1、Hadoop是什么
Hadoop是一个开源的分布式计算平台。
HDFS 和MapReduce是Hadoop的两大核心，整个Hadoop的体系结构主要是通过 HDFS来实现对分布式存储的底层支持的，并通过MapReduce来实现对分布式并行任务处理的程序支持。
hadoop项目结构图(引用hadoop实战)
2、为什么要用Hadoop？
1）高效地存储和管理数据
2）处理问题时，采用分布式存储方式(HDFS：hadoop distribution file system)，提高了读写速度，并扩大了存储容量.
3）还采用存储冗余数据的方式保证数据的安全性。
3、Hadoop工作原理？
HDFS：采用主从结构模型。
一个HDFS集群有一个NameNode和若干个DataNode组成：其中NameNode为主，管理文件系统命名和文件的访问操作，DataNode为从，管理存储的数据。
HDFS结构图
(引用hadoop实战)
MapReduce：一种并行编程模式，使用者可以基于该模式情动写出分布式并行程序。
由一个单独运行的主节点上的JobTracker和运行在每个集群从节点上的TaskTracker共同组成。主节点负责调度构成一个作业的所有任务，这些任务分布在不同的从节点上，由主节点监控任务的执行情况，并重新执行之前失败的任务；从节点负责执行主节点指派的任务。
MapReduce处理流程 (引用hadoop实战)
4、Hadoop的数据管理？
包含分布式文件系统HDFS, 分布式数据库Hbase和数据仓库工具Hive的数据管理。
HDFS对数据的管理：
1）文件写入：client向NameNode发起文件写入请求---->NameNode根据文件大小和配置，返回DataNode信息---->Client把文件划分为多个Block,根据DataNode地址信息，按顺序写入到DataNode;
2）文件读取：client向NameNode发起文件读取请求---->NameNode根据文件存储返回DataNode信息---->Client读取文件信息;
3）文件块（Block)复制：NameNode发现不符合复制要求的Block或者存在DataNode失效---->通知DataNode相互复制Block---->DataNode开始直接相互复制;
PS: HDFS一个文件块有3个备份，一个放在NameNode指定的DataNode上，一个放在与指定DataNode不在同一台机器的DataNode上，还有一个放在与指定DataNode在通以Rack的DataNode上。一方面可以解决通以Rack失败的情况，另一方面可以解决不同Rack之间的数据拷贝提升性能。
网友评论