hadoop的优势

（1）高可靠性

Hadoop在出现故障时可以对失败的节点重新分布处理。

（2）高扩展性

在集群间分配任务数据，可以方便地扩展数以千计的节点。

（3）高效性

Hadoop并行工作，以加快任务处理速度。

（4）高容错性

Hadoop自动保存多副本数据，并且可以将失败的任务重新分配。

二、用图与自己的话，简要描述名称节点、第二名称节点、数据节点的主要功能及相互关系 

答：数据节点是分布式文件系统HDFS的工作节点，它的主要功能包括负责数据的存储和读取，根据客户端或者是名称节点的调度来进行数据的存储和检索，然后向名称节点定期发送自己所存储的块的列表。

在HDFS中，名称节点的主要功能为存储元数据，负责管理分布式文件系统的命名空间，其内保存了两个核心的数据结构，FsImage和EditLog。

第二名称节点：是HDFS架构中的一个组成部分，它用来保存名称节点中对HDFS元数据信息的备份，并减少名称节点重启的时间，第二名称节点通过HTTPGET方式从名称节点上获取到FsImage和EditLog文件，并下载到本地的相应目录下。

这篇关于04 Hadoop思想与原理的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！