二、Hadoop 核心組件

2.1、Apache Hadoop簡介

Apache Hadoop是一套用于在由通用硬件構建的大型集群上運行應用程序的框架。它實現了Map/Reduce編程范型，計算任務會被分割成小塊（多次）運行在不同的節點上。除此之外，它還提供了一款分布式文件系統（HDFS），數據被存儲在計算節點上以提供極高的跨數據中心聚合帶寬。

優點：
高可靠性、高擴展性、高效性、高容錯性、低成本

2.2、主要模塊

• Hadoop Common：基礎工具庫用以支持其他模塊
• HDFS：高可用的分布式文件存儲系統
• Hadoop YARN：任務調度和集群資源管理框架
• MapReduce：分布式編程模型
• Hadoop Ozone：Hadoop類存儲模型

2.3、Hadoop 分布式文件系統-HDFS

客戶端(client)代表用戶與namenode和datanode交互來訪問整個文件系統

Namenode: 元數據操作，打開、關閉、重命名文件及文件夾、文件塊到DataNode映射
DataNode: 文件塊生成、刪除、復制及執行NameNode的指令

HDFS通過多個文件塊來實現大文件存儲，所有的文件塊都是同樣大小（除了最后一個文件塊）；
NameNode決定文件塊的復制，NameNode定時會收到DataNode的心跳包及塊報告。

2.4、Hadoop任務調度和資源管理框架-YARN

YARN 是 Hadoop 中的資源管理系統，它是一個通用的資源管理模塊，可為各類應用程序進行資源管理和調度。

ResourceManager ：處理客戶端請求、啟動/監控ApplicationMaster、監控NodeManager、資源分配與調度
NodeManager：單個節點上的資源管理、處理來自ResourceManager的命令、處理來自ApplicationMaster的命令
ApplicationMaster：數據切分、為應用程序申請資源，并分配給內部任務、任務監控與容錯

• ResourceManager由Scheduler和ApplicationMaster組成；
• Scheduler： 對各個任務及隊列分配資源，沒有監控及對任務狀態的追蹤，同時也不保證對失敗的任務進行重試
• ApplicationManager： 接受提交的任務，協調第一個用于啟動ApplicationMaster的container，同時針對ApplicationMaster的失敗提供重試
• ApplicationMaster：從Scheduler請求合適的資源containers，追蹤狀態及監控進度

---

2.5、Hadoop分布式編程模型-MapReduce

MapReduce是Google提出的一個軟件架構，用于大規模數據集（大于1TB）的并行運算。概念“Map（映射）”和“Reduce（歸納）”，及他們的主要思想，都是從函數式編程語言借來的，還有從矢量編程語言借來的特性。

當前的軟件實現是指定一個Map（映射）函數，用來把一組鍵值對映射成一組新的鍵值對，指定并發的Reduce（歸納）函數，用來保證所有映射的鍵值對中的每一個共享相同的鍵組。

總結

以上是生活随笔為你收集整理的学习笔记Hadoop（二）—— Hadoop介绍（2）——Hadoop 核心组件的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。