一、Hadoop是什么

Hadoop是一个由apache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通胀指一个更宽泛的概念——Hadoop生态圈

1、Hadoop优势

高可靠性：Hadoop底层维护多个数据副本，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：在集群见分配任务数据，可方便的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。

2、Hadoop1.x、2.x、3.x区别

Hadoop1.x中，Hadoop的MapReduce同时处理业务逻辑运算和资源的调度，耦合性比较大。

在Hadoop2.x中增加了Yarn。Yarn负责资源的调度，MapReduc负责运算。Hadoop3.x在组成上与Hadoop2.x一致。

3、Hadoop运行模式

- 本地模式：

单机运行，只是用来演示一下官方案例。生产环境不用。

- 伪分布式模式：

也是单机运行，但是具备 Hadoop 集群的所有功能，一台服务器模拟一个分布式的环境。一般用来测试，生产环境不用。

- 完全分布式模式：

多台服务器组成分布式环境。生产环境使用。

二、Hadoop三大架构

HDFS架构概述

Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。

- 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)：

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，是一种资源协调这，是Hadoop的资源管理器。

- ResoueceManager(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。

【注】

客户端可以有多个

集群上可以运行多个ApplicationMaster

每个NodeManager上可以有多个Container

MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map和Reduce

Map阶段并行处理输入数据

Reduce阶段对Map结果进行汇总

三、HDFS、YARN、MapReduce三者关系

客户端Client提交任务到资源管理器（ResourceManager）,资源管理器接收到任务之后去NodeManager节点开启任务（ApplicationMaster），ApplicationMaster向ResourceManager申请资源，若有资源ApplicationMaster负责开启任务即MapTask。

开始干活了即分析任务，每个map独立工作，各自负责检索各自对应的DataNode，将结果记录到HDFS，DataNode负责存储，NameNode负责记录，2nn负责备份部分数据。