1.1 hadoop是什么
Hadoop是一个由Apache基金会所开发的分布式体系基础架构，紧张是解决海量数据的存储和海量数据的分析盘算的题目。通常Hadoop指的是一个更为广泛的概念Hadoop生态圈
1.2 hadoop发展历程
Hadoop创始人Doug Cutting，为了实现与Google类似的全文搜索功能，化升级，查询引擎和索引引擎，他在Lucene框架基础上举行优。
2001年年底Lucene成为Apache基金会的一个子项目。对于海量数据的场景，Lucene框架面对与Google同样的困难，存储海量数据困难，检索海量速度慢
学习和模拟Google解决这些题目的办法:微型版Nutch。可以说Google是Hadoop的思想之源(Google在大数据方面的三篇论文)
GFS—>HDFS
Map-Reduce—>MR
BigTable—>HBase
2003-2004,Google公开了部门GFS和MapReduce思想的细节，以此为基础
oug Cutting等人用2003-2004年，Google公开了部门了2年业余时间实现了DFS和MapReduce机制，使Nutch性能飙升。
2005 年Hadoop 作为 Lucene的子项目 Nutch的一部门正式引入Apache基金会。
2006年3月份Map-Reduce和Nutch DistributeFile System(NDFS)分别被纳入到 Hadoop 项目，Hadoop就此正式诞生，标志着大数据时代的到临
名字来源于Doug Cutting儿子的玩具
1.3 hadoop的三大版本
Apache版本最原始（最基础）的版本，对于入门学习最好。2006
Cloudera内部集成了很多大数据框架，对应产品CDH。2008
Hortonworks文档较好，对应产品HDP。2011
Hortonworks如今已经被Cloudera公司收购，推出新的品牌CDP。
1）Apache Hadoop
官网地点：Apache Hadoop
下载地点：Apache Hadoop
2）Cloudera Hadoop
官网地点：https://www.cloudera.com/downloads/cdh
下载地点：CDH 6 Download Information | 6.x | Cloudera Documentation
（1）2008年成立的Cloudera是最早将Hadoop商用的公司，为合作搭档提供Hadoop的商用解决方案，紧张是包括支持、咨询服务、培训。
（2）2009年Hadoop的创始人Doug Cutting也加盟Cloudera公司。Cloudera产品紧张为CDH，Cloudera Manager，Cloudera Support
（3）CDH是Cloudera的Hadoop发行版，完全开源，比Apache Hadoop在兼容性，安全性，稳定性上有所增强。Cloudera的标价为每年每个节点10000美元。
（4）Cloudera Manager是集群的软件分发及管理监控平台，可以在几个小时内部署好一个Hadoop集群，并对集群的节点及服务举行实时监控。
3）Hortonworks Hadoop
官网地点：Hybrid Cloud Computing Platform and Products | Cloudera
下载地点：https://hortonworks.com/downloads/#data-platform
（1）2011年成立的Hortonworks是雅虎与硅谷风投公司Benchmark Capital合资组建。
（2）公司成立之初就吸纳了大约25名至30名专门研究Hadoop的雅虎工程师，上述工程师均在2005年开始帮忙雅虎开发Hadoop，贡献了Hadoop80%的代码。
（3）Hortonworks的主打产品是Hortonworks Data Platform（HDP），也同样是100%开源的产品，HDP除常见的项目外还包括了Ambari，一款开源的安装和管理体系。
（4）2018年Hortonworks现在已经被Cloudera公司收购。
1.4 hadoop1.x、2.x、3.x的区别
Hadoop1.x中的MapReduce：
盘算：指的数据的运算
资源的调治：指的是在哪台服务器上举行运算，运算这个任务给多少内存
Hadoop2.x中的MapReduce:只负责盘算，Yarn负责资源调治
1.5 HDFS架构
Hadoop Distributed File System，是一个分布式文件体系
NameNode记录每一个文件块存储的位置
DataNode具体存储数据
2NN是辅助NameNode工作的
（1）NameNode：储存文件的元数据，如文件名，文件目次结构，文件属性（天生时间、副本数、文件权限），以及每个文件的块列表和所在的DataNode等。
（2）DataNode：在当地文件体系存储文件块数据，以及块数据的校验和。
（3）Secondary NameNode：每隔一段时间对NameNode元数据备份
1.6 YARN架构概述
Yet Another Resource Negotiator简称YARN ，另一种资源和谐者，是Hadoop的资源管理器。
1)ResourceManager(RM):整个集群资源（内存，cpu等）的老大
2)NodeManager(NM):单个结点服务器资源的老大
3)ApplicationMaster(AM):单个任务云心运行的老大
4)Container:容器，相当于一台独立的服务器，里面封装了任务运行所必要的资源，如内存、CPU、磁盘、网络等。
阐明1：客户端可以有多个
阐明2：集群上可以运行多个Application
阐明3：每个NodeManager上可以有多个Container
假造化、跨节点、分布式
1.7 MapReduce
MapReduce将盘算分为两个阶段：Map和Reduce
1）Map阶段并行处理输入数据
2）Reduce阶段对Map结果举行汇总
1.8 大数据技术生态体系
文件日记(半结构化数据)—>结构化数据
数据
大数据保举体系架构保举
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
