一、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
二、Hadoop发展历史
1）Lucene--Doug Cutting开创的开源软件，用java书写代码，实现与Google类似的全文搜索功能，它提供了全文检索引擎的架构，包括完整的查询引擎和索引引擎
2）2001年年底成为apache基金会的一个子项目办法;
3）对于大数量的场景，Lucene面对与Google同样的困难
4）学习和模仿Google解决这些问题的办法 ：微型版Nutch
5）Hadoop的思想之源：Google在大数据方面的三篇论文
6）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
7）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，Map-Reduce和Nutch Distributed File System (NDFS) 分别被纳入称为 Hadoop 的项目中
8）名字来源于Doug Cutting儿子的玩具大象
9）Hadoop就此诞生并迅速发展，标志这云计算时代来临
三、Hadoop思想
1、思考案例
1T的数据如何实现秒级别的计算？
回答：分布式并行计算，数据向计算移动
2、Hadoop思想之源：Google
主要是面对海量的数据和计算难题
2.1 Google三驾马车
1）存储：GFS
核心功能
- 存储数据-分布式文件系统
- 并发写入-顺序写入
不足与缺陷
- 缺乏高可用性
- “至少一次”的弱一致性
2）计算：MapReduce
核心功能
- 数据本地化的并行计算
- 系统容错和自动恢复
不足与缺陷
- 计算模型简单
- 海量硬盘读写
3）在线服务：Bigtable
核心功能
- 在线服务
- 高性能随机读写
- 自动调度和分片
2.2 开源技术
1）GFS对应HDFS
分布式存储系统
提供了高可靠性、高扩展性和高吞吐率的数据存储服务
2）Map-Reduce对应MapReduce
分布式计算框架（计算向数据移动）
具有易于编程、高容错性和高扩展性等优点
3）Bigtable对应HBase
四、Hadoop设计思想
分布式存储和计算
分而治之：并行计算
计算向数据移动
五、Hadoop三大发行版本
1）Apache、Cloudera、Hortonworks
2）Apache版本最原始（最基础）的版本，对于入门学习最好
3）Cloudera在大型互联网企业中用的较多
4）Hortonworks文档较好
六、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，也不会导致数据的丢失
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
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
七、Hadoop组成
1、概述
1.1 Hadoop 1.X组成
- HDFS
- MapReduce
- Common
1.2 Hadoop 2.X和Hadoop 3.X组成
- HDFS
- MapReduce
- YARN
- Common
1.3 HDFS
一个高可靠、高吞吐量的分布式文件系统
1.4 MapReduce
一个分布式的离线并行计算框架
1.5 YARN
资源调度平台，负责作业调度与集群资源管理的框架
1.6 Common
Hadoop体系最底层的一个模块，为Hadoop各子项目提供支持其他模块的工具模块，如：配置文件和日志操作等。
2、HDFS架构概述
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)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。
3、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
4、YARN架构概述
ResourceManager（RM）：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度
NodeManager（NM）：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令
ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错
Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息
